谢谢邀请数据分析师的工作职责是什么！

数据分析是专业性相对较高的工作岗位，未来要想从事数据分析工作不仅需要扎实的数学基础，还需要了解数据分析的方式方法。

与数据分析关联密切的专业有统计学、计算机、大数据（数据科学）、数学以及经济学等专业，这些专业对于数据的理解各有侧重，下面做一个简单的分析：

数学是基础学科，未来发展的弹性比较大，但是需要补学的相关专业知识也比较多。数学专业未来可以从事计算机、统计、大数据、人工智能等方向，可以说数学是现代信息技术的基础，掌握扎实的数据知识会有一个非常广阔的发展空间。

计算机学科是信息化时代的代表学科，数据分析（数据挖掘）是计算机专业的常见方向，目前大量从事数据分析（数据挖掘）的专业人才都是计算机专业毕业的，计算机专业不仅有扎实的数学基础，同时计算机专业对于工具的使用也有系统的培养过程。

统计学一个重要的工作就是数据分析，通过对数据分析得出各种结果，发现数据背后的规律从而指导决策，可以说数据分析是统计学的核心内容之一。统计学与计算机的结合一直就比较紧密，因为现代统计学要通过计算机技术来进行呈现，而统计学、计算机和数学的结合就成为了大数据的基础，所以大数据专业在做数据分析（数据挖掘）方面具有天然的知识结构上的优势。

对于大数据时代背景下的数据分析师来说，掌握一定的编码知识对于数据分析任务来说几乎是不可避免的，因为大数据的时代特征造就了数据的诸多特点，包括数据量大、结构多样性、价值密度低、速度快、真假难辨等等，这些特征如果采用传统的数据分析方法显然不能充分挖掘出数据的价值，通过机器学习等方式来进行数据分析是当前的流行做法。

数据分析专业并不需要做功能全面的编程工作，并不需要去考虑程序的系统级问题，比如并发、分布式、资源调度等等内容，只需要能通过算法设计和实现发现数据背后的规律就可以了，从这个角度来说，数据分析师的任务跟程序员还是有本质区别的。

目前使用Python做数据分析是比较常见的做法，Python有丰富的库可以方便各种数据分析，同时也能把结果比较直观的呈现出来。看两个Python的小例子：

数据分析是进行大数据价值化的重要渠道，所以数据分析未来的发展空间还是比较大的。

作者简介：中国科学院大学计算机专业研究生导师，从事IT行业多年，研究方向包括动态软件体系结构、大数据、人工智能相关领域，有多年的一线研发经验。欢迎关注作者，欢迎咨询计算机相关问题。

首先，对于一个数据分析师来说，重要的不是编程技能，也不是对机器学习算法的认识。

一个数据分析师的本职工作，就是解决问题。给你一个问题，你需要能明确问题的本质，并想清楚如何才能很好地回答这个问题。

第一，要实现这一目标，首先我们需要有良好的逻辑思维能力。问题提出之后，我们必须能冷静地对问题进行拆解，弄清楚这一问题背后真实的目的，这样，我们才能有的放矢，不会做无谓的工作。

第二，弄清楚问题之后，我们需要熟悉常用的数据分析框架和概念。比如最常见的对比分析、结构分析、横向和纵向的对比等，不要小看这些基础的知识，往往你工作中绝大多数的问题都只需要使用最简单的工具。分析方法并非越高级越好，而是越对症越好。

第三，你需要构建适宜的评估指标。比如老板让你分析一下网站用户的黏性，那么什么是黏性？我说我比你对网站更忠诚，可信吗？不可信。我们要将定性的东西给量化，互联网公司只认数据。针对这个问题，我们可以定义一些指标，比如用户日均活跃时长，比如用户平均每个月活跃多少天，比如用户分享给其他人的意愿（可以用分享次数等评估）等等，我们将一个难以捉摸的黏性用各种各样的行为数据量化了出来，这样我们就知道了哪些用户是更忠诚的用户，哪些用户有更高的价值，有更好的黏性。

第四，明确了目标，就需要考虑如何得到这些数据了。大多数互联网公司会将数据放在大数据平台或者数据库中。比如Hadoop平台（hive、hdfs等）和MySQL、MongoDB等，你需要学会它们的使用。另外，Excel、Python、R等也是数据分析的好工具，可以针对性地进行学习。

第五，你需要有良好的统计学基础，大多数的任务不需要你掌握太高级的统计学，但你要对数字有基本的认识，知道如何从数据中发掘信息。

第六，你要对互联网行业常见的指标有所认识，比如PV和UV的区别，比如CTR/CVR/DAU等，还有广告领域的CPC/CPA/CPM等，你不认识它们，在工作中就会频繁卡壳。

第七，你要知道如何呈现你的数据。数据分析师一般会面向管理层，管理层不会花太多时间看你数据处理的过程和细节，它们要的是一个结论。因此你需要将你的分析逻辑和结果清晰、美观、高效地展示给他们。因此对于基本的可视化原则、工具和方法，你要有所认识。

第八，也是最重要的，你必须要了解业务，你要比产品经理、比项目经理、比其他所有人更加深入一线，了解业务。只有了解工作的所有细节，你才能更有洞察力，才能更加轻而易举地发现问题。比如某个行业一到周末数据就会下降，在你不了解这个业务的细节时，很可能会产生各种无端的猜测，很可能花费大量精力却找不到症结所在。

一个好的数据分析师，必须要有抽丝剥茧、大事化小的本领。至于你自己，是否能胜任，我们不好判断。但你最好的选择，就是看一下各大招聘公司的JD，也就是职位描述，看一下你是否能胜任它们的要求，是否能完成他们所描述的日常工作。如果不能，不妨针对性地进行一些训练和学习，在面试的时候尽量有的放矢地进行回答。

说起来，你的工作能力和能否得到一份工作并不是完全划等号的。有些时候面试就是看眼缘，对上眼儿了，工作就到手了。你不妨投简历去试一下，说不定机会就在眼前呢？