每个行业都有好的数据分析师，但如何定义顶尖呢？

顶级的数据分析师一定会在数据变现最牛的行业里存在，这些业务是真正的数据驱动，因为数据上差一点点，效益就会差一大截。

这里以运营商为例来说明顶级数据分析师（为了描述方便，称其为A君）应该发挥出的价值，然后笔者总结了7个核心能力。

数据分析不仅仅是出个报告，而是要能产生实际的价值，用数据分析真正的驱动生产。

在互联网公司，优化产品的数据分析师做到了这一点，比如通过与产品的协同进行AB测试，给出产品优化的具体建议，从分析到生产的流程特别短，这是非常值得学习的。

在传统企业，由于组织、机制及流程的原因，要做到数据分析驱动业务挑战比互联网公司大很多。

从上面的案例可知，要达到顶级数据分析师的程度，光是会取数、会分析、会出报告是远远不够的，顶级数据分析师要能基于数据分析驱动业务，创造实际生产力。

为了达到这个目标，顶级数据分析师需要具备哪些素质呢？

1、业务能力

业务知识的学习和掌握，需要的积累之深，培养一个业务专家，需要的周期之长，都远远超过后面所说的那些基本技能。

【理解公司战略】

一名数据分析师其最本质的价值就是去用数据驱动业务增长。而每一项业务本质上是公司整体战略的支撑，理解了战略，才能选对分析思路的方向。

【充分理解行业】

对自己的行业有足够敏感度，多与业务部门核心团队进行沟通，多关注行业网站，多阅读行业数据分析报告做好积累，比如处于什么阶段，自己所在的位置，当前的重点业务方向在哪里，碰到了哪些挑战，总体的解决思路是什么。

【理解领导思想】

如果你无法达到业务领导的高度，就更要多和他沟通，了解他对业务的看法，站在他的肩膀之上去理解他所认知的业务，记住，你为谁负责，谁是你最大的资源。

【业务岗位实战】

对于业务的理解不是简单的看文档就可以的，一定来自于对于公司业务的实际流程、机制、平台、数据等的充分的理解，最好在实际相关岗位呆过，比如没做过数据，可能连口径都搞不清楚。

2、思考能力

如果你只是很好的“实现者”，而不是很好的“思考者”，那做数据分析是没有前途的！

【最值钱的是想法】

基于业务人员想法来制作报表或者看板，最多只是“60份工作”。即便你的需求来源是业务部门老总，也就值60分。其无法凸显你的价值，无法让你升职加薪。

数据分析最值钱的就是想法，特别是基于实际业务现状有针对性的想法，比如运营商传统上是基于星级体系来提供差异化服务，而你想到了金融行业的信用分，你把它移植到运营商就有新的价值。

【成为一名思考者】

要有深度思考的习惯，要成为一名“思考者”，才能对业务有独到的见解和想法，通过你拥有的数据对这些想法进行系统化、体系化的分析，通过数据来论证自己的想法。这是一个很痛苦、很费时的工作，比如A君就是逻辑思考能力极强的人，能够通过数据分析的手段来驱动业务的开展。

【要全面开放自己】

你的历史经历和站位决定了视野的狭隘性，没有足够的外部输入，你思考能力再强也是巧妇难为无米之炊，也是很难有分析灵感的，不要怕丢面子，通过与同事、领导、圈外人事多交流，才能获得更多的信息，让好的分析思路涌现。

3、沟通能力

对上要通过反复沟通确认目标、对中要采取协作做到滴水不漏、对下要换位思考获得尊重。

【对上沟通】

你的分析为谁负责，就要跟谁沟通清楚，最忌讳不懂装懂，自以为是，领导的时间有限，要抓住一切机会去沟通清楚分析的目的到底是什么，领导有什么预期，第一遍沟通后，列个提纲再去沟通，淘尽领导所有的现成想法，你很烦，就对了，总比事后领导见你烦。

【分析协作】

个人的视野是比较窄的，很难逻辑严谨，跟我们合作的一些企业往往采用团队协作方式，你会发现，他们提交的分析报告往往能体现整个公司的分析水平，而不是受限于个人，如果企业的经营分析报告总是来自于某个领导或某个个人，何来进步？你们的能力就是企业的瓶颈。

【对下安排】

数据分析贯穿数据、技术、业务整个链条，你需要面对不同的岗位，碰到不同的角色，采用不同的语言，表达你的要求和获得你需要的东西，成为数据和业务的桥梁，比如业务如何理解？如何数据取得更快？发现数据问题如何尽快的确认原因？都考验着你的实际人脉和权威。

4、表达能力

一切都是为了让人看懂。

【态度上重视汇报】

一定要重视汇报，不要觉得“酒香不怕巷子香”，在你没汇报前，领导不太知道你的实际业绩，IT专业的人有时比较吃亏往往是认知问题，就是不重视对上，也不愿意去搞这种虚头巴脑的东西，很多人做了80分，汇报只有30分，其实也跟教育有关，通识不够，没有美感。

