1樓：雲夕碎筆
資料分析師對資料的敏感度也可分為兩個方面。
第一，是對資料的微觀敏感度。比方說你能通過少許的客戶級資料就能聯想到資料的應用場景。你能通過少許資料了解到資料大致是什麼樣乙個結構。
你要明白資料的內在邏輯是什麼。這個自然要多看資料，同時也要多聯想。很多時候，資料的應用場景光靠我們自己想自然是不夠，那這時還要多參考各種資料，你周圍的同事，網上公開的資料，書籍均是你的求助物件。
第二，是對資料的巨集觀敏感度。大多數分析都是基於客戶展開，因此你應該要弄清自己分析的客戶大致上是什麼體量，對應的資料分布是什麼樣子。當你從巨集觀上進行思考時，你對資料的理解就變成了考察資料之間的相關性以及資料背後的規律性了。
比如說客戶的某個屬性是怎麼影響他的行為的等。這裡值得思考的點更多，但通常也更為複雜。想抽絲剝繭理清裡面的問題，其實並不容易。
培養微觀敏感性不難，難在培養巨集觀敏感性。我對此也沒有太好的方法，但我想大體脫離不了下面幾點:
1.多總結自己的專案經驗。從中抽離出一些知識及原則。學會與團隊成員分享，這樣你可以得到別人的反饋，對自己認知錯誤的點進行改正。
2.多關注公司其他同事在幹什麼，吸收他們的知識及經驗。如果有公司內部分享會，停下自己手頭的活，一定要去聽。理解別人是怎麼思考問題的，並優化自己思考問題的方式。
3.逐漸從單純的看看資料是什麼變成多想想這個資料的價值是什麼。
2樓：拾刻學院
先定義以下什麼是資料敏感度？ 可以分為兩方面的能力：
資料分析師分析和工作的物件是資料，但是最後需幫助業務作出基於事實的決定。在對資料進行分析之前，是不是就需要確保獲得資料能夠有效的表示業務 ？ 這個能力非常關鍵。
資料分析工作的本質是基於指標來展開，指標可以定義成一系列有邏輯關係的能夠有效表示業務的數字。首先需要基於對業務的理解以及業內最佳實踐建立有效的指標。後續包括：
通過對指標的監測來反應業務的變化
基於指針對目標的實現路徑進行拆解
衡量某個運營手段或者某個產品的改進對關鍵指標的影響
如果指標都沒選好，後面資料分析的再好也是沒有意義的。乙個優秀資料分析師和普通資料分析師最大的區別就是基於業務建立資料指標體系的能力。
具體定義是拿到一堆資料以後如何分析。包括
描述性統計的基本概念，平均數會掩蓋非常多資訊，通過更多的描述性統計方法來分析資料會對資料有更全面的認知。
資料的對比，資料只有對比才有資訊，包括縱向的日/周/月環比同比；橫向的不同部門、不同商品之間的對比。
資料分析的基本的方法和思路包括drill up 和drill down
面向過程的轉化漏斗的分析
佇列（Cohort）分析
3樓：水暈老宋
不知道題主有沒有看過一本書這本書叫做《思考快與慢》
這本書將的就是直覺和資料分析之間的關係，你的直覺也許會和資料分析產生結果有很大的分歧
那麼如何訓練資料的敏感度呢？
很簡單，但是也很難，告別自己的直覺，用資料說話，這就是訓練資料敏感度最簡單的方法，但是也是最難的。
4樓：海棠亭午
資料敏感度其實包含兩個方面：
1.一是數學意義上的敏感度，這個不難培養。
2.二是與所處行業有關的知識，或者說與市場、產品、消費者有關的商業敏感度，這是極難培養的，也是廣大「資料分析師」所欠缺的。
5樓：濯一清
在下不是業內人士，但就我專業提一些見解，就如一名產品設計師，一眼就要很精準的判斷某一物品的成本，使用價值，人因學（好不好用，一般智障設計就是壞在這點），這些能力你問我是怎麼養成的！！？？？一臉蒙蔽，多看多想，變成你的呼吸一樣，看見乙個玩意兒立馬就考慮它怎麼使用，好用與否，造價多少，時間久了就很敏感了，我想資料分析也是一樣的
6樓：木偶
其實所謂的資料敏感也就是你對某乙個行業的資料接觸的多了，都熟記於心，熟悉到一定程度，看到乙個資料跟正常值相比有偏差，都不用思考來分析，很快就可以察覺資料有偏差，這個時候你對資料就敏感了。
另外看了下回答人數和關注人數，看來資料分析現在學習的人應該挺多的，所以關注的人很多，而從事資料分析人比較少，所以回答數量很少。
7樓：恆仔
資料敏感性是指對某些資料具有一定的辨識能力，並且能針對這些資料看到一些別人意識不到的問題，或者別人意識不到的資訊。 當你看到一大堆雜亂無章的資料時，你會很有耐心的找出其中的規律所在，不厭其煩，並且樂在其中。
訓練資料敏感度缺少不了以下幾點
對自己所屬行業知識和衍生知識的理解，不斷學習自己所屬行業的專業能力。那麼自然而然你的敏感度就來了。各個行業都有各自的資料，所以這些敏感性也是對這些不同的資料而言的。
能清楚資料異常背後的原因，這需要經驗，也需要你的思考和執行力。
增強自己的數字敏感度，了解更大範圍、更巨集觀的數字，比如世界範圍內的行業數字，在日本、美國、南韓、台灣等國家地區的數字，中國的行業資料，某個地區的行業資料。盡大可能放寬自己的視野，搜尋與自己所從事領域相關聯的數字，拿來判斷一下，琢磨一下它的好壞，根據它的走勢，尋找一下它的判斷基準點。
增強基礎的數學知識：微積分、線性代數、概率論、統計，這也是你看到資料之後能夠快速反應、分析的乙個基礎。
系統的資料分析方法，用體系的分析方法來對資料進行分析，能夠讓你更好地看到資料的方方面面，而不是毫無章法地思考資料。
