从两年前起，有一件事已成为上升的趋势 ——未来商业世界里，大部分公司，都需要拥有驾驭数据的能力，学会用数据做精细化运营，利用数据驱动业务的增长。
所以，数据岗位，是未来 5 年内，无论什么行业都有持续需求、非常值得深扎的方向。
今天，就来给大家科普一下数据岗位：定义、工作流程、进阶方向、价值......
01
数据分析
数据分析是基于商业目的，有目的的进行收集、整理、加工和分析数据，提炼有价信息的一个过程。
其过程概括起来主要包括:明确分析目的与框架、数据收集、数据处理、数据分析、数据展现和撰写报告等6个阶段。
（1）明确分析目的与框架：一个分析项目，你的数据对象是谁?商业目的是什么?要解决什么业务问题?数据分析师对这些都要了然于心。基于商业的理解，整理分析框架和分析思路。例如，减少新客户的流失、优化活动效果提高客户响应率等等。不同的项目对数据的要求，使用的分析手段也是不一样的。
（2）数据收集：数据收集是按照确定的数据分析和框架内容，有目的的收集、整合相关数据的一个过程，它是数据分析的一个基础。
（3）数据处理：数据处理是指对收集到的数据进行加工、整理，以便开展数据分析，它是数据分析前必不可少的阶段。这个过程是数据分析整个过程中最占据时间的，也在一定程度上取决于数据仓库的搭建和数据质量的保证。数据处理主要包括数据清洗、数据转化等处理方法。
（4）数据分析：数据分析是指通过分析手段、方法和技巧对准备好的数据进行探索、分析，从中发现因果关系、内部联系和业务规律，为商业提供决策参考。到了这个阶段，要能驾驭数据、开展数据分析，就要涉及到工具和方法的使用。其一要熟悉常规数据分析方法，最基本的要了解例如方差、回归、因子、聚类、分类、时间序列等多元和数据分析方法的原理、使用范围、优缺点和结果的解释;其二是熟悉多种数据分析工具，Excel是最常见，一般的数据分析我们可以通过Excel完成，后而要熟悉一个专业的分析软件，如数据分析工具SPSS/SAS/R/Matlab等，便于进行一些专业的统计分析、数据建模等。
（5）数据展现：一般情况下，数据分析的结果都是通过图、表的方式来呈现，俗话说:字不如表，表不如图。借助数据展现手段，能更直观的让数据分析师表述想要呈现的信息、观点和建议。常用的图表包括饼图、折线图、柱形图/条形图、散点图雷达图、金字塔图、矩阵图、漏斗图、帕雷托图等。
（6）撰写报告：最后阶段，就是撰写数据分析报告，这是对整个数据分析成果的一个呈现。通过分析报告，把数据分析的目的、过程、结果及方案完整呈现出来，以供商业目的提供参考。一份好的数据分析报告，首先需要有一个好的分析框架，并且图文并茂，层次明晰，能够让阅读者一目了然。结构清晰、主次分明可以使阅读者正确理解报告内容;图文并茂可以令数据更加生动活泼，提高视觉冲击力，有助于阅读者更形象、直观地看清楚问题和结论，从而产生思考。
02
数据产品经理
数据产品经理，是在产品经理的基础上，叠加上数据从业人员的职业素养，从而创造出一些为数据人员服务的产品和平台。一个组织的数据好不好，乱不乱，都要依赖数据产品经理的职业素养。
数据产品经理的目的是使企业里面人人都是数据分析师，降低数据的使用的门槛，提高数据使用效率。这个是作为数据产品经理最基础的、核心的工作。
胜任数据产品经理应具备哪些能力?
交互设计能力、需求梳理能力、数据理解与使用能力、数据分析能力、业务建模能力等。
以上属于基本的岗位技能，但满足这些基本的能力之后，会更看重沟通协调能力和项目管理能力;后面的这两个能力是解决从一个概念到最终落地的核心关键，如果没有后者，只满足前者的基本能力也可以，尤其是做的特别好的，也很不错，但慢慢会成为工具人。沟通协调能力和项目管理能力是非常重要的，这两个能力是解决从基本的数据概念/应用概念到落地的一个核心的关键。
做好沟通管理的关键因素有哪些?
