我为什么选择做数据分析师？
我大学专业是物流管理，学习内容偏向于管理学和经济学，但其实最感兴趣的还是心理学，即人在各种刺激下反应的机制以及原理。做数据分析师，某种意义上是对群体行为的研究和量化，两者有一定的关联。
数据分析师的种类？
我觉得面向机器，实现自动推荐的，应该算数据挖掘工程师吧；而面向决策支持，需要人工艺术性介入的算数据分析师。两者的界限并不明显，前者其实也是决策支持，只是更依赖机器和算法。总的来说数据分析师的核心都应该是量化和支持决策。针对实际问题而言，编程和算法并不比简单的汇总和排序更高明，解决实际问题的能力决定了选用哪种工具。
数据分析师需要的知识？
心理学、经济学、管理学(营销、财务、供应链)、统计学以及数据挖掘，前面是决定能否做正确的事情，后面是是否有能力实现。工具的话，SQL、EXCEL、SPSS(Modeller)、R、SAS、python、C(++)，顺序是按照我掌握的东西排序的，大部分的东西前2个可以解决(小样本的数据处理可视化等)，算法的话我比较喜欢工具性的东西(文科生通病啊)，SPSS MODELLER做的比较人性化，而且有软体供大家学习，不像SAS。如果要学另外一门语言的话我选择R和python，python做前期数据抽取和处理，R运行算法和可视化。自己改进算法，像我这种文科生做不来啊，我有自知之明，我用工具。可能还要涉及一些XML、JSP、HTML、正则的一些知识，繁杂！
对于偏文的人群来说，我觉得难点可能在前期的数据的预处理，以及输入字段的选取以及后期结果的解读。
数据分析师应该去哪些企业？
如果要有较高的回报的话，还是要去数据驱动的有钱的企业。一般的电商公司(巨头以外的)都是以营销和供应链为核心的，数据虽然人家口头上也重视，但并不给较高的估值(价值难以评估)，还因为分析师做的东西容易沉淀和复制，难免沦为工具，另外这类公司技术上的成长比较低，很容易碰到天花板，碰到二逼老板没办法，但营销方面的东西接触的更多点。最好的还是去游戏公司吧，产品少，数据分析师可以全程参与，价值比较容易识别，游戏公司赚钱回报就可观。如果觉得自己可以的数据分析师，如果去小公司还不如做运营，真刀真枪的干。大的互联网公司以及广告公司都算比较好的选择，传统转行互联网的，关系就比较繁杂。
数据分析师陷阱？
因为我文科方面(管理学)的训练，我倾向于把编程和算法，当做帮助企业做出更好决策以获得更多短期或者长期的利润的工具，主要做的事情就是预测、量化和决策。有的公司数据分析师经常写PPT，但我基本不写，因为当你把数据做到A>B这种显而易见的决策情景下时，写个报告多此一举(我认为实施行为的人写更为恰当，需要数据分析师统合的大的专题除外)，而且写报告是比较慢的一种反馈方式，有问题直接沟通就很好。PPT用来做系统的分析以及报告说服别人。
陷阱我说的是，无意义的炫技术(编程出身的人吧，文科生做不来)，不愿意掌握工具(文科生做的出来)，以及为了分析而分析，没有增加自身对商业和人的理解，也就是说工具化。工具化就是说，实际上你和程序员差不了多少地。我不认为数据分析师是程序员，我更相信它是商业洞察与数据处理分析能力的统一。商业洞察能力强，又有实现能力的数据分析师更难得吧。
数据分析师钱景？
我认为短期内数据分析师钱景还是挺好的，供给还有缺口；但是长期来看，各种云分析服务和技术发展会将现在非常规的技术和决策变为常规，纯技术流的发展可能受到限制(程序员再扛鼎o(╯□╰)o)。能提供十分有意义的个性化定制服务的数据分析师估值更高活的更久吧。
文科生做数据分析师也挺好的，工具上要补课。
