1樓：資料萬花筒
資料分析師在資料流中承擔的角色
資料治理流程涉及到多部門多崗位的分工協作，資料分析師在這個流程中也承擔了重要的角色。資料分析師的職責真的不止是分析，除了分析之外，資料分析師需要參與到資料規劃、資料採集過程中，而在資料應用過程中也需要完成指標體系、報表體系的建設以及部分臨時的資料查詢需求。
1.資料埋點
資料分析師要對業務進行分析，分析所需要的資料需要通過埋點來獲取。分析師參與到資料規劃、資料採集的過程中，可以更快地拿到資料，減少資料等待時長，有利於提高分析的效率。
舉個例子來說，假如現在使用者流失很嚴重，業務提了個需求讓分析師幫忙分析下使用者流失前的第n步都做了什麼？但是，碰巧使用者流失前第n步的事件log沒有記，那麼作為資料分析師沒有資料分析也無從下手，只能給研發提出埋點需求，在下個版本進行資料埋點。那麼這樣一來，分析的週期就會延後乙個版本。
如果分析師參與到資料埋點這項工作中來，諸如此類的事情大部分都是可以避免的。
2.指標體系及報表體系建設
資料的終極目的是定位業務問題，輔助業務決策。而指標體系就是監控業務問題，定位業務問題的好幫手。所以，指標體系的建設也是資料分析師的重要工作之一，好的指標體系能夠直接反映業務問題，同時能夠幫助資料分析師快速定位業務問題，以輔助業務進行決策。
3.商業智慧型分析
資料分析師當然也少不了分析，包括了各類活動效果分析、版本變化分析、使用者分析、流失分析等等。乙份好的分析報告能夠給業務的發展提供多種思路，也是分析師最重要的價值體現。
資料分析師在資料治理流程中需要撰寫資料埋點文件、搭建資料指標體系、報表體系以及分析業務問題，每乙個技能都會在後續的文章中更新！
資料分析師在資料治理流程中承擔的角色
參考文章
2樓：神州邦邦
先搞清楚資料分析師是針對哪些方向，可以確定職責 ，，比如是針對運營口的，哪體分析師更多是解決讀已經存在的問題；
找出上面希望尋找的資料背後的商業運營，執行規律。
如果是產品口的，
哪些資料分析師是為了尋找產品的研發方向；
或者本身就是做產品資料分析這類功能模組的；
如果資料分析是管理層崗，戰略部崗，市場部崗。
那麼，資料分析可能只是天天做PPT的人，並沒有確實對業務的決策與促進力。
3樓：數來寶
資料分析師工作的流bai程簡單分為兩部分，第du一部分就是zhi獲取資料，第二部分就是對資料進行處理。那麼dao怎麼獲得資料呢？首先，我們要知道，獲取相關的資料，是資料分析的前提。
每個企業，都有自己的一套儲存機制。因此，基礎的SQL語言是必須的。具備基本SQL基礎，再學習下其中細節的語法，基本就可以到很多資料了。
當每個需求明確以後，都要根據需要，把相關的資料獲取到，做基礎資料。
獲得了資料以後，才能夠進行資料處理工作。獲取資料，把資料處理成自己想要的東西，是乙個關鍵點。很多時候，有了資料不是完成，而是分析的開始。
資料分析師最重要的工作就是把資料根據需求處理好，只有資料跟需求結合起來，才能發揮資料的價值，看到需求的問題和本質所在。如果連資料都沒處理好，何談從資料中發現問題呢？
就目前而言，大資料日益成為研究行業的重要研究目標。面對其高資料量、多維度與異構化的特點，以及分析方法思路的擴充套件，傳統統計工具已經難以應對。所以我們要使用專業的資料分析軟體。
資料分析工具都有Excel、SPSS、SAS等工具。Excel、SPSS、SAS 這三者對於資料分析師來說並不陌生。但是這三種資料分析工具應對的資料分析的場景並不是相同的，一般來說，SPSS 輕量、易於使用，但功能相對較少，適合常規基本統計分析。
而SPSS和SAS作為商業統計軟體，提供研究常用的經典統計分析處理。由於SAS 功能豐富而強大，且支援程式設計擴充套件其分析能力，適合複雜與高要求的統計性分析。
4樓：Eric Li
1.根據業務或者公司產品需求，利用資料探勘等工具對多種資料來源進行分析，並為公司決策等方面提供資料支援
2、負責專案的需求調研
