“作为数据分析师，掌握基础的统计学知识是非常有必要的。”从起源角度来看，数据分析是「统计学」与「计算机」的交叉学科，统计知识应用其中；从工作角度来看，应用统计学知识，可以更为科学的度量数据对业务的价值。因此，作为数据分析师，掌握基础的统计学知识是非常有必要的。下面，为大家总结了工作中常用的10种统计学方法。描述性统计常用指数：★★★★★描述性统计，通过概括性的数学方法及图表方式，描述业务数据及其分布现状，在工作中是最为常用的。涵盖内容如下：工作中主要应用场景如下：假设检验常用指数：★★★★★假设检验，用于判断样本与样本、样本与总体之间的差异，是由抽样误差所导致的，还是由于本身就存在差异。其中主要涵盖「参数检验」和「非参数检验」，两者的概念如下：参数检验：假设数据服从某一分布（一般为正态分布），通过样本参数的估计量对总体参数进行检验。非参数检验：不考虑总体分布形式，直接对数据的分布进行检验。涵盖内容如下：工作中主要应用场景如下：回归分析常用指数：★★★★★回归分析，用于日常指标的拟合，以及对于未来趋势的预测，在工作中应用较为广泛。涵盖内容如下：工作中主要应用场景如下：聚类分析常用指数：★★★★聚类分析，用于将用户/内容，在没有先验性指引的情况下，分门别类的进行划分。涵盖内容如下：工作中主要应用场景如下：判别分析常用指数：★★★★判别分析（分类问题），通过研究对象的特征判断所属的类别。与聚类分析的差异在于，聚类分析在分析前，不知道类别有几类以及是什么，而判别分析是在总体类别已知的情况下，对新样本判断所属群体。涵盖内容如下：工作中主要应用场景如下：相关分析常用指数：★★★★相关分析，用于判断现象之间的某种关联关系以及关联程度，例如：正相关、负相关，在探索性分析中应用较为频繁。涵盖内容如下：工作中主要应用场景如下：列联表分析常用指数：★★★列联表分析，用于判断离散型变量之间是否存在明显的相关性。例如：绩效的等级与性别是否存在相关性。涵盖内容如下：工作中主要应用场景如下：方差分析常用指数：★★方差分析（又称F检验），用于度量两个及两个以上样本均值差异的显著性检验。涵盖内容如下：主成分分析常用指数：★★主成分分析（Principal

财务人员的必学模型！做财务的同学应该都接触过这个分析方法，毕竟不管是初会、ACCA还是CPA，杜邦分析法都在里面占了不小的篇幅。确实，杜邦分析法的作用很大，它能用来评价企业盈利能力和股东权益回报水平，是一种从财务角度评价企业绩效的方法。杜邦分析法的框架逻辑杜邦分析公式：ROE（净资产收益率）=销售净利率*资产周转率*权益乘数ROE是杜邦分析系统的顶层，也是我们分析的最终目的，它用来反映投入资本的盈利能力。通俗来说就是：你有100万本金想开个剧本杀店，钱不够找隔壁老王借了100万，也就说你的剧本杀店现在负债100万，如果剧本杀店经营的不错，扣除完各种费用和还隔壁老王的利息还赚了20万，这时候你剧本杀店的ROE就是20%。计算的方法就是用20万的净利润除以你个人出资的100万。①销售净利率=净利润

我的一些小伙伴经常跟我抱怨，对于老板提的统计需求，好不容易用COUNT、SUM、AVERAGE等函数公式统计出结果，但临时要求加上其他统计需求时，或者更新数据时，就变得手忙脚乱，叫苦不迭了使用函数进行统计汇总，不仅效率低，而且容易出错，这个时候可以使用数据透视表进行汇总、分析。数据透视表的功能和操作非常多，为了方便大家的学习，今天给大家介绍数据透视表的最简单入门教程，掌握这些技巧，足以应对各种数据分析了。

sever创建一个数据库也就是说DBMS就像是一个图书管理员，你不直接访问数据库，而是利用DBMS访问数据库，让图书管理员帮你找一个文件柜。

眼见2020年就要过去了，一到了年底年末就是离职、转行高峰期，不少人又开始将目光投向了数据分析师这个看似“香饽饽”的岗位。似乎一提起数据分析师，大家心中想到的就是工作轻松、入门简单、工资优厚，不少人甚至选择裸辞，就为了能赶上数据分析的末班车，然而事实上真的如此吗？

