数据分析技能的思考

聊找工作面试的要点。看了大家在后台留言，想了解下数据分析都需要懂什么工具，知道什么数学原理。今天我们就来聊聊关于数据分析的技能。

首先说结论：业务是第一位，其次才是工具和数学原理。为什么这么说?因为数据分析是为了解决业务问题，如果脱离了业务，什么都不是。

比如：80%，单看这个数字是没有什么意义的。但是如果我们说某APP的次留是80%，就将这个单独的数字赋予了业务意义。

所以，数据分析一定是与业务强相关的。下面我们就来说说数据分析所需要的技能。

工具类技能

工具，必须要学习一下 SQL 和 Excel。

数据分析一定是和业务强相关。所有数据都是为业务服务。但是前提是，你得拿到数据对吧。所以，SQL是必须会的技能。这个是我们拿到数据的主要工具。

那拿到数据了，我们肯定还需要对数据进行一定的作图，对比，处理。这里常用的就是Excel。

其次，大家肯定还会想到Python，R语言。这些就是偏进阶的工具了。后期建议大家学习Python，更通用一些。

我们分别来说下这几个工具所需要了解的基础能力：EXCEL：常用函数vlookup，match，index等，数据透视表功能，图表功能。SQL：聚合函数，窗口函数，表格关联，数据倾斜优化等。Python：循环、字典、字符串、pandas、numpy等常用包的使用。

理论类技能

关于理论，如果要划分一个常用的范围，那么就是数理统计和概率论。

数据有两种指标。一种是均值型指标，比如日活，NU，GMV;一种是比值型指标，比如注册率，渗透率。这些指标，在AB测试中，所需要的检验方式也是不同的。这些就需要统计学的基础。

我们在依据历史数据预测未来数据时，会需要一些概率和数理统计的知识。比如，某功能的渗透率是70%，如果我们想要提升至80%，可以选择哪些用户进行推广。这里，我们就需要计算不同用户组合下的渗透的概率。这时，我们就需要运用概率论，数理统计。

我们来说说统计学和概率论的基础知识：

1、统计推断：置信区间、置信度、假设检验(t检验、z检验、卡方检验)，以及这些检验适用的数据类型及样本情况;

2、中心极限定律、大数定律、辛普森悖论等;

3、概率与概率的分布、统计量及抽样分布、参数估计等;

4、回归分析、方差分析、分类分析、时间序列等。

这些基础知识可以去看看浙大出版的《概率论与数理统计》，贾俊平老师写的《统计学》。

再往上，全概率公式、贝叶斯公式、马尔科夫链这些也需要深入的学习和思考一下。因为这些公式，在业务中的应用也非常多。

比如，我们某功能点击率下降了，我们想知道是新用户引起的，还是老用户引起的，我们就可以用全概率公式。

比如，我们在进行内容的小流量实验，想通过用户的点击，评估用户对内容的偏好，我们就可以用贝叶斯公式。

比如，我们想要对用户的APP使用进行引导，我们就需要选择最优使用路径，我们就可以用马尔科夫链。... ... 这些，就是比较进阶的内容。推荐看《概率导论》和《线性代数应该这样学》。

业务类技能

说到业务类技能，师兄认为，需要会拆，也要会比。

先说“拆”。大家应该都听过“人货场”，“5W2H”，“4P”这些常用的分析方法论。这些方法论的本质是告诉大家一种业务上的通用拆分方法。这些拆分方法可以让我们将业务拆分为几个相对独立的变量，让我们更好的了解及度量业务。

当然，我们也可以按照公式来拆。比如，DAU = NU + 老用户;GMV

（编辑：四平站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!