這個問題總能見到一些朋友問。新人問，因為資料分析這個事兒聽起來挺抽象又很高大上，具體需要做哪些，大家不知道。有些已經在做資料分析的老人也會問，因為自己當前做的工作和入行之前理解的似乎不太一樣。

今天就係統來說一說這個問題： 資料分析師們，每天到底在幹些什麼？

如果對資料分析行業不太瞭解，教大家一個最簡單的方法，就是去招聘網站上看資料分析崗位的招聘要求（這個方法適用於各個行業），通常來說職位描述中提到的內容，就是該崗位入職後可能需要做的事情。當然，不排除面試造火箭，入職扭螺絲的情況。

下面就進入正題。因為不同行業（網際網路、電商、零售、醫療……）、不同方向（產品、運營、銷售……）的資料分析崗位之間仍有因業態不同而產生的差別，此處不做細分講解，講的是偏業務型分析師普遍性的工作內容。

比較全面，建議看完。

臨時性需求的溝通和管理。

很多人以為資料分析就是和資料打交道，其實不然，溝通需求也是資料分析師們每天主要的工作內容之一，資料分析師每天會接收到來自業務方的各種需求，可以分為資料支援需求和分析型的需求。

比如運營想看某段時間內xx的xx指標的表現情況，請分析師拉一下相關資料；某個指標有異動，請分析師歸因；某場活動結束了，幫忙做一個活動資料覆盤……

這些臨時的需求在確認、溝通、開會上往往就會佔用很多時間，因此深入瞭解業務、快速get到業務的需求和目的，合理地做好需求的管理排期，都是一名優秀資料分析師的必修課。

這裡提一個建議：

不要一接到需求就無腦執行，明確需求才是第一步，不妨多問問需求提供方，究竟要做什麼事情、什麼目的。在把資料結果給需求提供方時，再提一句：預計什麼時候看到結果和反饋，我們到了那個時間點一起看反饋結果。這樣的完整的過程才談得上是一個閉環。

資料提取

資料提取簡稱取數，就是根據資料分析的目的或業務方的需求，從資料庫中提取所需資料的過程，可以算是正式資料分析流程的第一步。

但公司的大資料平臺或者資料倉儲建設不完善，資料基礎建設不規範、或者對業務庫表的不熟悉等等因素，都會導致資料提取效率較低，再加上頻繁來自業務方高頻的取數需求，這就導致很多人會陷入到取數的工作中，大家是否聽說過sql boy、茶（查）樹（數）菇（姑）的稱呼，其實就是對陷入取數怪圈的資料人的一種戲稱。有些新人雖然掛著資料分析的title，但每天80%都乾的是取數的工作。

工作第一年經常取數無需憂慮，但是這個狀態保持3年以上，就一定要爭取轉變了。

資料處理與分析

資料處理是指對初步收集到的資料進行加工、整理，可能是資料分析過程中最耗費時間的，尤其取決於資料質量。中小型公司和小資料量的情況下，資料分析師們通常會用Excel來處理資料，在大資料量的情況下，SQL和python的使用更為常見。

明確好分析目的和分析方法，準備好資料後，就可以著手開始分析了。分析師們需要透過分析工具、分析方法對資料進行探索，從中發現因果關係、內容聯絡和業務規律等，為商業目的提供參考。

對於懂業務的分析師來說，資料分析的過程其實不佔用太多時間，面對業務提出來的需求和存在問題，基本能快速明確分析思路。

分析總結

這是一整套資料分析全流程的終點站，通常一些臨時性的分析需求，資料分析師們做一個結果和重點明確的需求回覆郵件即可；完整的、複雜的資料分析，一般會使用PPT來製作資料分析報告，如果涉及到了多位業務相關人員，還可能需要做presentation。因此抓重點、PPT製作和說話的能力，也是一位優秀的資料分析是不可或缺的。

製作、維護報表

每個公司都會需要將重點關注的資料指標做到一個表中，去週期性的更新和維護，這一步就需要寫sql查詢、生成報表。

一般公司的報表數量可能多達上百個，部分公司會有專門的報表工程師進行開發和維護，也有的公司是由資料分析師來進行。

很多資料分析師上午來公司的第一件事，就是監控自己對應業務的報表是否有資料異常現象發生，及時發現、解決問題。如果是在部分資料平臺建設不完善的公司，資料分析師還要將當天的監控情況進行圖文描述，郵件抄送給業務方的關鍵人。

因此在做這項工作時，對資料指標的敏感性、對業務的理解都是很重要的。

資料視覺化

主要是設計視覺化看板。設計看板時的一般步驟是：確認指標、設計視覺化方式，最後如果公司購入了 FineReport等視覺化工具的，就由分析師自行使用工具設計看板，當然也可以提需求給前後端的同事讓他們進行開發。

這裡很考察資料視覺化的思維，把數字往折線圖、柱狀圖、餅圖上一套，這大部分人都知道，更重要的是需要思考，哪一種圖能夠更好的體現指標的特性和關注的目的，是看走勢，還是分佈，看絕對值，還是百分比。

這裡提醒一句話： 視覺化一定是為資料和業務服務的，切勿將視覺化效果凌駕於業務效果之上。

專項分析

專項分析是很多初入門的資料分析師非常渴望能參與的，因為上面提到的很多工作內容其實都是在輔助和配合，而專項分析則可以由資料分析師去主導推進資料專案，整體性地完成一項業務的全方位分析、分析體系建設、最佳化等，從而定位業務問題、提供業務發展建議，發現新的業務發展點，真正實現崗位價值，尤其是一些複雜、深度的分析，像涉及到建模的專案，需要做分詞、聚類、迴歸等，只能由專業的資料分析師來執行。

比如對接銷售部門，可能需要根據公司的銷售情況搭建銷售分析體系，建立銷售預測模型，生成客戶畫像；對接產品、運營相關部門，資料分析師就需要負責公司各產品線的使用者相關資料體系搭建、流程最佳化、建立AB test產品迭代體系、測試方面的專項分析。

也非常建議新人資料分析師們能抓住機會參與到一個完整的分析專案中去，這對了解分析流程和業務，以及對未來的跳槽都是有幫助的。

資料基礎建設

這個因公司而異，公司規模越大，其下的資料崗位就會越細分，會有專人去做資料平臺搭建、資料倉儲、資料分析……

但大部分的中小型公司，資料分析師往往身兼多職，建設資料平臺、做資料規範、梳理建立資料指標體系等等。

比如在梳理指標體系時，資料分析師會需要和業務一起確定當前重點關注的指標、進行優先順序排布、指標定義、統計規則、埋點規則……

這些基礎建設和定義性的工作可以說是奠基性的，基礎打好、資料明確好，後續的資料分析效率會得到顯著提升，否則面臨髒亂差的資料，第一步的取數和洗數就是一道坎。

一般來說，越初級的資料分析崗位，在前面幾個取數、做表、臨時需求溝通上面花費的時間就越多，有一定工作和業務經驗後，資料分析師們的工作就逐漸開始向分析專案、資源協調、總結上傾斜。