如何做数据分析,如何自己找数据分析项目来做？

摘要给大家提供两个公开的数据分析项目来源如何做数据分析：阿里天池阿里天池://tianchi.aliyun.com/ 是国内数据科学竞赛平台，有奖金可观的实战竞赛，也有供学员备战的学习赛。对刚入门数据分析

给大家提供两个公开的数据分析项目来源如何做数据分析：

如何做数据分析,如何自己找数据分析项目来做？插图

阿里天池阿里天池://tianchi.aliyun.com/ 是国内数据科学竞赛平台，有奖金可观的实战竞赛，也有供学员备战的学习赛。对刚入门数据分析的同学来说，学习赛是不错的选择。在提高技能的同时，还能对标其他同学，确定自己的竞争力。

下面是几个较容易上手的学习赛项目：

1. Airbnb短租数据集分析赛：

://tianchi.aliyun.com/competition/entrance/231715/introduction

这是一个较为开放式的问题，侧重分析的思路，是练习数据分析的最佳项目选择。

2. 零基础入门数据挖掘 – 二手车交易价格预测

://tianchi.aliyun.com/competition/entrance/231784/introduction

这是一个典型的回归问题，也是机器学习最容易上手的项目。

3. 零基础入门NLP – 新闻文本分类

://tianchi.aliyun.com/competition/entrance/531810/introduction

这是文本处理、NLP的入门项目。

除了学习赛，阿里天池还有竞争程度激烈的竞赛：如算法大赛、程序设计大赛、可视化大赛、诸神之战等，同学们可以根据自己感兴趣的发展方向选择比赛项目。

KaggleKaggle（:///）成立于2010年，是一个进行数据挖掘和预测的在线竞赛平台。Kaggle上的竞赛有多种，如奖金高且竞争激烈的 Featured项目，相对入门级别的Research项目。

Kaggle项目虽然不限制编程语言，但绝大多数队伍会选用Python和R，所以你需要至少熟悉其中一种。

下面是三个入门级的经典项目：

1.Titanic: Machine Learning from Disaster（泰坦尼克：从灾难中学习）：

:///c/titanic

2.House Prices: Advanced Regression Techniques（房价预测：高阶回归技巧）

:///c/house-prices-advanced-regression-techniques

3.Digital Recognition（数字识别）

:///c/tmlc/notebooks

英文好的同学可以选择Kaggle的项目来练习，这是一个受国际认可的数据科学竞赛平台，在这个平台上成绩靠前的同学，是不愁找工作的，都是别人来找自己。

过往经验当然，除了上面的项目，平时工作中多数也会用到数据分析，你可以从之前工作中总结数据分析的思路。

虽然数据不是你处理的，但是分析的思路是通用的。

数据分析是为解决问题而生的，过去积累的通过数据发现问题进而给出解决方案的经验，是数据分析的精华所在。不要忽视哦！

我之前有整理过50多个数据分析项目，想要的话转发本文，私信我“项目”获得

如何做好一名数据分析师？

相比问这个问题的人应该是刚入行数据分析的，那我就以过来人的经验，说说入行数据分析师3年的成长要点和规划。

为什么要定义3年呢？这个行业基本3年内都是助攻，偶尔能成为主攻，助攻基本都是提取数据、处理数据、核对数据、写常规的分析报告，基本很少参加项目的讨论。

去看招聘信息时，这个时间内的分析师还是以技术、工具为主，因此3年内大家大部分时间都集中在工具、技术的研究，没办法，要先活着，得有份工作，3年后许多分析师才慢慢会有自己的思考和职场焦虑。

下面的几个点，也是我曾经用到的一些要点和思考，欢迎交流

一、断章取义（用数据说谎）经常看到一些人写文章，大多数人引用别人的数据，用一张看似完美的图表，来疯狂做自己的观点输出，然而你仔细看看数据报告的背景she’ji、数据的来源、统计的口径、时间维度等，你会发现他的观点其实是在自圆其说

举个栗子：都说转行AI即可年薪50万，转行数据分析即可30万，市场需求几千万人

聪明的人都会去看这个分析的背景，前因后果是什么？指标的定义是？数据可信度多大？

在数据分析中最重要的不是数据看到的结论，而是数据背后的意义

你的分析对象是谁？你的数据如何采集的？你的统计口径又是什么？这些都至关重要，带着这些问题去看一份报告，你才会产生自己的看法，而不是被别人套路，盲目跟风，到头来你还是一场空

这种深度思考报告的背后比看报告更有价值，你可以不是专业的数据分析师，但你必须要有数据分析师的思维

二、缺乏深度（长期养成）我们在看待任何问题时候，往往要多一些场景的假设和验证，你才能看透某件事情，比如前几天一个学员，给我发来一份简历，让我帮看看，我看到这么一句话：