老规矩，今天还是交流群讨论总结。想一起进群交流讨论的，可以直接拉到文末！话不多说，走心群员分享附上！开放题不论对错，大家互相学习思路。

贝叶斯定理是数据分析中非常重要的应用，但是因为贝叶斯定理过于晦涩难懂，很多人敬而远之，今天老李就用最通俗的话来教给你！要讲清楚贝叶斯定理，就先要理解条件概率、先验后验、全概率这些概念诶诶先别走啊，这次我们不讲公式，直接举个例子说明：（1）我最近10天内，有2天迟到，那么请问我今天迟到的概率是多少？很显然，迟到的事件发生概率是2/10，也就是P（迟到）=1/5=20%这就叫做先验概率（2）今天早上堵车了，请问我迟到的概率是多少？注意，这里已经不同于上个例子，“迟到”是一种事实结果，而造成迟到的原因可能是“堵车”，那么堵车就是一种影响事实结果的条件，这种情况下就属于条件概率，即P（A

老李有位朋友前不久去了阿里做BI，这几天总是跟我吐槽说“天下的乌鸦一般黑啊”！到底怎么回事呢？其实，这位朋友之前经常混迹于BAT、TMD这些一线大厂，本来打算去了阿里，想着终于可以在数据分析上大展身手了结果没想到现在的状态就是天天加班，被业务缠着要数据，折磨地叫苦不迭这件事就好比去了米其林餐厅当厨师，结果每天的工作却是剥蒜。后来朋友提了几次意见，表示不想整天做跑数的需求，结果上面打下来的反馈却是：取数能帮助BI快速了解业务场景，公司里的数据平台和数据仓库都非常庞大，数据结构的复杂程度也非常高，业务那边的技术不够，有数据的需求很正常，这不就是你们做数据分析的价值吗？有一说一，这位上级说得似乎也没错，业务人员了解具体的场景需求和指标体系，数据分析人具有跑数取数的技术，似乎技术和业务结合在一起，才能解决实际问题业务与数据分析，好像本就是天造地设的一对，这估计也是很多人忽悠小白去做取数工作的说辞之一但根据我的经验，SQL取数、跑数、满足业务数据需求这些事情，固然是数据分析师的必备工作，也是每个数据分析师成长必须经历的一段时期但是这绝不是数据分析岗位的价值，也不应该成为数据分析师的核心任务！国内很多公司对于数据分析存在着偏见，这一点我们后面有时间可以开个专栏好好说一说，下面就先聊一聊取数的那些事

“管理驾驶舱”作为一个管理报表可视化解决方案，能够帮助监控企业全局，及时发现问题，科学化经营决策，在数据化的时代，十分符合企业老总们的经营管理需求。这两年遇到的BI项目有半数会有开发管理驾驶舱的需求，足以见得其受追捧不过也有人说其浮夸、是面子工程。不过换个角度讲，把经营数据可视化，将管理策略具象化，不也使得IT的价值更加凸显么？比如下图是某家生鲜公司的市场月度复盘会议大屏，开月度会议时，直接使用这张报表对门店运营状况做复盘，分析各门店的经营情况。（市场月度复盘大屏，FineReport制作）比如下图是某零售集团的移动驾驶舱，是推送给总经理看的、每月每季度的经营报告自动推送到手机上，管理者可以比较方面的手机上查看，对于大忙人以及出差频繁者来说大有裨益。（零售移动驾驶舱，FineReport制作）那么，企业如何搭建管理驾驶舱，这里分享一些方法论~

最近有同学问了我一个很致命的问题：数据分析真的有必要做吗？为什么感觉都是伪需求？怎么确定数据分析结论是真的？其实这个问题我也曾经想过，究竟为什么很多人都在神化数据分析，遇到任何问题不管三七二十一，都要拿出数据来分析一通？其实，这是过度追求数据分析的表现，数据往往不一定就是真实客观的，做数据分析的人也会被数据给欺骗，所以很多时候太过迷信数据，反而容易出问题。所以今天从数据来源偏差、数据解读陷阱、人为操控误导这三方面来聊聊数据的“坑”，希望你看完后能了解些套路，再看报告或数据时多个心眼，带着怀疑的精神看数据，不要掉入陷阱。

