学姐|“菜中之菜”快手学姐-升职记 python|数据分析|excel|快手|升职

工作第一年——菜中之菜

文章插图
1.数据体量小，工作枯燥，没有技术含量
我刚开始工作的第一家公司很小，用户数据也很少，职位是数据运营，但操作数据的机会不多。每天的工作基本只是上下线产品，传图片，和产品、技术扯皮之类的。
我能分析的数据基本都是手动录入的，后来投放的力度增加后，可以从后台导出的一些数据。那时候很多基础的数据分析工具我还用不熟练，会excel就可以了。
2.自学难，不系统
随着业务数据量的增多，我开始精进Excel能力，关注公众号、搜b站视频自学技巧，再自己爬一些数据练习。自学一段时间后，我的工作效率确实有一定提升，但是知识是零碎的，不系统的，总是用完一次就忘记了。而且出去面试也没办法转岗，根本就不懂统计学的相关知识，面不到数据分析岗。
工作中的转折——换工作+系统学习
1.为了更好发展，我报名开课吧开始系统学习
后来我跳槽到了一家金融公司，数据量依旧不大，但是涉及的面比较广，有好几类数据（用户端、合作方端、平台端）。为了能够系统学习数据分析，我开始关注开课吧的课程。听过几次公开课觉得还不错，后来就抱着试试看的心态报名了同事推荐的数据分析全栈工程师课程，每周跟着老师开始了系统的学习。
2.从背数据开始了解业务
新工作挑战特别大，因为部门就我一个做数据，任务很重。刚开始工作时，我通过背数据了解业务。嗯，没错，背数据！
头部产品日均uv、注册量、销售额，月度数据、周数据......每天早上到公司，我会先背一遍最新的各种指标。久而久之，我也就做到了“心中有数”。开会领导问起来，我可以不用看数据表就能说出相关数据和转化，也能一眼看出哪些数据有异常，赶紧测流程，发现bug及时止损。对于投放产品的定价，也能给商务有价值的建议。
逐渐的，我建立起了对数据的敏感度，对业务有了更深的理解。说到数据敏感度，很多数据分析的职位JD 里都有提到。电影里那种对数据过目不忘的天才极少，作为普通人，我觉得数据敏感性是建立在对数据的了解和熟悉上的，然后再从经验中慢慢获得。
3.Python语言学习，帮助解决工作问题
因为部门就我一个做数据运营的，于是日报周报月报都是我来做，每天的数据不多，但是非常杂，如果用Excel，我得重复十几次同样的操作。我是个很懒的人，太多机械化的工作，真得很让人恼火。这一阶段，我学的【数据分析全栈工程师】课程正好学到了Python自动化办公，很好的帮助我解决了这个问题。
其实Python的语言逻辑比较简单，很容易理解，而且学习之后老师都会给到数据实操，越用越熟练。最初日报要花一上午做，用了Python之后半个小时搞定，包括下载数据，美化表格，写邮件。
因为工作效率的提高，领导也交给我更多的事情，接触的业务也就扩大了。技能方面，又学习了sql，入门了python之后学习其他语言就容易多了
4.拿到了开课吧内推快手的资格
忙碌的工作加上学习，不知不觉完成了四个月的课程，期间深度学习了电商数据分析和电商用户画像的分析的课程模块。
加上我对电影数据分析那部分听的比较认真，关于电影和短视频类业务也有自己的见解和看法，所以在班主任的帮助下，争取到了快手的内推名额。
5.晋升——中级数据分析师
在快手，我的工作内容是纯粹的数据分析了，没有运营那些杂事。数据量比之前的两个公司大了很多倍，日报用Excel还行，周报、月报就只能用Python了，Excel根本带不起来。
对于业务的理解，作为一个数据分析师，是最重要的事情，不是去描述事件什么时候发生、如何发生、产生了什么影响，而是要根据这几样，去告诉业务组或者领导，如何去优化，之后会往什么方向走，怎么提升业绩，这才是最重要的。
【 学姐|“菜中之菜”快手学姐-升职记】但是给出建议要慎重哦，要和业务方、领导层的需求达成一致，或者给出他们新的维度，不要盲目的自信，对大家指手画脚。
道阻且长——送给你们的话
Part 01
技术还是业务，想清楚自己想走哪条路线
我一开始就想走业务，因为我比较想接近前线一些，可以更好的了解部门业务甚至整个行业的变化。而且感觉走业务和领导沟通更顺畅，毕竟我们是给公司赚钱的人~
如果是技术路线，编程功底是不能少的，Java、Python、sql、hadoop之类的是一定要熟练掌握的。此外就是算法、统计、数学功底也要扎实，计算机和统计专业的比较有优势。技术路线、尤其是算法好的同学可以去选择数据挖掘、数据科学家，入行工资会比数据分析还高一些，目前还不太清晰这类人群的天花板，但是我觉得门槛太高不适合我。