职场，就像是修罗场，有的人经历飞速成长阶段一步一步走向人生巅峰，也有的人迷茫在自己职场的方向，无法自拔。当然，职场上没有人不希望升职加薪，获得更多的晋升空间。

疫情期间，大多数白领都经历了一些“职场灰暗时刻”。裁员降薪一度成为较普遍的现象，年长白领的工作机会在变少，年轻白领的工资缩水。面对不确定的大环境，唯一的确定因素就是自身职场竞争力。由此可见，一个人如果想混的开，关键在于他能给企业带来什么样的价值。

如今，我们生活在数字化的浪潮下，在各行各业的发展中，数字化转型都是绕不开的话题。

企业在发展过程中会遇到大量的数据，它是数字化转型的基础，数据找不到、看不懂、不准确、不及时，都会成为企业数字化转型路上的重大阻碍，这个时候就需要用到数据分析师。

数据分析不是简单的“分析数据”，它是一种解决问题的方法，一个解决问题的过程，甚至可以认为是一种方法观。作为一名数据分析工作者，这里所说的数据分析是一个相对狭义的概念，如果没有合理的执行体系和标准化的工作流程，就会形成表面化的错误，从而影响到工作效率，更重要的是影响最终的分析结论，都说“按流程办事”，数据分析也不例外。

1、明确目的

用数据说话，从数据分析的角度解决问题，用数据支持结论。从监测角度来说，业务问题一般以两种方式出现，第一种是在长期监测中发现某一环节运行异常，另外一种是在开展业务任务时即时遇到阻碍，不管怎么样，问题摆在面前需要解决。

在开始数据分析之前，必须明确要分析什么，要解决什么问题，一项数据分析，不是一蹴而就，需要过程，如果不能做到有的放矢，多半会导致分析方向发生偏移，盲目无序的开头将导致后续的工作白白浪费。发生了什么？为什么要这样做？要得到什么？如何得到？等等这些问题需要在分析之前弄清楚，只有先明确了目的，对数据分析的主要内容有针对的了解，才能作出合理有效的解决方案。

2、获取数据

按照数据分析的目的、具体内容，收集所需数据，此时最重要的是保证获取数据的真实可靠性。这些数据源就像盖房子打地基，没有这个基础，不管采用多么高级的分析方法都是白费力气。“garbage in，garbage out”。另外，不要过于期望一口气将所有数据都采集全，在预处理和数据分析阶段你可能会发现还缺少某一部分数据源，这是反馈调节的过程，需要耗费大量的时间反复甄别。

3、预处理

现在存储于后台的数据太多了，以前做项目担心没有真实可靠的数据，现在这个问题没有那么复杂，但数据太多却引发了其他问题。辛苦采集到的数据口径不一致，存储格式不同，不符合数据分析要求还有待派生新的变量，这些过程看似简单却非常有必要！

仅仅预处理以上这些问题还不够，当数据分析方法复杂时，我们还需对采集的数据进行筛选构成小的数据集，对于数据集中变量的分布、缺少、描述统计指标进行一定程度的分析。可以说，获取数据+预处理将耗费整个执行过程的大部分时间，很繁琐，但非常的重要。

4、数据分析

在这个阶段建议采用简单有效的分析方法，切记不要“为了分析而分析”。数据分析方法有很多种，不一定越是高级的方法就越有效。数据分析的工具也一样，能用Excel就不用SPSS，选择合理得当高效的方法和工具，只要能解决问题即可。如果你很自信，可以合理选择有效驾驭，那选用一些高级的方法和工具对提高整个数据分析过程的共识性、专业性、精确性都有非常之大的帮助。

和前两个环节一样，这个过程也是费力不讨好的，而且伴有枯燥、沮丧、焦虑等心态，不断调整自己的心态也是这三个阶段的重点和关键。

5、提交报告

做一个数据分析的项目，不能不下结论！

雷声大，雨点小的事情，作为数据分析师千万要避免发生。提交数据分析报告，提出解决问题的方案或建议，对业务问题进行及时处理，养成这个良好的习惯。数据分析报告采用PPT格式、Word格式都可以，做到结构合理、结论坚定，图文并茂。

这个阶段切记不要搞得太花哨，语气低调不要太夸张，有自己的结论，有自己的观点，能有效解决问题，并针对类似问题进行监控，防止再次发生。

按流程办事的好处就在于各环节的不断反馈，出现偏差时返回到各个环节进行审核优化，突出解决问题的主线，总之一句话，数据分析不是儿戏，需要一个相对标准化的流程来遵循。

目前数据分析几乎覆盖了所有的行业，互联网、金融、咨询、电信、零售、医疗、旅游等，涉及岗位包括大数据、数据分析、市场、产品、运营、咨询、投资、研发等。

这是在某招聘网站截取的数据分析师就业薪资，可以看到拥有一年工作经验的数据分析师薪资就可以达到10K以上。