3、參與資料探勘模型的構建和維護等
4、整理編寫商業資料分析報告等等等等
5樓：風清揚
不同的公司、不同的崗位級別、甚至不同的業務發展階段資料分析師的工作都會有所不同，以下回答主要針對常規偏產品的資料分析師職責和工作。
資料全生命週期體系建設顧名思義是為產品搭建一套資料體系，其主要包括以下四部分內容：指標設計—資料埋點—報表搭建—看板建設。
01 指標設計
02 資料埋點
03 報表建設
在埋點開發完畢後，使用者的行為資料一般會被上報到資料倉儲中，資料分析師在這一階段的工作需要對埋點上報的原始資料進行加工，計算出所需要的指標，並根據不同的主題用不同報表將資料儲存下來方便以後使用，在這個階段會大量使用到SQL。
04 看板建設
報表建設完畢後，最後一步分析師還需要將這些資料展現給業務方，一般會將一些常見的查詢需求使用自動化看板的方式展示出來，這樣大部分的資料業務方可以自行到看板上查詢解決，會大大節省資料分析師的跑數時間。
以上就是資料分析師工作的第一部分內容，這部分其實是屬於比較基礎的工作，在業務早期使用者量級不大的時候以及初級分析師可能會需要花比較多的時間在這部分工作上。
撰寫資料分析報告可以說是資料分析師最核心的工作，是資料分析師核心價值的體現，常見的報告包括以下3種：
資料摸底：在某某功能或某某策略上線後，資料分析師通常要對功能或策略的表現情況進行一次整體的覆盤評估，並盡量根據資料現狀發現一些可以深入分析的問題，留待後續分析。
指標波動：某某指標下降 or 上公升後，分析下降或上公升的原因。
主題分析：針對不同的業務主題進行分析，不同的業務分析的主題也會不同，範圍非常的廣泛。常見主題包括比如增長分析、內容分析、新使用者承接分析、流失分析等等，這些主題可以是業務方向你提出，也可以是你通過觀察資料自己發現問題自己分析，自主探索是一名優秀的資料分析師應掌握的能力。
除了資料建設和資料分析之外，日常工作中免不了會有一些比較瑣碎的提數需求，如果產品和運營的人數比較多，這些需求就會讓分析師比較頭疼，乙個分析師可能會對接10+的運營和產品，每個人每天都提一條需求的話，基本時間就會被需求佔滿，所以需求管理也是資料分析師的必修課。
總結
以上三部分就是資料分析師主要的工作內容，比較理想的情況下，這些內容時間的佔比應該是 3:6:1。
不同的公司、不同的分析師級別時間的佔比可能會有所變化，但對於大部分分析師來說，資料分析報告都是其核心產出價值所在，分析師應當盡量提高分析在自己工作中所佔的比重。
6樓：草木可可
因為資料分析師的日常工作非常雜而全，很難用一兩句話來描述明白，所以我嘗試一步一步來講清楚。
首先，資料分析師的工作是什麼？概括地講，資料分析師是主動發現問題並提出解決方案的人，負責端到端的專項分析。那什麼是端到端呢？
從提出問題假設，到專案管理立項，到分析問題原因，到設計解決方案，到執行優化策略，到效果驗收，這是端到端。
詳細來說，資料分析師的工作包括以下幾個大類，
1）行業現狀和增長空間分析
2）業務優化方向的探索挖掘
產品功能分析和使用者分析都是在做業務優化方向的探索，可以說是為了優化使用者體驗。
3）業務資料異常問題原因分析
這類工作比較好理解，某一天業務KPI指標突然跌了5%，那分析師就要去分析異常波動原因，是由產品新版本上線影響的，還是運營活動造成的，還是一些不可抗力環境因素導致的呢。
4）臨時資料需求解決
各業務方經常會有一些提數或者搭建乙個報表看板的工作來提需求給資料分析師，對於分析師來說，這類工作除了打磨自己的硬體能力(SQL/Hive/Excel)之外，其實也可以更好地去了解業務需求，從而協助自己去做2）的工作。
5）資料產品解決方案相關落地執行
這類工作在不同公司的劃分不同，小一點的業務會讓分析師自己來把分析結果實現產品化，大一點的業務會有專門對接的資料產品經理來運維資料產品，目的都是為了支撐業務的快速迭代發展。