前排提示！老李要开始怼人了！不要对号入座哦！在这个世界上，有两种神奇的、高大上的赚钱方法你每周只需要花上几个小时就能完成而且门槛很低，小学生都能学会轻松年收入50万不是梦一种是微商另一种就是培训班开个小玩笑，也许世界上只有微商和培训班这两种职业，在这么宣传的时候会有这么多人相信而最近，我发现各个平台上关于python培训班的广告是越来越多了，充斥在朋友圈和各种搜索引擎里，我不禁产生了疑问：为什么感觉铺天盖地都是python的广告？

之前写了两篇驾驶舱制作教程，发现大家对可视化驾驶舱很感兴趣，不过构建领导驾驶舱，除了技术方面的实现，更重要的部分是要能科学的梳理出有用的指标体系！教程之前讲过了，本文就指标体系来分享我的经验！

前段时间分享了我之前整理的可视化大屏模板，来了不少人咨询大屏开发项目很多朋友想付费请我去做大屏项目，在这里感谢各位朋友的抬爱，工作原因无法腾出时间去接项目，但是很乐意和大家分享我在大屏开发上积累的一些经验和心得

->下图中净利润的增长可以看到Q4增长幅度非常明显，但仔细一看可以发现，纵坐标是从13%开始的，如果把纵坐标调成0%开始，就会发现这个增长幅度其实并不明显。纵坐标从13%开始纵坐标从0开始避免的方法

佛说，一切众生相皆是无相。数据分析做到极致，也可以“无相无生”。在说今天的话题之前，我想先抛出一个结论：“做数据分析，不要建立一种以掌握的软件来给自己分级的心态，但是一定要用工具避免误入职业发展的歧途！”为什么今天要谈关于数据分析工具分级的问题呢？其实这涉及到职场中一个非常常见的现象——工具鄙视链：会pytho编程语言的，瞧不起用自助BI工具做数据分析的；会用Tableau、FineBI这种分析工具的，瞧不起会用SPSS、SQL这种数据工具的；会用SPSS、SQL的，瞧不起用PPT做数据汇报的；会用PPT做数据汇报的，瞧不起只会用Excel做数据统计与整理的；

老规矩，今天还是交流群讨论总结。想一起进群交流讨论的，可以直接拉到文末！话不多说，走心群员分享附上！开放题不论对错，大家互相学习思路。

“你做这个分析结果有什么用？”“你的数据分析最终能落地吗？”“这些结论跟我们的需求好像根本不符合啊！”......从事数据分析这么多年以来，恐怕我最不想听到的话就是上面这些语录，因为数据分析岗位有一个致命的陷阱：明明自己的数据、方法、技巧、能力全都没有出错，但是做出的东西还是不被领导、业务、IT所认可，时间长了自己甚至都会怀疑自己的价值。那么，究竟是什么原因导致我们的分析没办法落地呢？

这个问题，其实涉及到一门庞大而又有趣的学科——数据可视化关于数据可视化，做数据分析或者大数据的人估计都知道，最先想到的就是图表，把数据变成图表不就是可视化吗？当然这样理解是绝对没有问题的，但是太狭隘、太局限可视化的概念非常广泛，除了图表之外，凡是可以帮助用户理解数据的手段都可称为数据可视化而怎么把枯燥的大数据进行可视化，远远不是做几张图那么简单一个优秀的可视化一般需要满足三个条件：信、达、雅所谓的信就是要保证数据的正确性；达即是要让用户轻松接收到数据信息，能够对数据进行有效的表达；雅即是要保证可视化的美观；

每过一段时间，总是能听到群友吐槽：“我顶着数据分析师的title，但天天就是取数，取到爆炸！”“分析师难道就是取数吗？我想要接触更多有成就感的分析内容应该怎么做？”“取数，取个屁啊！”其实，取数和成就感并不完全冲突。当你掌握一个新的奇淫技巧（像Pandas），把原来Excel处理需要3个小时的数据，压缩到了3分钟，准确率还提升到100%。这个成就感，就像吃火锅辣到头皮发麻汗流浃背，来两口冒着冷气儿的冰镇雪碧，要多爽有多爽！只是技能提升所带来的成就感，来去匆匆，边际效益还递减的贼快。今天小z想聊的，是除了技能提升以外的成就感。来看一个实际的取数场景。第一种：蒙头就做型业务：帮我拉一下近3个月不同城市的销售额占比，这个需求很急！听到这个需求，一顿group

