師兄之前和大家聊了聊找工作面試的要點。看了大家在后臺留言，想了解下數據分析都需要懂什么工具，知道什么數學原理。今天我們就來聊聊關于數據分析的技能。

首先說結論：業務是第一位，其次才是工具和數學原理。為什么這么說?因為數據分析是為了解決業務問題，如果脫離了業務，什么都不是。

比如：80%，單看這個數字是沒有什么意義的。但是如果我們說某APP的次留是80%，就將這個單獨的數字賦予了業務意義。

所以，數據分析一定是與業務強相關的。下面我們就來說說數據分析所需要的技能。

工具類技能

工具，必須要學習一下 SQL 和 Excel。

數據分析一定是和業務強相關。所有數據都是為業務服務。但是前提是，你得拿到數據對吧。所以，SQL是必須會的技能。這個是我們拿到數據的主要工具。

那拿到數據了，我們肯定還需要對數據進行一定的作圖，對比，處理。這里常用的就是Excel。

其次，大家肯定還會想到Python，R語言。這些就是偏進階的工具了。后期建議大家學習Python，更通用一些。

我們分別來說下這幾個工具所需要了解的基礎能力：EXCEL：常用函數vlookup，match，index等，數據透視表功能，圖表功能。SQL：聚合函數，窗口函數，表格關聯，數據傾斜優化等。Python：循環、字典、字符串、pandas、numpy等常用包的使用。

理論類技能

關于理論，如果要劃分一個常用的范圍，那么就是數理統計和概率論。

數據有兩種指標。一種是均值型指標，比如日活，NU，GMV;一種是比值型指標，比如注冊率，滲透率。這些指標，在AB測試中，所需要的檢驗方式也是不同的。這些就需要統計學的基礎。

我們在依據歷史數據預測未來數據時，會需要一些概率和數理統計的知識。比如，某功能的滲透率是70%，如果我們想要提升至80%，可以選擇哪些用戶進行推廣。這里，我們就需要計算不同用戶組合下的滲透的概率。這時，我們就需要運用概率論，數理統計。

我們來說說統計學和概率論的基礎知識：

1、統計推斷：置信區間、置信度、假設檢驗(t檢驗、z檢驗、卡方檢驗)，以及這些檢驗適用的數據類型及樣本情況;

2、中心極限定律、大數定律、辛普森悖論等;

3、概率與概率的分布、統計量及抽樣分布、參數估計等;

4、回歸分析、方差分析、分類分析、時間序列等。

這些基礎知識可以去看看浙大出版的《概率論與數理統計》，賈俊平老師寫的《統計學》。

再往上，全概率公式、貝葉斯公式、馬爾科夫鏈這些也需要深入的學習和思考一下。因為這些公式，在業務中的應用也非常多。

比如，我們某功能點擊率下降了，我們想知道是新用戶引起的，還是老用戶引起的，我們就可以用全概率公式。

比如，我們在進行內容的小流量實驗，想通過用戶的點擊，評估用戶對內容的偏好，我們就可以用貝葉斯公式。

比如，我們想要對用戶的APP使用進行引導，我們就需要選擇最優使用路徑，我們就可以用馬爾科夫鏈。... ... 這些，就是比較進階的內容。推薦看《概率導論》和《線性代數應該這樣學》。

業務類技能

說到業務類技能，師兄認為，需要會拆，也要會比。

先說“拆”。大家應該都聽過“人貨場”，“5W2H”，“4P”這些常用的分析方法論。這些方法論的本質是告訴大家一種業務上的通用拆分方法。這些拆分方法可以讓我們將業務拆分為幾個相對獨立的變量，讓我們更好的了解及度量業務。

當然，我們也可以按照公式來拆。比如，DAU = NU + 老用戶;GMV = DAU * ARPU = NU * ARPU + 老用戶 * ARPU 等等。

結合我們對業務的理解，以及從大到小的層級拆分順序。我們可以將業務映射至不同的業務變量上，通過公式組合，得到最終的業務指標。

這樣，當我們要解決某個業務問題，或者建立某個業務的指標時，我們可以非常清楚的知道每個業務變量在公式中的作用。

再說“比”。是指同比，環比，定基比。

為什么一定要對比?

舉個例子：3月1日某APP日活100w。

這句話陳述了一個事實。但是這個事實是好還是壞，我們并不能有一個結論。

為什么?

與其他的APP比較：如果每個同類型APP的3月1日的日活都是1000w，那其實這個APP流量很小;如果每個同類型APP的日活都是10w，那這個APP的流量就很大。

與歷史數據比較：如果2月1日日活是200w，那么其實預示著業務流量在下降;如果在2月1日日活是50w，那么業務是有增長的。

所以，我們在拆分之后，還需要去對比。

如果說，拆分是為了讓我們更清楚的度量業務子變量，知道每個子變量對核心業務的影響，讓我們能夠有針對性的落地;那么，對比就是讓我們知道業務當前的狀況如何，發展是好是壞，我們最應該解決什么問題，給我們業務一個明確的發展方向。

當然，以上這些，都是一個數據分析師的基礎技能。

無論是工具，還是理論，還是業務理解，最后都需要數據分析師們始于業務，之后高于業務，最后反哺業務。

當然，由于我們的拆分和對比，都是比較“數學”的過程，我們最后還需要會講故事。將這些“數學過程“用業務的語言講述出來，才算是一個“發現問題-拆解問題-實施策略-解決問題”的閉環。

師兄認為，數據分析師會有三個比較明確的階段：

第一：助力業務階段這個階段，就是俗稱的SQL Boy，表哥表姐。因為我們沒有很深的理解業務，對業務判斷不清。我們所需要做的是支持業務同學或者更資深同學。

第二：指導業務階段這個階段，我們已經較深入的了解了業務，我們可以通過數據判斷出業務的狀態，知道業務哪里有問題，需要從哪個方向去進行相關的優化，以及優化的步驟是什么，該如何進行實驗，實驗結果該如何評估。

第三：引領業務階段這個階段，就類似于業務的操盤手。我們不僅要非常了解業務，我們也需要從眾多的業務發展方向中選擇更適合業務當前狀態的方向。決策業務的未來道路。這個階段，就可以稱的上業務的專家了。

當然，百米高樓平地起。我們還是要一點一滴的積累，不斷深耕業務，學習工具和理論。最后量變引起質變。不斷提高自己的能力，擴大自己的影響力，成為一個優秀的數據分析師。