典型的資料分析可能包含以下三個步驟：
探索性資料分析，當資料剛取得時，可能雜亂無章，看不出規律，通過作圖、造表、用各種形式的方程擬合，計算某些特徵量等手段探索規律性的可能形式，即往什麼方向和用何種方式去尋找和揭示隱含在資料中的規律性。
模型選定分析，在探索性分析的基礎上提出一類或幾類可能的模型，然後通過進一步的分析從中挑選一定的模型。
推斷分析，通常使用數理統計方法對所定模型或估計的可靠程度和精確程度作出推斷。
資料分析過程的主要活動由識別資訊需求、收集資料、分析資料、評價並改進資料分析的有效性組成。
一、 識別資訊需求
識別資訊需求是確保資料分析過程有效性的首要條件，可以為收集資料、分析資料提供清晰的目標。識別資訊需求是管理者的職責管理者應根據決策和過程控制的需求，提出對資訊的需求。就過程控制而言，管理者應識別需求要利用那些資訊支援評審過程輸入、過程輸出、資源配置的合理性、過程活動的優化方案和過程異常變異的發現。
二、收集資料
有目的的收集資料，是確保資料分析過程有效的基礎。組織需要對收集資料的內容、渠道、方法進行策劃。策劃時應考慮：
識別的需求轉化為具體的要求，如評價供方時，需要收集的資料可能包括其過程能力、測量系統不確定度等相關資料；
確由誰在何時何處，通過何種渠道和方法收集資料；
錄表應便於使用；
取有效措施，防止資料丟失和虛假資料對系統的干擾。
三、分析資料
分析資料是將收集的資料通過加工、整理和分析、使其轉化為資訊，通常用方法有： 老七種工具，即排列圖、因果圖、分層法、調查表、散步圖、直方圖、控制圖； 新七種工具，即關聯圖、系統圖、矩陣圖、KJ法、計畫評審技術、PDPC法、矩陣資料圖
四、資料分析過程的改進
資料分析是質量管理體系的基礎。組織的管理者應在適當時，通過對以下問題的分析，評估其有效性：
供決策的資訊是否充分、可信，是否存在因資訊不足、失準、滯後而導致決策失誤的問題；
對持續改進質量管理體系、過程、產品所發揮的作用是否與期望值一致，是否在產品實現過程中有效運用資料分析。
收集資料的目的是否明確，收集的資料是否真實和充分，資訊渠道是否暢通；
資料分析方法是否合理，是否將風險控制在可接受的範圍；
資料分析所需資源是否得到保障。
8樓：桃桃
自問自答，多問自己問什麼？然後找答案
看到乙個問題，問自己，我到底要解決什麼？為什麼要做？給誰做的？
為什麼要用這個作為factor？為什麼有些variable不可以？誰是我的target？
這些target裡面有沒有異常的outlier？有沒有missing value？等等等等，最後才是哪個algorithms最fit……質疑自己看到的一切，同時自己去找答案，經常總結，比如同是clustering，pca，factor analysis，carnonical correlation有什麼相同？
有什麼不同？
再來就是，反正我的algorithms是一樣啊，或者需求一樣（data manipulation，data visualization）SAS怎麼寫？Python怎麼寫？R怎麼寫？
相似和不同是什麼？
反正說到底就是多思考多總結，細心求證。
PS：我也才開始上路，不過比較幸運的是遇到一位超級大牛願意教我，老師六十多歲幹了一輩子了，說起來選我當徒弟的原因：你天生的性格就是愛思考愛鑽研，看問題角度比較刁鑽，一定要摸到本質。
9樓：素衣白馬
能把資料串出前因後果來吧。
要問如何訓練？我的辦法是畫像+講故事。
姑娘去年每餐吃2兩，每天跑2km，過年體重55kg。今年每餐吃2兩，每天跑3km，過年體重50kg。
有定時的畫像，有邏輯，有對比，看到變化，能推理原因。
然後告訴你，這姑娘現在每天跑5km了，你會想到啥？
經常串著數字把業務講一遍，做做對比，想想原因，猜猜趨勢。
大致如此吧。
資料分析師 CDA 和資料專案分析師（CPDA 的區別？在認證方面有什麼不同嗎？
nicygyang 演算法或開發類的證書一般用處不大，靠證書入行還不如去刷kaggle比賽。實在想證書，推薦20年新出的谷歌tensorflow developer認證，coursera有prof.安德魯吳他們廠子的配套培訓課程，你上完prof.吳的deep learning專項再去上這個課比較好。...
如何快速入行資料分析師？
杜超 可以參考這個知識能力模型來學習，裡面的細節很多。 Kim Young 因為題主想要的是快速，所以既然是資料分析，那肯定少不了SQL啊，所以先得學習SQL，MySQL搞起來，然後以此擴充套件再用Python這種快速程式設計的工具。然後對資料各種關聯連線，聚合，字串等。然後以此深諳資料之道，熟悉以...
資料分析師需要哪些技能？
姑蘇城外漫天飛 有句話叫做，工具和技能都是關鍵，這些都是可以培養的。關鍵在於你是否有乙個資料分析的思維能力和想法 當然，作為資料分析師，基本的技能包括了SQL,BI工具，Python 基於這樣，資料分析的是核心在於，資料敏感性，業務資料發掘能力，資料指標體系搭建，分析框架搭建，和各個部門的溝通能力，...