要问表哥表姐对什么事情最痛苦，恐怕就是Excel处理了，几乎百分之六七十的职场人每天都在处理数据，数据化的趋势也越来越明显。Excel对于大家和企业工作来说还真的是很通用的工具，便利、简单易用、个人免费但有好处的同时也带来了缺陷，它对数据存储有限制，每一个sheet页最多能存储104万条；对数据的持久化不稳定随时可能会丢失文件损坏打不开；重复性操作太多至少每个月需要重复一次做一次需要一两天才能交付结果；业务变动前期月份的数据要重新手工处理；分析结果不太好共享只能把原始数据文件给需要分享的人......以上问题是我在表哥表姐那里听到最多的。对于业务线的人来讲，Excel技能能让你如虎添翼，分析数据作报告更得心应手。但是对于很多在企业专职做数据统计、做报表的表哥表姐来讲，做了两三年难免会遇到瓶颈，难免会觉得迷茫，感觉自己一辈子要靠Excel吃饭的焦虑感。之前，在我开展了数据分析入门课以及BI可视化训练营后，每天有不少用Excel处理数据的人问我如何转型，走向什么岗位才更有竞争力。这里先抛出结论：技能上突破：建议学习数据库、学习专业的报表和BI工具技能职业上突破：数据分析师、商业分析师、BI工程师都是不错的岗位转型选择

如果要问数据分析哪个行业的需求最大，估计所有人都会说是零售行业。但是该如何分析零售行业的数据业务场景，就需要一些技巧和方法了，下面总结一些我在零售电商行业的经验！首先我们要了解零售行业的业务逻辑，电商的本质其实还是零售，二者的本质业务模式其实就是客户-渠道-商品我们通过在各种渠道上吸引客户来购买我们的商品来实现盈利的目的，其中这三点也就构成了零售业务当中最关键地三环——人、货、场这三个字能化解零售行业遇到的绝大多数的问题，例如：怎么能去提高销售额？影响销售额的因素非常多，在我们运营的每个环节都可能影响到销售额，不是一个简单的几点因素就可以判断。它需要一个立体化的思维才能找到影响销售额的因素因此，指标体系地建立就显得十分必要了，下面先给大家介绍一套指标体系：

本文转自知乎作者“好好的分析师”，原文链接点击文末“阅读原文”即可！从最初的做数据管理工作，到逐渐负责指标体系梳理、预警机制搭建、BI系统建设、商业分析等工作，我越来越认同——“要做什么”是比“要怎么做”更加重要的问题。一个数据分析问题，例如“分析一下竞品的情况”，让人感觉无从下手。通常是因为这个问题过于抽象，过于复杂，从而让我们不知道“要做什么”。这时候我们就需要对问题进行拆解，把抽象的问题变具象，把复杂的问题变简单。这个拆解过程就要求一个数据分析师对数据分析的整体框架有所了解。换言之，Ta应该能够回答：从工作事务的角度出发，我们可以将数据分析的工作流程划分为10个模块。该划分基于

好久不见！上周因为5天实战营，咱们群内的主题讨论暂停了一次。这周讨论再次如约而至啦！想一起进群交流讨论的，可以直接拉到文末！话不多说，高质量群员分享附上！

金九银十，最近这段日子身边找工作的人是越来越多了，今天给大家分享一个腾讯数据分析岗位面试的面经，供大家参考学习！！

为什么女人总爱逛街却什么也不买？为什么总有人喜欢晚上看淘宝？为什么有人总会买一些永远用不上的物品？为什么刷抖音会上瘾？这些问题可能很多人都有过疑惑，但是在数据分析人的眼中，这些现象都可以溯源到一个本质上——用户行为事件。

说起传销，其危害性估计让很多人深恶痛绝，但是我们今天要聊的话题，比传销还要可怕千万倍，它就是金融界中最大的骗局——庞氏骗局。什么是庞氏骗局

很多人都问我：决定数据分析师能力上限的因素是什么？有的人说是分析技巧，有的人说是工具能力，有的人说是数据敏感度；其实我认为这些都很重要，但最核心的因素只有一个——数据分析思维。

数据分析报告的重要性在数据分析师的工作中不言而喻，数据分析报告是数据分析的展现形式，是完成数据分析的最后一步，是支持决策的依托。即便有些人前期分析都进行非常好，但就是写不出条理清晰、逻辑缜密、可读性强的分析报告，也是前功尽弃。很多人喜欢问我有没有报告模板可以给他们抄，套模板对新手来说还是有些用处的，可以借鉴一下结构和大体思路，但是等我做多了分析就会发现，很少有模板是完全贴合自己分析需求的，与其找模板借鉴，还不如自己写。所以今天这篇我们就来讲讲如何才能作出一份优秀的数据分析报告：

