分析师是什么？谁可以被称为分析师？

导读：对于那些渴望成为数据分析专家的人来说，不仅需要了解这一职业的日常任务，更应掌握必备的技能和性格特点。在这篇文章中，我们将探讨数据分析师的真正含义，并深入了解他们所需的能力。

数据分析师，或称BI专家，是一个充满神秘与挑战的职位。对于那些梦想进入互联网行业却不擅长编程的毕业生来说，数据分析可能是一个理想的选择。

然而，一个普遍的疑问总是围绕着这个职位：数据分析师的日常工作是什么？尽管在职场论坛上被列为不推荐的职位，但无论是校园招聘还是社会招聘，简历的数量总是超出预期。甚至数据分析师自己也常常在“听从业务指令”与“自我怀疑”之间徘徊，对自己的技术性或非技术性角色感到困惑。

麦肯锡的七步法则教导我们，只有首先明确问题，才能找到解决方案。因此，我们将首先讨论“数据分析师是什么”，然后基于这一定义，进一步探索“数据分析师需要哪些能力”。本文将不涉及具体的分析方法或业务细节。

羊群的故事：一位牧羊人拥有一大群羊，并雇佣了两位助手来提高羊群的数量。

第一位助手，经过一系列操作后，得出结论：羊群总数为1583只，其中包括228只公羊、112只小羊和1243只母羊。

牧羊人问道：“这些数据确实更精确了，但它们如何帮助我增加羊群的数量呢？”

第二位助手进行了聚类分析，并将羊群分为三类：活泼型、食欲型和宁静型。

牧羊人再次提问：“我已经知道这些分类，但如何利用它们来增加羊群的数量呢？”

无奈之下，两位助手求助于他们的师傅，他给出了以下建议：

公羊和母羊的比例不平衡，建议出售一些公羊并购买母羊；

为了提高羊群的增重效率，建议隔离那些活泼的羊；

根据市场规律，羊肉价格在半年后会达到年度高点，建议那时出售羊群。

这个例子在数据分析师的日常工作中并不罕见。第一位助手每天忠实地报告KPI指标，担心数据的准确性，而第二位助手在进行分类分析后，却被业务部门质疑：“我们都知道这些，接下来怎么办？”同时，他们的建议被领导批评为“只有描述，没有实际建议，无法执行”。只有师傅因为提出了实用的建议而受到业务部门和领导的赞赏，享受着团队内的点赞和周报的表扬。

分析师的定义：通过羊群的故事，我们可以为数据分析师提出一个初步的定义：

数据分析师是基于对业务内外环境的深刻理解，通过数据收集、统计和分析，为业务提出实际可行的建议，并推动这些建议的实施，从而为企业带来商业利益的角色。这一职位的核心要素包括数据基础、建议提出和收益获取，三者缺一不可。

第一位助手完成了基础数据的收集工作；第二位助手尝试进行分析，但未能得出结论；而师傅成功得出了结论。这三个角色也反映了职场中不同层级的数据分析师。

根据这一定义，准确的数据收集是基础；统计和分析是手段；提出建议并实现商业收益是最终目标。数据分析师的角色不应仅限于数据收集或现象描述，而应能够明确目标，用数据支持业务思考，提供有价值的判断和有效的建议。

分析师的能力要求：现在，我们可以根据上述定义，自下而上地分解数据分析师的能力要求。

1. 为了收集所需的分析数据，分析师需要具备基本的数据模型构建和埋点设计能力。在数据层面，对分析师的要求并不高，只需能够大致设计表关系、表结构和埋点，并能够与ETL/前端团队清晰沟通需求。

2. 为了有效地分析数据并得出准确的结论，分析师首先需要熟悉各种基本的分析方法和流程，其次需要了解业务。分析方法众多，从简单的描述性统计分析到稍微复杂的DID、PSM、回归等，这些方法的核心思想是：先找到基准点，然后比较分析对象与基准点的差异。理解了这一点，针对具体问题的分析就会变得容易得多，对于无法套用现有分析方法的情况也能灵活应对。如果说分析方法更多地考验分析师的逻辑能力，体现的是解决单一问题的能力，那么了解业务则对分析师提出了更高的综合要求：对外要了解市场空间、环境、玩家和竞争对手；对内要能进行商业分析、洞察和策略支持。为了达到内部分析的目的，分析师还需要具备指标体系设计能力和基础的数据产品/监控体系设计能力。了解业务是一个长期而深刻的课题，只有深入了解业务，提出的建议才可能是实际可行的。关于如何了解业务和分析师如何看待业务的问题，值得另写一篇文章详细讨论，在此暂时略过。

3. 为了使结论/建议有效落地并获得商业收益，除了建议需要实际可行之外，分析师还需要具备良好的沟通能力。

4. 根据结论落地的方式和与业务方角色的对接情况，分析师可能还需要具备基础的算法/模型能力、数据产品设计能力、群体沟通能力和培训能力等。