#打卡挑战局#
这个问题总是和朋友见面问。 新人因为数据分析听起来很抽象，很贵，所以具体需要做什么，大家都不知道。 一些已经在进行数据分析的老人问，这是因为自己现在从事的工作和入行前所理解的似乎不一样。
今天，就系统而言，数据分析员们每天都在做什么呢？
如果我对数据分析行业不太了解，我会告诉你最简单的方法。 就是去招聘网站看数据分析单位的招聘要求。 (本办法适用于各行业。 通常，职务说明中提到的内容是该单位入职后可能需要的内容。 当然，不排除面试时做火箭，入职后拧螺丝。
从这里进入正题。 行业(互联网、电子商务、零售、医疗……)、方向(产品、运营、销售…) ( ) ) ) ) )的数据分析由于工作岗位之间存在业态的差异，在此进行了细分
因为很全面，所以建议读完。
临时需求的沟通和管理。
很多人认为数据分析是与数据打交道，其实不然。 沟通需求也是数据分析师们每天的主要工作内容之一，数据分析师每天从业务端接收各种各样的需求，分为数据支持需求和分析型需求。
例如，想看某个期间内xx的xx指标的性能状况时，请分析师减去相关数据某个指标有交易，委托分析师原因； 某个活动结束后，帮助*放播**活动数据……
由于这些临时性需求往往占用大量的时间进行确认、沟通、会议，深入了解业务，快速获取业务需求和目的，合理进行需求管理，是优秀数据分析师的必修课。
我给你一个建议：
明确需求是第一步，而不是接到需求就马上执行。 请向需求提供方询问各种各样的事情，做什么，以什么为目的。 在向需求提供方提供数据结果时，我再说一句。 你打算什么时候看结果和反馈？ 我们到时候会一起看反馈结果。 只有这样完整的过程才能说是闭环。
数据提取
数据提取的简称是基于数据分析的目的和业务方面的需求，从数据库中提取所需数据的过程，可以说是正式数据分析过程的第一步。
但公司大数据平台和数据仓库建设不完善、数据基础设施不完善、不熟悉业务库表等因素都会导致数据提取效率低下。 另外，因为需要频繁地从业务方获取，所以很多人会沉迷于获取工作。 你听说过sql boy、茶树和蘑菇的名字吗？ 虽然一些新人提出了数据分析的title，但每天有80%的人从事着取数工作。开始工作的第一年总是拿到分数是不用担心的，但如果这种状态持续了三年以上，就一定要谋求转变。
数据处理和分析
数据处理是指对初步采集的数据进行加工、整理，在数据分析过程中时间可能最长，尤其取决于数据质量。 对于小型企业和小数据量，数据分析师们通常使用Excel处理数据。 对于大数据量，SQL和python的使用更为普遍。
明确分析目的和分析方法，准备好数据后，可以开始分析。 分析师们需要通过分析工具、分析方法探索数据，从中发现因果关系、内容联系、业务规则等，为商业目的提供参考。
对于了解业务的分析师来说，数据分析过程其实并不占用太多时间，对于业务需求和存在的问题，基本上可以快速清晰地分析思路。
分析总结
这是数据分析全过程的终点，通常有暂时的分析需求，数据分析师们只需制定结果和重点明确的需求并回复邮件即可； 完整复杂的数据分析一般使用PPT生成数据分析报告。 如果涉及多个业务相关人员，则可能需要进行presentation。 因此，抓住重点、PPT制作、说话能力也是优秀的数据分析所不可缺少的。
创建和维护报告
每个公司都需要将重点数据指标整理成一个表，并周期性地进行更新和维护。 在此步骤中，您需要创建sql查询并生成报告。
一般公司的报告数量可能有几百份，但有些公司由专业的报告工程师进行开发和维护，有些公司由数据分析师进行。
许多数据分析师上午来公司的第一件事是监视自己的应对业务报告有无数据异常，及时发现并解决问题。 如果是一些数据平台建设不完善的公司，数据分析师会图文并茂地说明当天的监控情况，并抄送业务方重要人员。
因此，在做这项工作时，对数据指标的敏感性、对业务的理解是很重要的。
数据可视化
主要是设计可视化看板。 设计看板卡时的一般步骤是确认指标，设计可视化方式。 最后，如果公司购买了可视化工具(如FineReport )，分析师将自行使用该工具设计看板卡。 当然，也可以向前端同事提出需求进行开发。
在此，我们将考察将数据可视化的思考。 将数字设置为折线图、条形图或饼图。 这是大多数人都知道的，但更重要的是，哪些图表能更好地表达指标的特性和关注的目的。 看趋势、看分布、看绝对值、看百分比。这里请注意一句。 可视化一定会为数据和业务服务。 不能将可视化的效果凌驾于业务的效果之上。
专项分析
专业分析是很多初学者的数据分析师都渴望参与其中。 上述许多工作内容实际上是辅助与合作，而专业分析则是由数据分析师主导推进数据项目，整体完成一个业务的全方位分析、分析体系建设、优化等，从而定位业务问题，提供业务发展建议，发现新的业务发展点，找到职场特别是复杂而深入的分析就像是涉及建模的项目
例如，对于销售部门，可能需要根据公司销售情况建立销售分析体系，建立销售预测模型，生成客户图像的产品、运营相关部门，数据分析师需要建立公司各产品线的用户相关数据体系，优化流程，AAM
建议新人数据分析师们也抓住参与完整分析项目的机会。 这有助于了解分析流程和业务，并有助于将来跳槽。
数据基础架构
这因公司而异。 公司规模越大，其下的数据岗位就越细分，有人负责建立数据平台、进行数据仓库和数据分析。
但在大多数中小企业中，数据分析师往往身兼数职，建立数据平台、规范数据、组织数据指标体系等。
例如，在梳理指标体系时，数据分析师会同业务确定当前重点指标，进行优先级划分，指标定义、统计规则、植入点规则……
这些基础建设和定义性工作可以说是基础性的。 如果基础良好，数据明确，后续数据分析的效率就会显著提高。 否则，面对肮脏的数据，第一步的拿数和洗数就成了坎。
一般来说，越是初级的数据分析部门，取前面的几个数字、制作表格、传达临时需求都需要时间，有一定的工作和工作经验后，数据分析师们的工作就越倾向于分析项目、资源的调整、汇总。