數據分析師在公司是幹什麽的？
大數據和普通數據最大的區別是什麽？
妳的日常工作中根本接觸不到大數據，妳真正想學的是大數據嗎？
有點蒙圈了吧。魚君正是要幫妳在最短的時間內理清這些概念，找準自己前進的方向。
大數據之“大”數據，大家會陌生嗎？不會。我們每天的日常生活都會接觸到數據。淘寶購物時貨比三家的價格，年終考核之後發給我們的獎金，發表在知乎上的文章的評論數量，這些都是數據。
從人們會計數開始，數據就有了，數據分析也是。那麽大數據呢？
說到大數據，妳就繞不開互聯網。在互聯網出現之前，雖然政府部門和壹些公***事業單位通過日積月累獲得了較大量的數據，但並沒有形成足夠的影響力。直到互聯網產品的出現，由於它收集用戶數據的便利性，通常在壹天之內就能夠累計其他行業可能壹年才能獲取的數據量。
數據量的升級造成算法和硬件都必須要升級，操作起來的技術難度也就會提高很多。這個時候，就需要專業的技術和平臺來完成存儲，處理和分析大數據的工作。比如說，大家都聽過的Hadoop平臺，MapReduce算法。都是大數據時代的產物。
因此，我認為，大數據的核心，就在於大。
有壹定規模的互聯網公司都會成立專門的大數據部門來管理自己產品所收集到的大數據。數據量越大，處理難度就越高，相應的，可能挖掘到的內涵也會更多。於是，大數據就成了壹個產業，壹個火熱的產業。
大數據圈子裏的人在大數據行業這個圈子裏，公司提供的職位大致分為三類：數據分析師，數據產品經理，數據工程師。他們緊密合作，***同驅動公司的數據決策文化。
那麽，著三種職位都是做什麽的？又該怎麽入行呢？
數據分析師
數據分析師，是使用大數據的人。核心是掌握各種數據分析工具和數據分析技能，目標是為公司管理層和產品團隊提供分析報告，幫助他們做決策。
實際工作中，數據會被處理成各種不同的類型提供給數據分析師使用，有比較原始的，有比較簡單好用的。因此，數據分析師需要掌握R, SQL，Excel, Python基礎編程等多種技能，以及熟練掌握常用的數據分析方法。
如果妳立誌於成為壹個數據分析師甚至數據科學家，那麽我強烈建議妳進行系統的學習。
數據產品經理
數據產品經理是設計數據產品的人。核心技能是數據需求分析和數據產品的設計，和其他的互聯網產品經理並沒有本質的不同。實際工作中，數據產品經理需要收集不同用戶的數據需求並且設計出好用的數據產品提供給大家，幫助他們“用數據做決定”。
怎麽入門呢？關於具體的進階流程，我希望妳聽壹下我在壹塊聽聽上做的講座《4步讓妳成為大數據產品經理》，會為妳提供非常全面的介紹。
常見的推薦入門書籍有《人人都是產品經理》，《The DatawareHouse Toolkit》，《Lean Analytics》等等。
數據工程師
數據工程師，簡單分兩種，壹類是數據挖掘工程師，另外壹類是大數據平臺工程師。工程師的基本技能當然是寫代碼，寫高質量的代碼。
數據挖掘工程師主要工作是開發大數據流水線以及和數據分析師壹起完成數據挖掘項目，而數據平臺工程師主要工作是維護大數據平臺。
因此，理工科背景出身，掌握C, C#, Python等編程/腳本語言，熟悉各種基礎算法即可以勝任。
如何用數據做決策
對於那些並不想轉行進入大數據圈子的人，我們要學的究竟是什麽？
我相信，在我們的日常工作中，特別是業績不佳，找不到突破口的時候，都曾想過能否用數據來幫助自己。因為我們都曾或多或少聽過壹些牛逼的數據案例，比如紙尿布與啤酒之類。
舉壹個簡單的例子，妳經營的餐館現在狀況不佳。妳可以自己拍腦袋想壹堆的新點子來嘗試改善現狀。妳也可以，收集整理數據，通過分析找出根本原因，並提出對應解決方案，從而扭轉局面。後者聽起來似乎更加靠譜壹些。
那麽，妳該收集什麽數據，做什麽分析，這就是妳需要學習的：“如何用數據做決策”。從這個角度講，我認為：
人人都應該是數據分析師
學習系統的數據決策和數據分析思維，我們可以從這篇文章開始：從0到1搭建數據分析知識體系。我自己工作中常用的數據分析方法都被囊括在裏面，如果趨勢分析，多維分解，用戶分群，漏鬥分析等等。請不要小看壹篇文章，知識在精不在多。
妳還可以從壹本簡單好讀的《誰說菜鳥不會數據分析》開始搭建妳的數據分析思維。
關於數據分析的書籍太多了，眾口難調，隨便壹搜就有壹大堆推薦。而其中所講的知識和理論其實都是類似的。最終要讓他們發揮作用，還是要和實踐結合起來。
因此，我認為，在自己的生意和工作中多實踐數據分析，多思考，遇到問題多在社群中提問和大家探討，是最好的學習辦法。我自己也壹直是這樣踐行的。
帶著問題去學習，是最好的方式。
在這個過程中，隨著妳對數據的深入了解，掌握更多的數據分析語言和工具。從Excel到SQL，甚至到R和Python。妳所能使用的數據量也會越來越大。但妳大可不必壹開始就紮入這些工具的學習中，那樣會收效甚微。