在資料分析師的日常工作中，理想的狀態是希望60%的時間分配在1）和2），30%的時間分配在3），剩下10%的時間分配在4）和其他。但現實情況是，多數業務團隊內的資料分析師會把日常80%的時間耗在3）和4）上面，甚至更多在4）上面，這對於乙個追求自身分析能力成長的分析師來說不是很好，畢竟4）是乙個重複勞動性的工作。
那資料分析師是不是只懂分析就可以了呢？
現在資料業界內的很多專家們在推崇乙個資料全棧工程師的概念，從字面意思上就不難理解，全棧指的不單單只是分析一方面，而是乙個資料全鏈路。
資料全鏈路即包括資料基礎建設（埋點上報、數倉搭建）、資料產品開發（報表視覺化、實驗平台）、資料建模分析（貝葉斯、邏輯回歸、神經網路）幾大方面，這裡面會涉及到不限於開發、演算法、統計幾方面的知識理解。以上都吃透了，才能真正算是從資料科學入門。
從以上可見，資料分析師的工作職責呢，在理想情況下可以總結為基於對業務的理解和深厚的技術功底，去驅動業務做出正確的決策。
7樓：黃小偉
一. 企業資料戰略理解資料基礎建設、資料分析，必須以企業所處階段的資料戰略為出發點和歸宿！對於企業而言，其在資料層面的訴求一般有三個：
而要實現這三個目標，並不是一蹴而就，而是要基於企業實際戰略需求迭代實現。
資料治理：資料質量管理、資料中間層管理、資料規範制定(安全、協同等)
業務量化：借助BI指標工具、行為分析工具，實現業務的多維度、多粒度量化
資料驅動：基於企業戰略、業務量化水平，探索業務突破策略
今年，數字中臺建設持續火熱，很多公司都在探索、實踐，其發展帶有一些必然性，因為隨著企業成熟、業務多元化發展，資料戰略必須以資料中颱為依託進行實現，從而滿足效率、資源復用性、成本可控等戰略訴求。資料分析師在資料中臺實踐落地中，起著非常重要的作用，這一點必須要有清晰的認知、足夠的重視。
網易資料中臺架構
資料中臺其實就是企業內部資料相關部門協同關係的重構，從而滿足企業的整體戰略需求。其落地實踐過程好比接力比賽，需要多個團隊縱向協同，先解決商業決策效率和運營效率問題，再追求企業資料貨幣的複利增長。
在整個過程中，我們必須意識到，資料價值沒有直接或間接體現在財報上時，都是成本...我們唯一能改變的就是加快資料價值落地的過程！
談完企業資料戰略、實現步驟、資料中臺，那麼資料要解決的核心問題是什麼？市場有一小部分人，狹隘的認為它是幫助業務取數的、做報表的…這些只是資料分析的價值，而非核心價值！
商業決策：資料本身不會產生決策觀點（還會存在貶值風險，資料具有時間屬性），需要有單獨的角色實現資料到結論的過程，這是最基礎也是最核心的需求！
運營效率：團隊人效、業務增長等會隨著企業增長而變化，資料需要給出業務量化，並積極尋找優化方向
資料貨幣：資料貨幣化不是簡單從底層直接處理，而是必須基於業務側實際狀態反向優化，我們需要的是像貨幣一樣可以使用的資料
二. 資料分析的命題
1.關於決策支援
「提數機」背後到底是什麼？我們的目的到底是什麼？
資料生產邏輯：產品功能、設計，資料是如何產生的？
數倉處理邏輯：資料倉儲、資料集市聚合模型，數倉幹了啥？
業務統計口徑：業務究竟需要什麼資料？
技術與資料嗅覺：資料處理能力、資料敏感度
2.關於BI指標體系關於BI指標建設，入門很簡單，但做得「好」很難！什麼樣的指標體系是才是最好的？
以使用者為中心，全方位量化業務狀態
平衡指標全面性和複雜度
盡可能短的使用者操作、思維鏈路
好的BI看板在設計過程中，一定要遵循一些原則：
3.關於專題分析幾乎所有分析師都希望做這型別工作，幾乎簡歷上大半篇幅就是專題分析。為什麼呢——這個型別的工作，節奏更可控，複雜度相對較高，更加彰顯個人的專業價值。
在做專題分析過程中，一般遵循以下幾個步驟：
4.關於資產化建設對於企業而言，在追求商業決策效率、運營效率和資料複利增長上的訴求，是無窮盡的！在決策效率、運營效率得以基本解決的基礎上，會逐步考慮資料本身價值變現的問題。
在資產化建設過程中，一般都要應對(優化)的幾個問題：
資料安全：資料資產等級、安全規則...
