一、数据分析师的工作范围

（一）基础工作：包括数据提取；数据基本统计指标分析；数据报表开发等。

首先是基础的数据统计指标分析工作，即大家喜闻乐见的“表哥(姐)”。提到这部分工作，分析师们是又爱又恨，恨的是感觉没有太大价值，还遍布于日常工作中，想逃离又逃不开；爱的是大部分分析师能力真的止步于此，如果没有这部分工作，可能就要考虑失业的问题了

（二）分析工作：包括埋点分析；波动、作弊分析；AB实验分析；专项、商业分析报告等。

进一步是随着业务发展相应的分析工作，包括波动，作弊分析等规律性分析，AB实验分析以及更种专项分析报告，这部分需求对分析师的能力的要求远远大于基础工作，这里涉及统计学种假设检验知识，业务逻辑思维以及对行业的认识和理解。

（三）建模工作：包括指标体系；相关&因果关系分析；数据趋势预测；资源配比优化等。

再之后就是建模工作，建立业务模型，构建指标体系是分析师的核心技能之一，面对业务发展问题，一些相关或者因果关系分析，趋势预测的问题也会比较常见。

二、数据分析师的重要职责

（一）制作报告

作为一名分析师，需要花了大量时间来制作内部报告和对外客户报告。这些报告为管理层提供趋势以及公司需要改进见解。

编写报告并不是将数字汇总发送给领导那么简单。数据分析师需要了解如何用数据创建叙述，为了保持价值，数据分析报告要一目了然，简单易懂的方式展现答案和见解，因为决策者或者上级领导不一定也是数据分析师。

（二）发现重点

“成功的数据分析师了解如何用数据创建叙述。”

为了生成那些有意义的报告，数据分析师首先必须能够看到数据中的重要部分和模式。

定期递增报告（例如每周，每月或每季度）很重要，因为它有助于分析师注意到重要的部分是什么。

（三）收集数据并设置基础设施

也许分析师工作中最技术性的方面是收集数据本身。但通常这也意味着数据分析师要与网络开发人员合作并优化数据收集。

挖掘数据是数据分析师的基本工作职责之一，简化数据收集同样也数据分析师的关键。因此分析人员需要一些专门的软件和工具来帮助完成工作任务。

数据分析师使用哪些工具？

数据分析师依靠各种工具来收集和理解数据，使用专门的工具从社交媒体、新闻网站和杂志上高效地收集数据，并使用工具对数据进行分类和分类，以便在报告和演示文稿中可视化这些数据。

一些常用工具有：

DataMelt

KNIME分析平台

OpenRefine

Orange

R

Tableau Public

Trifacta Wrangler ……

几乎每个行业的公司都需要数据分析师，从医疗保健提供商到零售商店再到快餐连锁店。数据分析师为企业带来的洞察力，对于那些希望了解更多消费者信息或终端用户产品的企业来说，是非常有价值的。

不管他们在哪个行业工作，数据分析师都希望有足够的时间来开发收集数据的系统，并将发现汇编成数据报告，以帮助改善企业带来更大的价值。

分析师可以参与分析过程任何部分的工作内容。作为一名数据分析师，可以参与从建立分析系统到基于收集数据提供见解的所有工作，甚至可能在数据收集系统中培训其他人。