【汇报讲究故事化】

汇报前要做好充分的准备，理解每一个字和每一个数字，把你要表述的内容整理成为具有条理的“故事”，用自己的语言表述出来，让人家能理解你讲的东西，有时要反复练习，不用看PPT，就可以把整个PPT的逻辑清晰的表述出来。

5、分析方法

【理解指标】

每个企业都有一套KPI指标体系，围绕KPI指标还有一系列的执行监控指标，作为数据分析师一定要对企业的核心指标体系有深入的理解，这是做数据分析的人要搞懂的最基本概念。

【理解维度】

业务反映在指标上，业务分析就是对于合适指标的分析，指标只有经过比较才能鉴别到问题，而要实现鉴别分析，维度的选择是最核心的！

【理解常识】

数据分析的结论最终的表现形式仍然是指标数据，而这个指标数据往往是层层下钻比对的结果，只是次要因素已经被剔除，主要因素大概率呈现，但主要和次要因素的判断，还是来自于数据分析师的主观判断。

【掌握工具】

BI很大程度上就是用一些可视化技术来进行指标比较的艺术，有助于你更快、更直观的发现问题和定位问题，毕竟人脑对图表、图像的敏感度更高。

比如FineBI，能做到拖拽生成数据分析，是每个数据分析师的技能！

6、数据能力

对于数据要知其所以然！

【拥有全局的数据视野】

在大多数公司里，数据分析师的工作是专业化的，但其实你分析要的数据是全方位的，不会有划定的专业边界。在实践中，数据分析师往往不知道到底有多少数据，其数据分析的深度和广度由于其视野的狭窄而受限。

数据分析师应对数据字典进行系统的学习，自底向上的实践很重要，但自顶向下的学习也很必要。

【拥有更深的数据理解】

数据字典体现的往往只是表层的数据含义，如果你希望分析的更为灵活，就需要理解数据之间的依赖关系和来龙去脉，因为每张数据表都是由下一层次的表关联汇总而成，但汇总意味着信息的丢失。

只有具备追根溯源的能力，你才更有可能基于更多的信息获得更大的分析自由度，比如你看到业务系统上某个菜单的功能，对应到系统中的数据是怎样的？

7、技术能力

【获取数据-SQL】

SQL是最灵活的操作数据的语言，任何一个数据库都会提供SQL的支持，它架起了业务和数据的桥梁，简单易学，性价比很高，也是数据分析师的必须要学习的语言。

新的时期数据分析师不要过于依赖别人给你提供的数据，沟通的成本太高，一定要学会自己用SQL来获得所需的定制化数据，它给了你更多的可能。

【加工数据-EXCEL】

EXCEL提供了最为灵活的轻量级数据的加工和呈现的能力，对于EXCEL的掌握是任何数据分析师的基本功，透视图，图表，公式，计算都是极其方便的工具。

【挖掘数据-机器学习，深度学习】

数据分析师需要通过分析获得数据背后隐藏的知识，一般用SQL，EXCEL结合自己的经验来进行判断，但这种模式分析的数据维度是有限的，比如靠人很难看出3维以上数据之间的关系，一定要借助工具。

这就是机器学习可以帮到你的地方，比如聚类，分类，预测等等，随着机器学习，人工智能工具使用门槛的降低，数据分析师要掌握至少一种挖掘的方法。

总结

笔者的数据支撑团队经常要做数据分析，比如针对收入波动就要找原因，但仅找到原因是不够的，更希望数据分析师能推动前端产品和运营去进行改造或优化，否则数据分析得出的结论就失去了意义。

这些会涉及大量的跨团队的工作，但笔者还是坚持要求数据分析师能够冲到前面去，因此数据分析师经常要跟产品打架，跟运营打架，要产品改这个改那个，我觉得挺好，这才是真正的数据驱动业务。

你也许会质疑，笔者这里提到的数据分析已超越了了传统数据分析师的范畴，但数据分析师要把事干成就得这么做，这是你的价值出口。数据分析师的目标从来不是只做数据分析，你应该把数据分析当成职业生涯的一个阶段或一个起点。

从这个角度看，能够利用数据驱动思维做成事的人才是企业顶级的数据分析师。

很显然在目前的信息时代，借助类似于FineBI的这些工具，可以让企业加速融入企业数据分析的趋势。备受市场认可的软件其实有很多，选择时必须要结合实际的情况。一般的情况下，都建议选择市面上较主流的产品，比较容易达到好的效果，目前企业数据分析BI软件市场占有率前列的，就是帆软BI软件——FineBI。

商业智能BI产品更多介绍：www.finebi.com

免费下载FineBI 立即体验Demo