京公网安备 11010802034615号
经营许可证编号:京B2-20210330
后Excel时代,如何变身讲述“数据故事”的高手?
如何看待数据分析师这项职业?
CDA记者:如今, 数据分析师是一个很热门的职业,薪资水平普遍很高。很多人也因为高薪,纷纷向数据分析师发展。您如何看待这种现象?
刘鹏元:首先,对求职者来说,工资导向是很正常的市场规律,前提是你要具备相应的技能和能力。其次,对企业来说,正是因为“大数据时代”给其带来了新的挑战和机会,“数据分析师”、“数据科学家”这样的岗位,才在企业内部变得愈加重要了。
数据小白生存之道
CDA记者:对于行业小白来说,想要成为专业的数据分析师,需要具备怎样的技能?
刘鹏元:在大数据时代,“小白”必须成长为“专家”才能够真正立足。如果一个普通的销售人员在使用了工具后对于数据的分析能力都比一个“小白”强,那企业为什么需要这样的数据分析师呢?在大数据时代,一个优秀的数据分析师至少需要具备以下三方面的能力:
首先需要掌握更加丰富的大数据处理技能,包括统计分析、可视化工具、大数据处理框架、数据挖掘等;
其次,要对企业业务有更深的理解,能够根据企业自身特点建立分析模型和方法,不断地进行探索式分析;
最后,能把分析结果以可视化的形式展现出来,让别人秒懂你的结论,成为讲述“数据故事”的高手。
除了要掌握专业技能外,还应该注意以下几点,从而更快的适应市场需求。
l 多读科技类新闻和文章,关注大趋势和行业动态;
l 多与行内人员交流、取经;
l 对于与自身工作交集较大的职位,多花时间了解其特点和工作内容,便于工作中快速沟通和协作;
l 多反思和复盘工作中的问题,逐步形成一套行之有效的工作方法和思考方式;
l 多站在上司和老板的角度思考工作目标。
讲“数据故事”的工具选择
CDA: 现在市场上充斥着以Excel为代表的传统工具和以BI为代表的新型工具,那么您是如何看待新旧BI工具的更替?数据分析师选择工具时关注的点应该有哪些?
刘鹏元:当大数据时代到来时,我们就已经进入了“后Excel时代”。“后Excel时代”的含义是:Excel已经成为了“小数据”的专用工具,“大数据”需要更强大、更智能、更具探索性的新工具。所以,新旧工具的交替是无法避免的,谁都无法阻挡时代的潮流。数据分析师选择工具时,可以从以下几点考察:
l 是否能接入企业各种业务系统,整合多源异构数据?
l 是否拥有实时的数据处理能力?
l 是否操作简单,简单拖拽即可生成可视化图表?
l 是否提供探索式分析功能,类似数据分析维度和颗粒度都可以随意变换?
l 是否拥有智能的图表和模型推荐?
l 是否可以云端协作和分享,从而满足各种移动办公的场景的需求?
关于数据分析师个人发展的一些建议
刘鹏元:其实各行各业都是相通的,分享4个关键词吧:阅读、思考、交流、实战。
1、要保证大的阅读量,包括阅读各类文章和图书,这是基础;
2、阅读和工作中如有疑问和发现,就多思考和总结,这是关键;
3、多向牛人请教,这是很有益的补充;
4、学会和享受“以战代练“,通过实际的工作来提升自身的能力,在反思和复盘中提高,这是根本。
人物介绍
刘鹏元
DataHunter产品总监,负责公司企业数据分析平台的整体产品工作。拥有多年的产品经理工作经验,其中大部分时间都在从事数据类产品工作,包括搜索引擎、第三方数据平台、企业BI产品等。
关于DataHunter
DataHunter(北京数猎天下科技有限公司)是一家专注于数据可视化分析展示的科技公司,成立于2016年。基于先进的探索式数据分析技术,DataHunter致力于为企业提供简单易用的业务数据可视化分析产品及数据大屏设计展示服务,帮助用户发现问题并改进业务,从而驱动企业向数字化运营转变。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24