首先恭喜上周实体书抽奖活动的获奖者，获奖名单和领奖方式大家可以去文末找哦！公众号后续还会有更多福利活动，大家要保持期待哦！贝叶斯模型在数据分析中一般用来解决先验概率、分类实时预测和推荐系统等问题，为了理解一下贝叶斯的概念，我们先来看一个例子：某零售企业有三家供货商，记为A1、A2、A3，其供应量和不合格率如下图所示，如果随机从该零售企业中抽取一个产品，其不合格的概率有多大呢？如果抽到的某个产品是不合格的，最有可能是来自于哪个供货商呢？如果大家了解过概率论统计学的，应该可以看出来，上面的两个问题分别需要用先验概率和后验概率进行解答。所以，我们先来了解一下先验与后验的概念。

本期讨论主题某零售/电商部门在上周结束了为期一周的大促，作为业务对口分析师，需要你对活动进行一次评估，你会怎么进行分析?

今天老李这篇扫盲贴帮大家梳理一下数据分析的知识点，

想必昨天的七夕节，一定是有人欢喜有人忧的一天，朋友圈里的晒照惹恼了我的一个程序员朋友，在昨晚怒爬2万条相亲网站数据，做了一次相亲男女画像！话不多说，我们今天就以“世纪佳缘”这个相亲网站为例子，爬取搜索页面当中所有的用户信息，包括“用户ID”、“年龄”、“城市”、“学历”、“属相”等内容，使用的工具是爬虫工具pycharm。首先老规矩，爬虫之前我们先分析一些目标网页的构成，我们进入世纪佳缘的搜索页面，摁下F12打开开发者工具，找到网页选项，看一下网页的Request

怎么样才能做出B站爆火的可视化视频呢？老李这篇可不是想要你怎么进驻短视频运营的，而且教你掌握数据可视化的制作技能！因为疫情原因，抖音、BI站、西瓜等各大短视频平台都涌现出了各种疫情数据可视化的分析的视频，通过动态的可视化图表让人清楚的了解疫情数据的变化情况一个几分钟的视频就能获得高达200多万的播放量，短视频带来的红利让不少人都跃跃欲试，那么这种可视化视频该怎么制作呢？

大家好，今天是【数据百问】第三期，每周一晚上老李与你共同交流探讨数据分析，大家有问题或者意见，欢迎在评论区畅所欲言！很多人入门学习数据分析，往往第一时间就是去学习SQL，那么数据分析真的需要学习SQL吗？如果达到面试的程度，需要掌握多少呢？首先，对于sql的掌握程度，不同数据分析岗位的要求和标准是不同的行业分析师、商业分析等岗位，更偏向于市场数据的宏观分析和预测，需要有一定的统计学基础和经济学，对sql的要求并不高；我见过很多商业分析师甚至都不会sql，宏观数据一般也不会放在数据仓库里让你去取，外部数据根本用不着sql。比较常见的业务分析师，对sql的掌握有一定要求，不过也不必要十分精通，只要能从数据仓库里取数、学会普通的增删减改就行了，取数不是业务分析师的主要工作，而且很多人用现成的BI工具，或者直接Python大法，虽然也需要sql从数据库中取数，但是不用考虑复杂逻辑；还有一些岗位，比如金融数据分析师，对于sql不是必须的，学会了是加分项；如果是做数据仓库的分析师，或者说更类似于系统分析师，那就必须要精通sql了，没得说，这是吃饭的饭碗不能差，起码来说T-SQL、约束、触发器、复杂综合查询、客户端、联机分析处理等都要掌握，更好地提高检索速度对于业务来说比较重要。那么，我们该去哪里去学习SQL呢？下面再贴个sql的学习网站吧：1、SQL

哈喽大家好，我是启方老师的助手小橘子，我们交流群内每周主题讨论又来啦！想一起进群交流讨论的，可以直接拉到文末！话不多说，高质量群员分享附上！

数据可以用来探索该城市运营中出现的问题，根据关键结论辅助决策。在本文中，我们将使用该数据来做A/B测试效果分析与城市运营分析。一、A/B测试效果分析1、数据导入#A/B测试结果数据导入import