从项目管理的角度来说，其实是有方法论的。比如去做大型的项目，可能会按照一套标准的流程来走，输出各种文档、有各种规范等等。每一个环节都要注意什么，都是有方法论的。这里面是有很多的通用方法，所以建议大家先去了解项目管理的一些基本方法，再结合实战去锻炼自己。
03
ETL
ETL工程师的岗位价值
ETL的工作主要是对数仓的底层建设，ETL这个岗位是非常重要的，因为它属于是一个基础，如果ETL工作做好的话会有事半功倍的效果。如果做不好可能后续会有很多的问题，比如说数据如果没有清洗好，后续分析起来可能会有很多的脏数据，且小红书数据使用起来也非常不方便。
ETL工作流程
抽取: 这个环节可能主要是比如说Sqoop、FlumeKafka、还有 Kettle、Datax、Maxwell这些都是抽取工具。离线可能主要是用的Sqoop 或者是 DataX去进行离线数据的抽取，像实时可能会采用比如说Flume或者是Kafka、Maxwell，还有 Kettle去进行抽取。
转换: 转换包括清洗、合并、拆分、加工等等，可以用Hadoop生态的东西，MapReduce、Spark、Flink、Hive等去进行数据方面的清洗。
加载: 抽取转换之后，就是将数据加载到目标数据库。可能一些大数据方面的东西，或者HDFS等会用到Hbase去存储等这些工具。
ETL工程师进阶指南
初级: 对业务理解的不是特别的深入，技术上也就是会使用，出现一些问题可能不能独立解决或者是独立解决的问题数量会比较少，需要去咨询大牛之类的。
中级: 对业务相对来说比较熟悉，另一方面就是理解能力也比较强，技术上可能已经比较熟练了，而且还对框架、原理都有一些了解，也会调优。而且中级可能会参与到管理中，分一个小组，做一些比较小的项目或者需求。
高级: 对业务就是非常熟悉，技术是服务于业务的，所以熟悉业务非常重要，我们现在实现的功能，其实就是建立在业务的基础上去做的，另一方面高级的ETL工程师对各项技术、系统架构都非常熟悉或者是会设计这样的架构，同时具有管理能力，可以带领团队完成项目。
04
BI
BI全称商业智能(Business Intelligence)，在传统企业中，它是一套完整的解决方案。将企业的数据有效整合，快速制作出报表以做出决策。
商业智能BI在数据架构中处于前端分析的位置，其核心作用是对获取数据的多维度分析、数据的切片、数据的上钻和下钻、cube等。通过ETL数据抽取、转化形成一个完整的数据仓库、然后对数据仓库的数据进行抽取，而后是商业智能的前端分析和展示。
BI的用途
一种是利用 BI制作自动化报表，数据类工作每天都会接触大量数据，并且需要整理汇总，这是一块很大的工作量。这部分工作可以交给BI自动化完成，从数据规整、建模到下载。
另外一种是使用其可视化功能进行分析，BI的优点在于它提供比Excel更丰富的可视化功能，操作简单上手，而且美观，如果大家每天作图需要两小时，BI会缩短一半时间。
BI的步骤
大体分为以下五个步骤:
数据源读取
数据清洗
数据关联
图表制作
Dashboard整合
上下滑动
阅读更多offer
让高薪的offer 自然到来
我们有
每日一道大厂面试真题及答案解析
日常大厂导师内部直播分享邀请
日常申请季开放倒计时邀请
我们有
北美泛stem求职最新岗位信息
北美求职干货内容分享
北美公司最新求职面经
北美成功上岸经验分享
求职资料/Take home challenge等礼包
小红书
官网
微信号
抖音
新鲜的行业资讯｜实用的求职干货
精彩的分享活动 在这都能找到…