工作成就，在XXX项目中帮助公司实现用户60%的增长

第一眼，我看过去，我靠，牛逼！但仔细想一想，还有几个问题有待商定

1、站在管理层，你花了多钱换来60%增长？

2、站在同行，你这个活动的特点是什么？和以往类似的活动比，这次真的好吗？同时期竞争对手在做什么？

3、站的数据分析师角度，你这个活动的时间维度是什么？有没有排出行业本身的因素（季节性、自然），活动评估跟踪的方式是什么？数据如何采集

4、站业务的角度，你对比的是什么时间，这个时间前后有没有什么事件发生，最近一段时间用户的增长程度如何？对比是2个数据的比较，一个过大、一个过小，很容易完成60%

等等，还有很多要考虑的

所以当我们看待一个问题时，一定要站在整个公司不同人、不同级别的程度去看待某个业务，这样你后面的思路和深度会更加清晰，一定要养成这种习惯

三、学会梳理（值得拥有）好多人学了几百G的视频，看了几十本书，换来的还是职场的现在的自己，在职场一定要定期学会梳理自己的知识体系，最简单的方式就是拆分自己的各种技能看不足之处，再设定目标去改进，最后在阶段性对比，看看到底有没有改变，拆分、对比、合并也是数据分析师常态化的思维

其实职场的关键技能学习也就10年的时间，10年后也许你看的书都是管理类、商业类、社会类的书籍，如何你不能清晰的梳理自己利弊，那么你薪资和职场很难一帆风顺，别人并没有看到你过人之处，高手与低手差别并不是在于工具、而是在于你看待问题的深度、广度

我经常也看一些学员的学习笔记，也希望大家多看看别人的笔记，特别同在一个学习小组，学同样课程的，每个人认识和认知都是不一样的，结构化思维拆分的方式也肯定不同，有的喜欢从课程难易程度去分解，有的喜欢从整个数据分析流程去梳理，有的喜欢从不同算法的场景去归纳，这些对你梳理都是很有帮助的，师夷长技以制夷，不要老去吐槽别人，要善于吸收别人的体系，融合成你的体系

举个简单栗子，指标体系一般是一个分析师常具备的技能，很多人梳理指标体系时，只是罗列了N个sheet，并没有去归纳和梳理

在企业里面，你常常会看到很多优秀分析师做出来的指标体系，让大BOSS会高声喊赞，注意几个要点

1、大而全，一定要站在公司未来发展的战略上去详细梳理，梳理出目前拥有和未来一定要有的

2、归纳，根据业务的形态对指标进行归纳，比如规模类、趋势类、盈利类、驱动类、核心类等等，类似聚类分析一样，给指标做出业务的画像

3、电路图，我们都学过电路，知道并联、串联，那一样要将这些指标与业务场景和发展的周期进行电路分析，那些指标是串联的，那些是并联的，那些是可以递推的，这点很重要

4、落地，要梳理出什么指标是日报用的，什么是周报用的，什么是月报看的，指标异常的设定，达到什么程度时，我们一定要介入专题进行分析

5、给领导的呈现和概述一定要简介，就好比电视遥控器一样，按一下通俗易懂的按钮，就能获得相应的内容，这不仅仅是目录

四、迅速提升（自我模仿）要模仿什么？当然是别人、你觉得优秀的分析思路、分析报告

一定要多看看行业报告，行业报告一般都是一个行业的通病和关注的核心方向，要提炼其中的思路转变成自己的，主要关注3点：1、整体报告逻辑；2、指标体系的设定；3、分析的角度；

光有这些还是不够的，还要学习方法论，这里的方法论不是算法，可以理解为商业分析模型，比如5W2H、SWOT、用户生命周期、漏斗、AARRR等等，这些框架样式的模型就是你分析的思路，剩下的就是指标的设计和分析体系，看似简单却很难，这需要大量的项目或者企业内部的优化。

模仿很懂，从行业的数据产品工具出发，理解这样设计的意义及行业的痛点、分析的方向是什么？

多去看一些数据产品的设计，比如网站分析，看GA、百度统计，APP看友盟、ThinkingData等，用户行为就去看看CRM、神策、GrowingIO等，有的产品工具把每个主题进行了划分，而且里面的呈现方式都是经过好多迭代的，拿迭代的依据就是他们客户的需求，这就是你要分析的方向，未来要关注的，提早做好储备的方向。

五、建护城河（自我造血）闭着眼睛想一想，一个月的薪水除了支付房租和日常花销外，几乎没有剩余，甚至还有负债，而你唯一的收入是“工资”

换句话讲，没有了工作，吃饭都是问题，设想一下，离开职场了，我们的活路在哪？

用2个常用的逻辑：

推理思维：家里没钱，要上班，不上班没人给钱

演绎思维：被公司KO了，我就完蛋了，要努力干好，可领导不好把控

那还有活路吗？

做生意？没头脑

要创业？没资金

要赚钱？没路子

要暴富？没人包

那不妨就从3方面全面提升

1、让自己变得更专业，知识与职场的锻造