数据人总少不了和报表打交道，为了帮助大家更好的掌握报表设计思路，今天为大家分享25个常见业务场景下的报表分析模板，文末可以直接获取！随着企业的壮大，报表需求越来越多，每次业务需求都很紧急，表哥表姐们加班加点赶工报表，苦不堪言。而且辛辛苦苦加班赶出来的报表，也不一定有人看，很多企业的报表最后都是躺尸在系统里，有效利用率极低。从报表开发者的角度出发，导致这样的原因主要有这样几个：缺乏统一的报表模板，很多业务部门需求的报表其间的差异很小，但经常重复开发；报表设计不够美观，观感差；报表设计缺乏针对性，能不能满足不同角色的需求按照报表的应用类型，大致可以分为3类：综合展示分析报表：主要面向企业管理者，对核心数据进行综合分析，直观发现并思考问题，比如老板关注集团或企业的战略布局、经营业绩情况。管理型报表：主要面向管理者和项目管理人员，对业务线上的数据汇总分析，找到业务问题。基础查询报表：主要面向基层的业务人员查询权限范围内的数据，对日常的业务有一个比较清晰的、直接的、准确的认知。比如销售业务员，能够实时看到自己的销售业绩、订单数量、完成情况。

怎么让数据分析落地业务，这个是我们这个行业公认的难题，其实很多人的原因都是因为没有指标思维，以为有了数据就能分析，这是缺少指标思维的表现。那么怎么才能提高指标思维呢？

大家好，今天是【数据百问】第二期，每周一晚上老李与你共同交流探讨数据分析，大家有问题或者意见，欢迎在评论区畅所欲言！感谢上一期粉丝提供的问题内容，本期我们就数据分析的岗位级别区分问题来探讨一下，帮助大家在数据分析的岗位晋升中可以有的放矢。首先我们来看看，一个初级数据分析岗位，都需要具备什么样的特征：1、工作内容：初级数据分析岗位虽然也叫做“数据”，但实际的工作内容可能只有50%跟数据相关，比较重要的工作就是写写日报、月报（报表体系搭建），取取报表数据（或是数据库取数），抄送、上报数据（指标数据监控），简单数据处理（初级数据清洗加工），做做PPT（数据报告制作与展示）等等。初级岗位的工作通常比较机械，与业务的接触是很少的，很多公司的“数据分析岗位”其实就是“数据运营”，运营的内容占到大多数。2、硬性要求：EXCEL、SQL、PPT这些是必须要会的，另外还需要一颗能耐住寂寞的心和抗压力。其中excel起码要熟练运用if、vlookup这些函数，sql要掌握嵌套查询、联合查询等基础功能，PPT能力不需要很出众。3、加分能力：BI能力、可视化能力、业务能力，这些都是在简历筛选当中能让面试官眼前一亮的技能，其中最最难能可贵的就是对业务的理解能力。比如给你一张网站的流量数据，你一眼就能够看出哪个数据有异常、哪个流程可能出现问题、每个环节应该采取什么措施，这就是真正的业务能力。而且千万要注意！不要以为BI能力就是学一些SPSS、VBA、Python这样的工作，真正的BI能力是对数据的敏感度、数据处理能力和分析能力，也就是我们经常所说的“心中有数”。我们随便从招聘平台上找一些数据分析岗位的招聘需求，就能看出这些岗位的门槛其实并不高，大量求职者涌入也造成了初级岗位的平均薪资，越来越不尽人意（中国的内卷化，你懂的）我们再看看高级的数据分析岗位，都有什么样的特征：1、工作内容：高级（中级）数据分析岗位几乎随时都在跟数据打交道，简单的日报月报工作都可以用编程或者工具实现，每天最大的工作量就是跟处理业务的问题需求，或者配合数据部门进行建模、平台建设等工作。如果是偏技术的，就是通过编程来处理数据、建立模型、预测数据等；如果是偏业务的，就是通过业务模型来分析数据、输出方案、提高业务绩效等；2、硬性要求：扎实的统计学、至少一门编程语言、至少一门BI工具、数据库基础和一定的算法基础，比如机器学习、数据挖掘等。编程语言的话推荐是python或者R，BI工具国内基本会用FineBI、PowerBI等，以及多元统计、决策树、逻辑回归等数据挖掘知识。那么，高级和低级数据分析岗位的区别，到底是什么呢？我认为，二者的最大区别就是在对业务的理解上。初级数据分析做的都是底层取数工作，价值不容易体现，老板不会很重视你的意见和作用，你说的话业务也不会相信。所以刚入门的初学者，基本上只能做机械性质的工作。但是，当你能慢慢对业务和数据有了敏感度和自己的理解，在业务时间想方法提升机械工作的效率，比如日报月报、excel上报、数据库取数等，是不是有更快的方法实现，这时候你做出来的东西，一定能让老板眼前一亮。最后，再去跟业务充分学习指标、逻辑、数据等经验知识，至于怎么去学习业务经验，这里篇幅问题不详细讲了，之前的文章曾经提到过。本期【数据百问】只代表个人观点，欢迎大家批评指正；下一期大家想问什么问题，可以在下方评论区留言！粉丝福利来了！这次，我又花了一个多月的时间，整理了一份全新的数据分析资料，包含数分案例、业务体系、岗位真实简历、面试题库、BI工具安装包、多行业数据集、多行业Excel模板……扫描下方二维码进入公众号后台，回复关键字“数据分析”即可获得！长按二维码关注我数据之路上，你踩过的那些坑2020-08-16

