小编最近收到很多同学的私信，大部分同学都在问：如何成为一名数据分析师？作为一名数据分析师应该掌握哪些工具？我曾经是学其他专业的能转行数据分析吗？
做数据分析师没有什么门槛，零基础也可以入门数据分析。文科生也好，其他行业人员也好，想学数据分析，只需掌握Excel、MySQL、Python和BI智能工具等基本应用就可以。
接下来，小编想跟大家聊一聊数据分析师的种类、工作内容和晋升空间，还有数据分析师的基本能力，大家看完可以跟小编分享一下看法。
01
数据分析师的种类、职责与升级路线
数据分析师的职位分为五大类：数据产品、数据分析师、数据建模师、数据工程师与数据科学家，这5种类型的数据分析师有着不同的职责和业务能力。
1）数据产品
数据产品概览图
数据产品不但要运用埋点原理，使用工具抓取数据并分析，还要参与数据化产品的制作，挖掘用户数据需求、提炼数据产品方案、设计和推广数据产品的使用等。
职位：数据产品经理、CGO、数据产品总监、数据运营总监
学习科目：数据技术、可视化、业务思维
2、数据分析师
数据分析师概览图
商业化的数据分析师主要是负责产品系统后台的上架、更新及维护，是项目中的指导者。
职位：CGO、增长专家、数据咨询师、数据分析总监、数据运营总监
学习科目：数据技术、可视化、统计学基础、业务思维
PS：
①可视化是相当重要的一部分，当你花费大量时间来处理数据，却没能将数据清晰直观地呈现在老板面前时，你所做的一切都是无效的。小聚给大家举两个例子：
同样是数据分析师做的两张图，图A中的各项数据看起来清晰明确，非常便于理解；而图B中，不仅缺少单位量，也没有将增减幅度体现出来，老板看了会十分头疼。
②大部分人对数据分析师存在一个误区，觉得他们就是取数的、做表的“工具人”。这种想法简直大错特错，作为一名数据分析师，核心能力是要挖掘数据中的价值，并了解它们所存在的意义，对数据进行整理分析，帮助领导去做决策。
③还有很重要的一点是沟通能力，因为你不但要了解清楚对方需求的是什么，还要告诉对方你做了哪些内容。否则，分析的对象不是需求的对象，容易产生错误的判断造成损失。
3、数据建模师
数据建模师概览图
数据建模师就是我们常说的算法工程师，他们运用数理统计知识、编程和业务思维建立数学模型，是当之无愧的产品灵魂。
职位：CTO、技术总监、算法工程师
学习科目：数据技术、统计学基础、建模技术、业务思维
4、数据工程师
数据工程师概览图
数据工程师属于技术岗，他们负责搭建数据库、处理数据、维护数据安全等工作，主要是服务于数据的使用者，比如上文中的数据分析师、数据产品以及数据建模师。
职位：CTO、技术总监、研发工程师
学习科目：数据技术、建模基础、业务思维
PS：
数据工程师非常考验专业能力，如何优化流程、数据监控和预警分析，一旦任务失败，这个月的薪水就会被扣掉。
5、数据科学家
数据科学家概览图
数据科学家属于综合性人才，集数据分析能力（＞数据分析师）、统计学基础、业务能力（＞数据产品）、算法（＞算法工程师）与沟通能力于一身。这类人才属于数据分析行业中的顶配，各方面的能力都超一流，不过这类人才相当稀有，在行业中基本是可遇而不可求。
以上就是数据分析师中的5大岗位，大家有没有比较感兴趣的方向呢？先别着急，接下来小编再和大家分享一下成为数据分析师必备的4种能力。
02
数据分析师的4种能力
① 数据技术
做数据分析必须要了解数据的运转流向，并利用工具读取和分析。
数据分析基础：Excel
使用Excel来应付计算量不大日常数据是最实用的，大部分数据分析师只用到其中的少部分功能。
数据提取：SQL、MySQL
SQL算是编程中最简单的语言，只要用心去学，不超过一个月就能进行数据的提取了。
分析工具：SPSS、R、Python
SPSS就相当于高级版的excel，难度不高；python和R在数据分析和数据挖掘方面的能力差不多，两者任选其一即可。
② 可视化
Excel、PPT、echarts、FineBI
数据可视化的工具比较多，上述的几种都是比较常见的，尤其是excel和PPT相当基础，如图所示：
新增用户热力图
不管使用的是什么工具，目的在于将抽象的数据用图表展示出来，方便老板审查和决策，如果做的好看就成了你的加分项。
③ 统计学基础
统计学基础常常运用在ABtest、数据透视中
有时遇到模糊的数据，比如一些随机的因素，就要用到统计学中的假设检验了。假设相反的状况，通过设置的样本来推翻这个假设，如果样本足以推翻假设，则我们认为测试结果成立；否则测试结果作为偶然现象，需要重新进行测试。
示例一 AB test的错觉：
AB test结果图
示例二 R平方值的重要性：
DAU预测图
④建模能力
分类：在历史用户行为基础上构建出模型，将它套用到新用户身上，预测用户是否会发生某种行为。如下图所示：
模型概念图
分类：同种类别的用户比较相似，不同类别的用户之间具有较大差异，需要给不同的用户打上标签。如图所示：
聚类概念图
回归：比如在预测销量、人口数量时，就需要用到指数回归和多项式回归，在处理各类数据时都会用到相对应的回归算式。
评估：评估模型有两类：回归模型和标准化模型，它们一般会用于品牌投放、会员积分等，如图所示：
渠道评估模型（AHP标准化模型）
作为一名数据分析师，还需必备业务思维能力、大局能力、沟通能力等等。数据是没有思想和逻辑的，如果你没有业务思维，可能会迷失在一堆数据中理不清方向，优秀的数据分析师则可以让一串串数据“活”起来。
还有大局能力，你不仅要有处理分析公司产品的能力，同时还要对竞品进行分析，知道对方的不足，发展自身产品的优势，才能抓住老板的心。
最后，数据分析师不可缺少的沟通能力，你在分析数据之前，要先明确分析什么数据，为什么要分析这些数据，精准地把握老板的需求，避免出现工作上的纰漏。当你完成工作后，需要将数据的价值表达出来，老板才能进行下一步的工作。
如果你想要成为一名优秀的数据分析师，先找到自己的方向，确立一个职业目标，再逐步掌握数据分析师的必备技能，在软件的基础操作上不断提升自己的应用水平