1樓：python分享站
簡要回答一下這個問題，做大資料分析，往往涉及到幾個環節：資料獲取、資料訪問、資料預處理、資料建模與分析、資料視覺化。具體請看一看文：
資料採集：
資料採集的意義在於真正了解資料的原始面貌，包括資料產生的時間、條件、格式、內容、長度、限制條件等。這會幫助大資料分析師更有針對性的控制資料生產和採集過程，避免由於違反資料採集規則導致的資料問題；同時，對資料採集邏輯的認識增加了資料分析師對資料的理解程度，尤其是資料中的異常變化。
資料訪問：
資料訪問分為儲存和提取兩個部分。
資料儲存，大資料分析師需要了解資料儲存內部的工作機制和流程，最核心在於，知道原始資料基礎上需要經過哪些加工處理，最後得到了怎樣的資料。
資料提取，大資料分析師首先需要具備資料提取能力。第一層是從單張資料庫中按條件提取資料的能力；第二層是掌握跨庫表提取資料的能力；第三層是優化SQL語句，通過優化巢狀、篩選的邏輯層次和遍歷次數等，減少個人時間浪費和系統資源消耗。
資料探勘：
在這個階段，大資料分析師要掌握，一是資料探勘、統計學、數學基本原理和常識；二是熟練使用一門資料探勘工具，Python或R都是可選項；三是需要了解常用的資料探勘演算法以及每種演算法的應用場景和優劣差異點。
資料分析：
資料分析相對於資料探勘而言，更多的是偏向業務應用和解讀，當資料探勘演算法得出結論後，如何解釋演算法在結果、可信度、顯著程度等方面對於業務的實際意義。
資料視覺化：
這部分，大資料分析師除遵循各公司統一規範原則外，具體形式還要根據實際需求和場景而定。資料視覺化永遠輔助於資料內容，有價值的資料報告才是關鍵。
關於大資料分析師培訓完是幹嘛的，主要工作做什麼，以上就是簡單的內容介紹了。大資料分析師正在企業當中獲得越來越多的重視，學習專業技能，掌握專業技能，才能站穩腳跟。
python分享站：零基礎入門Python全套教程（無償分享，學完可就業！）
【python零基礎】金融量化分析，學完可做金融行業資料分析！（金融入門+實戰案例）_嗶哩嗶哩 (゜-゜)つロ 乾杯~-bilibili
【清華計算機博士】資料結構與演算法基礎（完整版）_嗶哩嗶哩 (゜-゜)つロ 乾杯~-bilibili
2樓：知達資料
資料分析師大體分兩個方向：乙個是業務洞察方向，乙個是資料體系搭建方向。
這兩個方向有共同點，側重點也有所不同，我們先來看共同點。
工具技術能力：SQL/Python/SPSS/SAS等資料提取工具，Tableau/Power BI/Qlik等前端展現工具，Excel/PPT等匯報工具。
業務分析能力：對所需要產出的資料報告的業務理解力，比如對銷售分析的理解，首先要理解企業的銷售模式和銷售的各個環節，各個環節的表現如何量化，各個環節是如何轉化的，轉化情況如何；其它的業務模組的方向也是類似的，強調對業務的理解。
側重點有所不同，怎麼理解？
這要歸於企業的資料化程度，對於業務洞察方向，前提是企業的資料化程度已經比較高了，體系比較成熟了，那麼資料分析師就需要更多的與業務方進行溝通，深入地理解業務痛點，根據實際的業務場景輸出資料洞察報告。此時的側重點就不是技術層面的了，而更多的是將業務量化為資料，用資料去呈現業務。
而對於在資料驅動轉型前期階段的企業，此時的痛點是如何將資料資產整合、搭建起來，如何形成系統化的資料運用是企業需要做的，那麼資料分析師的工作會側重於與IT、資料庫、資料擁有方進行溝通合作，將資料資產整合好，形成資料系統體系。這是我們提到的資料體系搭建方向的工作。
所以其實資料分析師的工作類似於又幹活又出主意的軍師，整體來說還是比較有意思的乙個崗位。
3樓：毓濁
1.業務邏輯搭起來
2.數倉指令碼搞起來
3.指標內容建起來
4.sql取數算起來
5.bi出表幹起來
6.分析報告做起來
7.甲方撕x懟起來
4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？粗略地講，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。
5樓：麥小麥
可能因為是在紐西蘭做資料分析吧，日常工作中並沒有使用你提到的4款軟體。我們用得最多的是sql，python和power bi。一般就是接到問題後調出相關資料，然後用python做data exploration，或者power bi做data visualization。
主要是分析資料並抓取重要的資訊，用來回答問題，做成報告。大資料軟體比如Hadoop或elastic search都是data engineer在用，他們會幫我們調取資料。
想到紐西蘭做資料分析的可以聯絡我，哈哈！
6樓：李啟方
簡單來說，資料分析師的主要工就只有四類：
從0到1搭建資料分析體系