我们数据分析交流群内每周的主题讨论再次如约而至！这次的讨论依旧是一个偏实际的主题，来源于某位群友的建议，看完大家的分享，我觉得这个主题没选错。想一起进群交流讨论的，可以直接拉到文末！话不多说，高质量群员分享附上！

没错，今天就是来给大家送资料的！上一次的10G精选数据分析资料获得了很多朋友的好评。最近有些朋友说资料不够用了，催老李整理一些新的资料。所以这次，我又陆续花了一个多月的时间，整理了一份全新的数据分析资料。划重点，全新！比上一份资料更加优质、实用！数据分析案例、业务指标体系、数据分析岗位真实参考简历、数据分析笔面试题库、数据分析工具安装包、多行业数据集、多行业Excel模板……从入门到实操到求职，全部为你准备好了！我能确保，这份资料一定对你有用。话不多说，直接看看资料包里有哪些内容！资料领取方式见文末！1000+多场景Excel模板财务、人事、销售、采购、库存、客户管理等多个场景的Excel模板，以及215份Excel可视化数据看板模板，实用性极高，拿到就能用！7大数据分析工具安装包数据人的吃饭家伙，各类数据分析工具必须要有。安装包里面都有详细的下载说明，常用的数分工具一网打尽，再也不用到处去寻找了！多行业、领域100+数据集汇总经常有同学问如何快速提高数据分析能力？拿一份数据亲自上手分析无疑是最好的方法。所以我为大家准备了这份多行业、多领域的数据集汇总，总计100+！有了这些数据集，配上你的努力，快速上手数据分析不是梦！（图中仅为部分数据集分类）30+数据分析实战案例理论学了一堆，实际却不会操作？那么多看案例不会错。以下案例数据基本来源于真实的企业和网站，贴合实际业务情况，帮助大家快速了解业务，落地分析。（图中仅为部分案例）9大行业、多个业务场景的指标体系对于业务和数据人来说，数据指标体系一来可以帮助建立业务量化衡量的标准，二来可以帮助减少重复工作，提高分析效率，三来能够帮助快速定位问题。重要性不言而喻。下面的指标体系是我这段时间重点整理的，全新！可以帮助大家对已有的体系进行查漏补缺，也可以为大家搭建业务指标体系提供一个参考。必须拿下！数据分析求职套餐参考简历+笔面试题库最近是校招、求职的高峰期，很多人都苦恼不知道简历怎么写，笔面试会考察哪些内容。因此我花大力气找来了10份数据分析求职的简历，给大家作为参考（公开内容，有重组、删改，仅做参考）（其中一份参考简历）同时还为大家整理了数据分析笔面试时被问到最多的统计学、sql和python的题库，希望能帮助大家顺利求职。这次，以上资料一次性送给你！资料领取方式！！！扫描下方二维码进入公众号后台，回复关键字“数据分析”领取。本次新版数据分析资料仅发放500份，发完即止，速来领取！

“数据分析不是个事儿”新栏目【数据百问】第一期上线了！老李时间有限，不能一一解答大家的问题，因此创立百问栏目，集中解答大家最关心的问题，大家有问题或者意见，欢迎在评论区畅所欲言！今天“数据百问”的第一期，我们来谈一个最心痛的、也是我最经常遇到的问题：数据分析行业是不是真得已经饱和了？首先，我们先说结论：数据分析行业的岗位需求程度两极分化严重，低端市场的需求下降严重，接近饱和，而高端市场对于数据人才却供不应求。