資料倉儲：資料中間層建設
平台化工具：自助分析平台、視覺化工具
資料中臺：沉澱共性服務和技術，解決決策和運營效率問題，同時促進資產貨幣化
5.資料分析型組織在企業的成長過程中，對於資料分析的需求程度是不同的。起始階段需要單個優秀的分析師，接下來需要優秀的資料資料分析團隊支援業務的發展，最後一定是打造乙個資料分析型組織！
這是資料分析師自我價值成長路徑的基本面，成就自己，成就組織。
三.資料分析師的成長1.資料分析師的高階對於分析師，其價值取決於能夠承擔責任的範疇，越往後，工具、基礎技術的影響越來越小。
對於資料分析師的成長，個人建議從內功、外功、工具等三個方面不斷進行學習與思考。
2.資料分析師的內功
方向》選擇》努力，持續自我修煉，以期在正確的方向，做正確的選擇，並有所成就！
3.資料分析師的外功
4.資料分析工具
對於分析工具，諸如SQL、BI、Python、R等等，在對自己的未來職場方向有明確的目標後，可以更加專注的掌握相關工具，不建議見啥學啥。學習過數學的人都知道乙個基本道理：對於乙個函式，如果沒有定義域(邊界)，是不會有最優值的。
我們做資料也一樣，不能既想做大資料開發、又想做數倉、還想做資料分析...
關於資料分析師的成長，簡單總結幾句就是：
資料分析內功：潛心磨礪，它一定程度決定了乙個分析師未來所能成長的高度
資料分析外功：快速掌握並自成體系，乃至精通而不拘泥於形式
資料分析工具：以有邊界的問題為目標，精通並緊跟發展潮流
知乎圈子：資料分析圈
資料分析圈 - 知乎
資料分析師這個工作適合女生嗎？
liu990678279 個人認為是適合的。首先，女生會比較細緻一些，會比男生更容易避免一些由於粗心導致的小錯誤 其次，女生會更有耐心一些，分析的結果中，尤其需要耐心的觀察，而這一點女生會比多數男生會做的更好些！ 老崔 本人轉行做資料分析，從0開始學，希望各種想轉行小白的可以過來一起交流，想組織乙個...
資料分析師就業如何？工作好找嗎？找工作對學歷要求高嗎？就業前景好嗎？
IT弄潮兒 目前大資料行業人缺口很大，一般都是技術崗位，主要是大資料開發，目前有一定基礎或者數理邏輯思維比較好的都可以去嘗試進入這個行業，通過機構指導知識系統的，高效學習，這是進入這個行業的乙個方法。職位體系包括四個層次 1.最上層是首席資料官CDO，TA直接向企業CEO負責，屬於公司高階管理人員，...
沒什麼工作經驗能應聘資料分析師嗎？
九道門聊資料 做資料分析師該怎麼開始，首先得從自己的知識儲備結構來分析，不能盲目的別人說怎麼學就怎麼學，因為知識結構不同，要學習的側重點也就不一樣，尤其是在學大資料分析這個領域。比如說英語專業的，他們學習資料分析師的優勢就在於對於經濟領域 組織管理 表達能力等方面比較有優勢，但是對於程式設計 建模 ...