数据分析师是个杂家——作者陈哲。

为什么写这本书？
懂得再多知识却不会用，原因是缺少通往思路、方法和技能的两条路径——项目流程和项目应用（案例）
——————————

数据分析师的晋升空间 （见第2章）

高级数据分析师的能力与表现（区别于助理数据分析师、数据分析师）：
1）问题识别：独立识别并推动解决问题
2）方案设计：独立设计优秀的方案
3）分析方法：探索与验证分析（建模）
4）展现演示：不只是调理清晰，要简洁生动
5）价值应用：擅长问（是什么？为什么？未来会怎么样？怎么办？）
6）执行管理：与其他部门合作，领导跨部门项目，寻求资源
7）业内影响：常在媒体会议上发表观点看法，业内具有一定知名度

如何成为优秀的分析师？（见第3章）——很有参考价值！

1.修四重提升境界——qx如何评价一份分析报告？

（1）深度
深度是指数据分析对企业的决策支持程度。要全面回答3个问题：

• 现状和问题是什么？
• 问题为什么会发生？ ——qx这一步很难，但是要尝试去做，做好
• 该怎么办？——qx这一步很难，但是要尝试去做，做好

（2）效度
效度是指分析方法的效率。衡量标准有两个：速度和成本。速度快，成本低，效率就高。
例子：通过社交网络分析提前16天对流感提出预警。

（3）信度
信度是指分析结果的可靠程度。需满足三个条件：

• 对比要可比
  -反例如：海军死亡率与居民死亡率不可比。分母结构不同，不具有统计可比性。
• 差异要显著
  -反例如：不同收入用户群的满意度比较。统计平均数存在差异，但需要结合方差分析（如果只有2组类别用T检验），方差分析将进一步告诉我们平均数的差异来自“组间差异”还是“组内差异”。
• 描述要全面
  -反例如：工资。统计的平均工资比去年有提高，但与大多数人感受不符。平均值衡量集中度，平均工资掩盖工作工资分配结构的问题。基尼系数可衡量差异度。

总结来说：
描述数据，既要有集中度、也要有差异度。差异度还要显著。
对比数据，一般是比率/比重，要注意分母口径是否统一。

（4）通度
通度即沟通的顺畅度。写报告三原则：

• 能用图表就不用数据
  -重点突出，栩栩如生，让人迅速抓住关键信息。
• 能用图片就不用文字
  -图片可增加更多元素，容易让人记住，产生视觉冲击，使人产生移情和共鸣。
• 能用动态呈现就不用静态展示
  -尤其在表达随时间变化而变化的事物时。

qx（实际工作中，时间大量花在数据处理分析上，在最后呈现部分，往往不够重视）

2.悟四种专业态度——qx如何评价数据分析师的soft-skill？

（1）避免从众心理
存在意见领袖+人的懒惰心理或专家名人的光环效应，从而产生从众心理。破解之道是德尔菲法（专家意见法），核心要点是匿名原则或背靠背原则。
对数据分析师来说，从众心理导致放弃思考和坚持，从而不能理性决策，影响分析结果的有效性。

（2）避免偏见
在数据分析中不乏偏见和思维定势。需要系统分析、谨慎决策。

（3）合理怀疑（批判性思维）
在做数据分析时，要合理怀疑，通过假设检验等方法，核实自己的分析结论有多大的可信度。

（4）换位思考
外部数据和内部数据，相互印证、搭配使用。
第三方检测数据，具有全局性的优点，也有因抽样带来总体代表性问题的缺点。

3.熟五大分析要素——qx数据分析项目流程是什么？

qx（从这里开始以及后续章节内容是作者在咨询行业的经验之谈，不具有普遍参考价值）

（1）图纸——即输出项目方案或项目计划书
方法论工具：5W2H
（2）材料
调研数据及材料当然越多越好，但要考虑数据准确度与项目经费的平衡。
（3）步骤
数据分析六部曲：明确分析思路——数据采集——数据处理——数据分析——图表展现——报告撰写。
（4）工具——hard skill
（5）方法
按照所解决的问题，数据分析方法有四大类：描述、因果、预测、咨询。
按照所应用的领域，数据分析方法有三大类：量化战略、量化投资、量化经营。

数据分析师需要具备5项素质 （见第2章）

1.逻辑要清晰
将通过“合理的假设+系统的结构+严密的推理”，对零散信息进行分析。
2.坚持不懈
问题症结在哪里？不断经历“假设——探索——否定——假设”的循环过程。
3.细致入微
在细微之处不能掉以轻心。要对异常值敏感。
4.态度严谨
数据来源、统计口径、分析方法等都会影响分析结构的价值。
5.沟通顺畅

数据分析师的能力测试 （见第2章）
数据敏感性测试
逻辑思维能力测试

其他笔记：

1.数据分析组织架构

• qx在组织架构方面，kingdee的数据分析偏属于综合式架构；hytera的数据分析偏属于分散式架构。
• 综合式架构的弊端：由于分析师和业务部门互相独立、不熟悉，会产生数据分析师对需求理解的偏差有、业务部门对分析报告理解的偏差。解决之道：规范的流程、详细的文档、合理的展现、顺畅的衔接。
• 分散式架构的弊端：由于部门利益与全面分析的矛盾，造成对数据分析师和业务部门的尴尬，影响分析效率、公司层面的整体把控和系统决策。作者更倾向于综合式架构。
• qx我认为各有利弊，选用何种组织架构往往于企业文化、所在行业、发展阶段等息息相关。

2.数据分析在3大领域的应用

3.数据分析的价值

4.市场规模估算的思路

参考《数据分析：企业的贤内助》，感谢原作者！