说起帕累托最优，估计没接触过数据分析的人都听过，但是怎么用帕累托模型解决实际业务问题呢？今天老李带你盘清帕累托最优的来龙去脉。最近，做酒店管理的小李很头疼，酒店最近一个月的损失成本明显升高，但是一直却没办法改善，为什么会这样呢？原来虽然这家酒店的人气火爆，每天都有客人预定房间，但最终总有一小部分人会取消预定，这些被取消的房间最终就会空下来，给酒店造成了很大的损失。如果是你，你应该怎么解决这个问题呢？

老李说起数据分析的必备技能，就不得不提一个很火的词语，那就是数据可视化，究竟什么是可视化？怎么才能学会数据可视化呢？我们先来说一说，什么叫做可视化：简单来说，可视化就是把看起来较枯燥的文字、报表用易于观看的图片形式表达出来。大家都知道公司数据非常多，尤其是互联网金融公司和地产公司，从周报、月报、季报到年终总结，其实都是对过去工作数据的归纳和总结的过程。因此，很多人都被迫变成了处理数据的机器，而杂乱无章的数据非常难以进行分析和统计，此时数据可视化应运而生。Anscombe

老李经常有人跟我说，自己想拿数据练练手，却完全找不到合适的免费数据源。后来就开始有意识的搜集各种数据网站，这么多年过去了也搜集了不少，今天就给大家分享一下我的宝藏免费数据网站们。

这两年随着大数据的发展，数据可视化大屏项目渐渐从原来的政府企事单位逐渐应用到了企业端，从事数据行业这么多年，我也参与过不少大屏项目的开发，也感知到了企业大屏需求的不断变化。两年前，大家都喜欢用“数据大屏”这个词，但现在，数据大屏已经不光是简单把数据以可视化的形式展现在大屏上这么简单，

老李说起数据分析面试，恐怕对于求职者来说，最难的就是考察业务知识的部分，其他知识都容易恶补，业务知识从哪学呢？业务经验真是一个世纪难题啊！别急，今天这篇文章就帮大家科普一下，业务分析（不是数据分析）的一些知识；这些知识是我在面试新人时最常问的概念性问题，它能最快速度帮我判断对方的业务经验基础，大家对这部分有疑问的可以直接留言在评论区，我会一一解答！

本周四晚上，我们继续在数据分析交流群内，组织大家进行了数据分析业务题讨论。大家的参与积极性依旧很高，老李也特意把群员的优秀回答挑出来分享给大家，希望大家能一起学习，共同进步！想要进群参与讨论的，可以拉到文末进群！本期讨论的问题是9群的一个群友贡献的，题目如下：汽车的购买量增加，汽油的销量却下降了。如果你是数据分析师，你会怎样分析这一现象和原因？

老李最近一部名叫《三十而已》的电视剧非常火，连我这种电视绝缘体都感触颇深，其实不光是数据人，互联网职场上似乎永远逃不开“中年魔咒”，35岁的辞职坎真的存在吗？其实不论男女，在30岁的年纪都会承受来着生活和工作的压力和焦虑，这两天在我的数据分析交流群，就有不少朋友谈到疫情过后企业的裁员，降薪潮，我的一位同行好友，干数据分析5年了，4月公司复工进行人事调整，不幸被裁员了。前阵子豆瓣上还有个热帖，网友去参加校园招聘会，某搜索网站HR表示，他们公司平均年龄都很年轻、很阳光，于是有人怼了句“那你们公司年龄大的都去哪里了？”，HR直接懵了。是啊！年纪大的去哪里了？那些为公司做牛做马的老员工，最后都怎样了？被裁掉了吗……曾几何时，年纪35岁以上，甚至只是年过30岁，就要开始面临失业困境了。可是，长江后浪推前浪，又有哪个后浪能逃过成为前浪的命运？大学毕业后将所有青春年华，都耗在996工作努力上，换来的只是35岁之后的裁员及那杯水车薪的补偿金，这是否是很多人已遭遇或正在经历的事，我们干数据分析的也不例外。那数据分析师该怎么做才能跨越职场危机，避免中年忧患呢？在数据分析行业待了接近十年的我，最近也在思考，如何才能突破数据分析行业的天花板，这个行业该如何规划职业发展道路。总结了一些心得与大家分享：

老李俗话说“一图胜千言”，图表是展现数据的一种重要展现形式，但是图表的种类繁多，所以很多新手在进行数据可视化时，经常不知道怎么选择，今天就给大家分享图表选择的正确流程和方法，帮助大家选择正确图表！