資料分析工具化，產品化
支撐領導、部門決策的專題分析及業務方向探索
資料規範制定及提公升資料質量等基礎工作
大部分公司還處於此階段，可能是全新搭建，可能是新業務線搭建。
1.搭建資料監控體系
搭建資料分析體系第一步是搭建資料監控體系，定期檢視業務發展情況，讓業務發展結果可量化，可衡量。
通過這套監控體系，業務側可以得到實時或者準實時的效果反饋，根據業務效果指導業務決策；領導層可以了解業務發展情況，做到心中有數。
那這套資料監控體系到底包含哪些內容？——沒有標準答案，主要看業務目標。從實現思路上，可以做業務拆解：
整個公司或者整個部門要實現的結果目標是什麼？結果目標可以拆分為幾個小目標？在小目標實現上，需要實現哪些過程指標？
要想實現過程指標，需要多少預算，什麼資源？
業務拆解後，要監控哪些過程指標和結果指標，就一目了然。
2.根據業務監控體系，洞察業務問題
資料監控體系能讓領導及業務相關同事了解業務結果。對於規模或比例變動較大的指標，資料分析師就需要了解業務原委：是行業變動導致？
公司戰略方向調整？還是市場格局發生變化？亦或是新技術巨變？
公司產品迭代漏洞？對於行業、業務深度理解，將有助於快速定位問題關鍵點。
3.提出業務優化方案
根據對資料、業務理解及與業務部門溝通，提出可能的潛在影響因素的業務假設。對於明顯影響效果的因素，優化之，如產品迭代中的漏洞等；對於不明朗、不確定因素，進行AB測試，根據資料反饋驗證業務假設。
從0到1搭建資料分析體系是解決「有資料可用」的問題；讓資料分析產品化是解決「讓資料易用」問題，是提公升資料使用效率和發揮資料更大價值的手段。
常見的資料產品就是商業智慧型系統（Business Intelligence），資料產品部門會根據資料使用情況，優先上線使用人數眾多、對業務決策有關鍵影響的資料包表。
對於使用頻繁，涉及人數較多的資料，資料分析師需要提出資料包表需求，供業務、產品、市場、財務等部門使用。
如果說前兩部分屬於常規分析，第三部分就是專項分析。專項分析大多是一次性分析，使用頻率低。專項分析的提出可能是部門要進行業務方向的新探索，可能是領導想要驗證自己的新想法，可能是已有資料中反應出來的新問題。
為了完成以上三部分工作，像制定資料規範、提公升資料質量這些基礎工作就必不可少。
當然，現在大多數公司還無法做到打通所有資料系統，統一資料來源。在使用任何資料時，資料分析師都需要校驗，確保資料準確無誤，這是所有分析工作的基礎。
這就是我的工作日常：搭建資料分析體系、資料分析產品化、專項分析及基礎保證資料質量等工作。
7樓：方興仁
寫SQL（HQL），跑資料
乙個公司裡面，分析師的配置其實是偏少的，每個業務方對業務有各種疑惑，會有多角度看資料的需求出來，分析師常常比較被動，疲於奔命，只能是你要啥資料，我就給你啥資料（只有苦勞，沒有功勞）。
很多分析師擅長的是資料處理，對業務敏感性也比較弱，而且對公司裡面核心產品使用的程度也比較淺，甚至不喜歡公司的產品。也很難從資料上對公司的產品提出有針對性的建議，或者通過資料反映產品存在的缺陷（很多時候，分析師做的是惡人，高層們希望資料發現問題，敦促業務方改進，這也讓分析師很難做人，畢竟是和核心業務方PK，且是在對方擅長的領域）
當然也有人搞模型，但模型是給誰使用的（業務方還是高層），是不是經常維護，能適應環境的變化，價值有多大，我想這也需要業務方和資料方權衡的問題，畢竟牽涉到挖掘模型，複雜一點的，響應速度要慢很多，如果是網際網路公司一般等不起。
其實上面這些都不是問題，解決問題的關鍵也是在分析師身上，畢竟你是幹這個工作的。
資料分析師有什麼從業要求？
九道門聊資料 資料分析師並不是僅做一些簡單的資料處理及報表的工作，並不是會Excel Python SQL就是資料分析師了，會使用這些工具只能擔任資料運營的工作，但未來各公司對資料運營的崗位要求也會越來越高，一定是需要具備資料分析師的能力。資料分析師不僅僅要學會用一些工具，同時最重要的是具備商業知識...
資料分析師自學之路如何？
冷凡 我就是自學轉行到資料分析行業內的。學習的路徑是EXCEL MYSQL Power bi python 資料分析師 大學的專業是心理學，從業近兩年了我在這個問題下有近詳細的描述。如何成長為一名資料從業者，可以說下你的經歷麼？不負好時光的回答 知乎 https www. ENTER BACK 個人...
資料分析師的成長之路？
農夫三拳有點疼 初級 中級 高階。初級 工具EXCEL，分析知識基礎統計學，套用現成模型，對資料進行指標分析。中級 工具SQL EXCEL Python 資料提取 資料清洗，統計性分析。高階 機器學習，資料探勘 python SQL高階 pytorch IT界不禿頭的姑娘 首先，做資料分析師，基礎入...