数据分析技能树

数据道术器，构想的是向有志于从事数据分析、商业分析的朋友们介绍数据入门的思维框架、分析方法和常用工具的。下面这篇推文将会作为分析领域的提纲式文章，给大家简要地介绍下分析领域技能树。针对每一个技能分支，将会在后续的更新中逐一地、深入地介绍，敬请期待。

一、数据之道

数据领域的思维框架是分析展开的根本，是分析的灵魂和顶层设计。在数据分析领域我们需要了解和掌握以下几个基本的思维框架。

①群组分析

②RFM分析

③AARRR模型

④漏斗分析

⑤生命周期分析

⑥留存、流失分析

⑦竞对分析

上述几个基本的思维框架逐一学习后，分析最迷人的部分在于我们需要对基本思维框架进行排列组合，有机地将群组分析、RFM分析结合到AARRR模型、漏斗分析等框架中，组合之后我们就可以得到不同分群的更多行为、习惯信息，而这些信息都将是发现问题、推动业务的秘密钥匙。数据思维框架是数据分析从业的门槛之一，而且这个门槛是能决定职业高度的。

在校招期间不时能听到一些同学说数分岗位“门槛低”，其实我觉得这个岗位门槛不算低，在投递时你需要有充足的实习、对基本的统计知识、编程知识、模型知识熟悉。入门后业务上要做到极致，能灵活地应用好上述思维框架到分析报告的话，数分岗的上界也是很高的。

二、数据之术

在顶层思维框架的指导后，在落实分析的环节我们需要合理地使用合适的数据分析方法来解决相应问题、得出相关的结论。数据之术是数据领域从业不可不掌握的部分。工欲善其事，必先利其器，只有分析工具掌握到位，才能逐步完成思维蓝图。

数据领域常常涉及的分析方法有：

①假设检验

②因果（归因）分析

③回归分析

④相关分析

⑤聚类分析

⑥生存分析

⑦对比分析

上述提到的数据分析方法也许只是众多方法中的一部分，在实际业务中兴许需要更多分析方法，这就要求我们需要拥有持续学习的能力，在职场中随时捡起新方法，学习并加以应用。数据分析方法则是数据从业的又一门槛，这部分门槛通过学习和培训是不难越过的。觉得数分岗门槛低的吃瓜群众其实大部分只是看到了这部分工具性技能的门槛而已，这部分门槛是决定了你是否能入门。

三、数据之器

数据分析常用工具可以结合数据分析工作流程来进行介绍。数据分析工作永远逃不开：取数、分析、可视化三大环节，与之相生的就是SQL、Python(R、Excel、SPSS、Matlab等)、和Powerbi（Tabula等）。与数据之术类似，数据之器也是数据领域从业入门的基本门槛。

后续本将会按照数据道、术、器的顺序来逐一介绍数据相关的知识，希望在数据成长路上可以边学习边产出自己对于这个行业方方面面的理解，让大家更好地认识数据这个行业。