DT时代，数据分析人才越来越被重视，岗位平均薪资也优于其他岗位：

不过调查显示，数据分析岗位的平均薪资虽高达13.5k，但具体到每个人却大有不同，下至4.5k，上至50k，跨度非常巨大。究竟是什么，导致了数据分析岗位的薪资待遇如此两极分化？

我想，一定存在某些「进阶能力」带来了如此巨大的薪资差别。面试了109位数据分析师后，我总结了最NB的数据分析师身上都有哪些特质，以及如何培养这些特质，希望对你有所帮助。

1、逻辑清晰

一个优秀的数据分析师，必须能系统地解决问题，而解决问题往往需要依靠出色的逻辑能力。从搭建指标库，到数据解读、数据间的关联分析，再到最后做出结论，无论是自行分析还是说服别人，都需要严密的逻辑论证过程。

要培养逻辑能力，一个非常好的方法是去找来行业大神的分析报告，结合业务场景拆解数据，顺着大神的思路做一遍分析，学习大神的分析思维。

此外推荐阅读《金字塔原理》《批判性思维》两本书，培养思考、表达和解决问题能力的经典书籍，后者可以帮助我们跳出思维的框架，在更多层面看待问题。

2、技能优秀

数据分析师的技能树，包括统计理论、分析方法、分析工具、数据可视化。

学好数理统计，刚入门的可以看看《深入浅出统计学》，书中有大量有趣的图片和案例，学起来轻松自然；想要进阶的可以看看《商务与经济统计》，这本书是实战派，把数据处理、数据分析、业务三者相结合，也有不少统计学的知识，边学习边实践进步非常大。

分析方法包括：用来分析现状的对比分析、平均分析、综合评价分析等；用来分析原因的分组分析、结构分析、交叉分析、漏斗图分析、关联分析等；用做预测的回归分析、时间序列、决策树、神经网络等。这些经典的分析方法要多拿出来实践，才能在用时举一反三。

分析工具，玩转Excel是必须的，数据透视表和公式使用要熟练，会用VBA更好。另外，SQL、Python、R也是常用技能，Python偏数据开发，在网络爬虫优势明显，R偏统计分析，当然也可以实现网络爬虫功能，学会一个，另一个简直so easy！

除此之外，像Tableau、FineBI这些专业的数据分析工具已经是大公司标配了，就拿FineBI来说，支持大量数据源连接，数据处理和分析十分灵活，可视化方面，图表联动和下钻分析的优势更是Excel无法比拟的。

3、业务洞察

大公司从来不缺会用工具的“取数机器”，也不缺会美化图表的“表哥”“表姐”，缺的是能把数据从业务中拿出来，再用来指导业务的数据分析人才。数据分析师要想更“值钱”，关键在于对业务的洞察能力。

不要以为业务洞察是别人的事情，优秀的数据分析师不仅要读懂数据，更应该结合具体业务和公司战略洞察到趋势变化，我们的报告中应该反映这种洞察。因为看我们报告的人不具备数据的专业素养，他们需要我们从专业客观角度对业务提出看法。

4、保持怀疑

没有数据收集过程是完美的，我们要分析的数据集往往都有其缺陷。比如埋点逻辑不对，比如数据来源不可靠，比如存在“幸存者偏差”，这些都是要重点规避的。

错误的数据可能会引发错误的思考，造成决策失误。作为数据分析师，拿到数据后先别急着处理，可以先对数据的可信度进行评估，数据分析过程中要有批判思维，对数据保持怀疑，尝试从多个角度去解读数据。

在报告中，我们能也应指出缺陷的存在以及它们对分析结果可能带来的影响。

5、善于沟通

数据分析师会遇到很多沟通场景，比如对接业务人员提需求。这事，遇到好沟通的就是事半功倍，遇到不好沟通的那就是无休止的重复劳动，懂得都懂......

所以我一向建议数据分析师们多去一线和业务人员交流，既能加深对业务的理解，也能和业务人员混个脸熟，培养默契。

再比如做分析报告，也需要很强的表达能力。很多人不注意这点，但想一下，我们之前所有的努力，不就是为了呈现最后的这份报告吗？让人看懂/读懂，是最基本的要求，论证过程逻辑清晰让人信服，就是体现数据分析工作价值的时候。

在做报告时，我建议用FineBI这样专门的数据分析工具，做一张下面这样的可视化驾驶舱，通过图表间联动和钻取分析，用数据讲故事，抓人眼球，还支持做探索式分析，这种优势是Word+PPT+Excel都无法比拟的：

“值钱”的数据分析师都有怎样的特质？逻辑清晰、技能优秀、有业务洞察力、对数据保持怀疑，善于沟通，应该就是了。

文末惊喜

回个“数据分析”就能获得工具！