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
在数据仓库与数据分析体系中,维度表与事实表是构建结构化数据模型的核心组件,二者如同“骨架”与“血肉”,协同支撑起各类业务 ...
2026-01-16在游戏行业“存量竞争”的当下,玩家留存率直接决定游戏的生命周期与商业价值。一款游戏即便拥有出色的画面与玩法,若无法精准识 ...
2026-01-16为配合CDA考试中心的 2025 版 CDA Level III 认证新大纲落地,CDA 网校正式推出新大纲更新后的第一套官方模拟题。该模拟题严格遵 ...
2026-01-16在数据驱动决策的时代,数据分析已成为企业运营、产品优化、业务增长的核心工具。但实际工作中,很多数据分析项目看似流程完整, ...
2026-01-15在CDA(Certified Data Analyst)数据分析师的日常工作中,“高维数据处理”是高频痛点——比如用户画像包含“浏览次数、停留时 ...
2026-01-15在教育测量与评价领域,百分制考试成绩的分布规律是评估教学效果、优化命题设计的核心依据,而正态分布则是其中最具代表性的分布 ...
2026-01-15在用户从“接触产品”到“完成核心目标”的全链路中,流失是必然存在的——电商用户可能“浏览商品却未下单”,APP新用户可能“ ...
2026-01-14在产品增长的核心指标体系中,次日留存率是当之无愧的“入门级关键指标”——它直接反映用户对产品的首次体验反馈,是判断产品是 ...
2026-01-14在CDA(Certified Data Analyst)数据分析师的业务实操中,“分类预测”是高频核心需求——比如“预测用户是否会购买商品”“判 ...
2026-01-14在数字化时代,用户的每一次操作——无论是电商平台的“浏览-加购-下单”、APP的“登录-点击-留存”,还是金融产品的“注册-实名 ...
2026-01-13在数据驱动决策的时代,“数据质量决定分析价值”已成为行业共识。数据库、日志系统、第三方平台等渠道采集的原始数据,往往存在 ...
2026-01-13在CDA(Certified Data Analyst)数据分析师的核心能力体系中,“通过数据建立模型、实现预测与归因”是进阶关键——比如“预测 ...
2026-01-13在企业数字化转型过程中,业务模型与数据模型是两大核心支撑体系:业务模型承载“业务应该如何运转”的逻辑,数据模型解决“数据 ...
2026-01-12当前手游市场进入存量竞争时代,“拉新难、留存更难”成为行业普遍痛点。对于手游产品而言,用户留存率不仅直接决定产品的生命周 ...
2026-01-12在CDA(Certified Data Analyst)数据分析师的日常工作中,“挖掘变量间的关联关系”是高频核心需求——比如判断“用户停留时长 ...
2026-01-12在存量竞争时代,用户流失率直接影响企业的营收与市场竞争力。无论是电商、互联网服务还是金融行业,提前精准预测潜在流失用户, ...
2026-01-09在量化投资领域,多因子选股是主流的选股策略之一——其核心逻辑是通过挖掘影响股票未来收益的各类因子(如估值、成长、盈利、流 ...
2026-01-09在CDA(Certified Data Analyst)数据分析师的工作场景中,分类型变量的关联分析是高频需求——例如“用户性别与商品偏好是否相 ...
2026-01-09数据库中的历史数据,是企业运营过程中沉淀的核心资产——包含用户行为轨迹、业务交易记录、产品迭代日志、市场活动效果等多维度 ...
2026-01-08在电商行业竞争日趋激烈的当下,数据已成为驱动业务增长的核心引擎。电商公司的数据分析师,不仅是数据的“解读官”,更是业务的 ...
2026-01-08