经常有小伙伴吐槽：“名曰数据分析师，实际上就是跑数机器，咋样才能进步呀！”额，大家都是从查数姑过来的，莫慌。

不过自从我开始带小伙伴独立负责工作以后，越来越感觉到：有些能力是高级数据分析师才要求的，在每天写sql里没得锻炼。具体是哪些？今天简单分享一下。

一、能力VS知识

什么是能力？举个简单的例子：

1、知识（knowledge）：统计学讲的回归分析方程 y=ax+b，以及SST、SSR、SSE、R平方等概念是知识。知识是有科学理论基础的，有出处的。

2、技能（Skill）：敲出来：from sklearn.learn_model import LinearRegression 是一个技能。技能可以通过操练提高，而且使用技能的时候，你完全不用懂背后的科学原理，会操作就行。

3、能力（Ability）：运营部门想预测下下个月的GMV，知道拿几个指标，用回归分析来预测，这是一种能力。能力是在现实工作场景中，因地制宜地使用知识和技能。

能力是很重要的！因为现实中工作场景很复杂，比如预测下个月GMV，有好多种方法可以用：时间序列预测、滚动预测、业务模型预测、回归模型预测、拍脑袋……，不同的方法，需要的数据不一样，产生的效果也不一样，因此需要具体思考。

并且，做工作不是做学术研究，还得考虑以下跟人有关的复杂情况，因此更得会随机应变见风使舵了。

• 业务部门能不能理解

• 领导接不接受结果

• 领导想手动调整下结果……

那么，哪些能力是必备的呢？从完成一个项目的角度，我觉得有这7种能力。

二、七大能力

完成一个数据分析项目，至少有4步：

1、明确目标

2、选择数据

3、进行分析

4、汇报结果

为了做好项目，则至少需要7大能力（如下图）

能力一：理解业务。

这是所有工作的基础，想做分析，至少得知道：

1、业务流程是啥

2、业务方会做哪些动作

3、业务方期望的结果是啥

这样后续才有分析目标，才能看数据是否足够多。

能力二：梳理需求

这一步经常被新人遗忘，因为大家习惯了等着业务下需求单/发个邮件/打个电话/拍一下肩膀，然后要个数。从而忘记了：我们想做一个完整的分析报告，而不是跑个数呀！

想要做一个完整的分析，有清晰的需求是第一位的。“歪，给我个XX数！”不算是清晰的需求，只是个口头要求而已。

清晰的需求，至少得说清楚5w才行：

Who：数据使用者

When：数据使用时间

Where：数据使用场合

Why：使用数据原因

What：具体数据格式

特别是Why，直接和分析思路有关，要重点区分业务部门想：

• 要做监控、找原因、还是做预测？

• 如是监控，是否业务已上线？什么时候上？

• 监控数据是否涉及埋点、系统对接？

• 找原因，是否有假设？假设是什么？

• 做预测，是否有假设？假设是什么？

这样才能避免，辛辛苦苦跑一堆数，被批斗：“没啥用”“我早知道了”的问题。

能力三：梳理指标体系

指标体系是数据分析的左手。梳理清楚一个项目需要哪些指标，才好继续深入。有些小伙伴很偷懒，总想着找一份“完整的”指标体系，熟读并背会就可以。可实际工作中，业务流程经常有变化，导致很多过程指标需要重新确认，并不是找个模板套就可以的。

并且，有些过程指标数据采集难度很大，还得考虑怎么和开发谈判，尽可能保障收集。因此梳理指标体系是个重要能力。

能力四：梳理标签体系

标签体系是数据分析右手。很多时候，业务部门想分析的对象不是指标可以描述的，比如分析“高潜力”，分析“有意向”，分析“刚需型用户”，这些都是通过标签，具象化了一个业务描述。

想要把问题分析清楚，数据分析师就得有能力打标签，有能力把一个业务场景中标签梳理清楚（如下图）。

注意！业务部门经常有一些内部约定俗成的标签说法，不同