相比问这个问题的人应该是刚入行数据分析的，那我就以过来人的经验，说说入行数据分析师3年的成长要点和规划。

为什么要定义3年呢？这个行业基本3年内都是助攻，偶尔能成为主攻，助攻基本都是提取数据、处理数据、核对数据、写常规的分析报告，基本很少参加项目的讨论。

去看招聘信息时，这个时间内的分析师还是以技术、工具为主，因此3年内大家大部分时间都集中在工具、技术的研究，没办法，要先活着，得有份工作，3年后许多分析师才慢慢会有自己的思考和职场焦虑。
下面的几个点，也是我曾经用到的一些要点和思考，欢迎交流

一、断章取义（用数据说谎）

经常看到一些人写文章，大多数人引用别人的数据，用一张看似完美的图表，来疯狂做自己的观点输出，然而你仔细看看数据报告的背景she'ji、数据的来源、统计的口径、时间维度等，你会发现他的观点其实是在自圆其说

举个栗子：都说转行AI即可年薪50万，转行数据分析即可30万，市场需求几千万人

纸箱客虽然没有从事过数据分析师这项工作，但既然题主发问，纸箱客斗胆将自己的理解进行分享。

一、目前企业尽管有数据分析师这个岗位，但基本上都是刚刚起步，数据的处理和分析还是比较落后，这正好给了即将从事或已从事这个岗位的职场人机会和空间。

也许有人会说：我们单位有数据分析部都很多年了，你纸箱客凭什么说是刚刚起步？纸箱客只是分享自己的观点，无意去评论哪个企业。

纸箱客认为目前的数据分析充其量是好“统计”。将原来很长一段时间的数据搜集，整理，然后通过很长时间的计算、分析得出建议或结论。这已经违背了数据应用的最基本要求：那就是一定要低时延或无时延。

举个例子：医生给病人看病，一定是需要即时的检验数据，最起码也是当天的，才能做出精准的判断和分析，确定病人此时此刻的身体状态。如果用昨天的数据行吗？不行，一定会误诊。

企业也是一样，需要的是今天或此时此刻的数据，那么你怎么获取数据？这些数据用什么承载工具？通过什么快速的分析？分析的结果是多少分钟呈报到决策者？数据的时延性是多长？

毕业后就开始从事数据分析师工作，第一家公司给了我入门的机会，同时也培养了我作为数据分析师应该具备的技能，让我在后面的工作受益匪浅。总结一下就是：

1、先学会从数据库取到目标业务数据，就是要会sql。这一步很重要，不会自己取数，会吃大亏，因为别人并不完全理解你想要什么数据，往往拿到的数据用不符合要求。

2、理解业务需求，明确到底要采用什么数据分析方法，如果自己没什么头绪，就需要多向公司前辈多请教咯，还有搜索相关案例。

3、熟练应用办公软件，特别是PPT和excel，做分析报告不可或缺的。

4、会写数据分析报告。

1、 理论基础

作为一名合格的数据分析师，你需要有应用数学、统计学、数量经济学专业数学知识背景。主要的学科知识背景需要有高数、线性代数、数理统计与概率论、计算机基础、统计学等相关课程的学习，这些理论知识是背景支撑，不是都要面面俱到的，遇到比较困难问题时能够查阅相关书籍资料能弄明白即可。

2、技能

Excel等办公软件，Python或R编程语言，常用用作数据分析处理的工具主要有spss、r、python、sas、Matlab、Eviews、ExcelVBA、IBM等几种工具我们至少要学会一种，常用的数据库有access、Oracle、sql server、mysql、mangodb等选择其一学习（建议mysql或者sql serve）。数据挖掘算法，是一名中高级数据分析的必备技能，也是数据建模、数据挖掘的必备知识，常用的算法有决策树、回归方程、聚类分类、关联规则、线性判别法、贝叶斯分类器、Knn算法（k近邻算法）、人工神经网络(ANN=Artificial Neural Networks)、支持向量机(SVM)等常用算法，不是一开始每一个算法都会的，需要慢慢积累，学以致用即可。

【1】找到如何通过数据衡量产品。对于同一产品，针对不同的场景需要要的指标可能又是不一样的。比如说 Uber 在初期，有多少司机（供给方）可能是一个很重要的指标，而发展一段时间之后可能是交易量。

【2】找到如何可以驱动产品的指标。

对于同一产品，针对不同的场景需要要的指标可能又是不一样的。

【3】跟产品经理、工程师等合作寻找改进产品的机会。

【4】帮助产品做决策。在互联网行业，任何时候都有几十上百甚至上千个事情需要做的，那么哪个是最重要的、最需要解决的？哪些改变是有可能带来产品的改进的？这些都需要你的帮助。