数据分析师不是理科生的专属

">

根据我这些年来招聘、指导和管理过数据分析师的经验，要做好数据分析工作，硬技能方面需要掌握数据库查询语言（SQL）和数据处理工具（Excel），具备一定的统计学知识，能够用清晰的逻辑讲清楚业务故事，软技能方面最重要的是数据敏感性。

要掌握这些技能，对一个文科背景的同学而言，虽然面临一定的挑战，但却不是毫无机会。不过，即便是对理科生而言，要想成为优秀的数据分析师，也必须在这几个方面下一定的功夫，因而对文科生而言，固然是有机会，却也还需要投入大量的学习和练习，不断加强自己的知识储备、技能积累，确保常用工具应用熟练，才能在数据分析工作上有更好的发展。

前面提到的这四大技能点里，数据处理相对而言门槛是最低的。SQL学习只要找一本常见教材，认真学习语法逻辑，然后进行一定量的训练，普通的本科毕业生花2-4周时间基本上都可以顺利掌握常用的语法和查询命令。至于Excel，在不考虑VBA的前提下，可能是学习曲线最平坦、同时也是功能最强大的数据分析工具。互联网上有大量教程介绍Excel的常用公式和命令，只要能够大致了解其用途，很多细节内容都可以在实际需要使用时再通过搜索引擎补课。对绝大部分有志于在数据分析方向有所发展的同学而言，数据查询和处理的基础技能都不会构成难以逾越的门槛。

统计学知识方面，看起来艰深复杂，但其实绝大部分高深的理论推断在数据分析的日常工作中都很少使用，而实际使用较多的往往是那些最基础的统计学概念，包括各种基础统计量（均值、方差、中位数、分布、假设检验等）和各种基础的统计分布（离散变量的二项分布、泊松分布，连续变量的均匀分布、正态分布等），并且实际应用中往往是对统计学思想的领悟比具体的统计学概念的应用更加重要。因此，即便是文科生，学习并掌握一些重要的统计学思想，也是完全有机会学好用好的。

用清晰的逻辑讲清楚业务故事，这个概念其实包含了两层意思：

一是要讲清楚的是业务故事。这对一些更擅长符号逻辑和抽象推演的理科生而言，往往面临着不小的挑战。实际在讲故事时，为了降低受众的理解成本，逻辑必须和实际的例子相结合，例如讲到某个项目的年化净收益率很高，超过100%时，更通俗的解读是说投入100元，不到一年时间就可以收回全部成本，并且收益超过100元，其核心要点是要能够从抽象的概念对应到实际的故事。

二是必须带着逻辑讲故事。通过什么样的因，得到什么样的果，中间有哪些相关的影响因素，各种因素通过什么样的逻辑通道对结果产生影响，影响的程度有多深，这些都得讲清楚。

这两个层面的要求，对文科生而言，都没有什么特殊的劣势，甚至在某种程度上是文科背景的同学比理科背景的同学更有优势的地方。

最后一个重要的要点是数据敏感性。数据敏感性乍看起来是玄学层面的概念，但其实和我们的日常生活联系也很紧密。我有一位前同事，在数据敏感性方面超乎常人，他的秘诀是抓住一切机会锻炼自己的数据感觉，最典型的场景是，每当开车在路上遇到堵车时，拿前车车牌上的数字组合计算24点。另外还有一位朋友，每次购物的时候，遇到不同包装规格的商品折扣时，都会通过心算评估各种折扣组合的优惠程度有何不同。这些例子背后，包含的其实是一个联动的闭环：一方面，因为他们对数据有浓厚的兴趣，所以在每一个有机会分析和计算数字的场合，他们都会有意无意的展开数据计算和锻炼，这一过程的不断重复，有效的强化了他们对数据的感觉；另一方面，他们通过对这些数据的计算，从中找到了乐趣和价值，形成了关注和思考数据的正反馈，在后续更多更丰富的场景中养成了用数据来思考问题的习惯。这些过程其实也和他们是文科背景还是理科背景没有多大关系，基本上还是依靠自己的兴趣而非专业课程的学习来驱动。

以上这几个方面的分析充分说明，文科生完全有机会做好数据分析。当然，话说回来，这里面每一个方面的提升，都需要大量的学习和训练，也都不是随随便便就可以取得巨大成就的。

因此，我的结论是，文科生和理科生一样有机会做好数据分析，学科背景标签对是否能做好数据分析而言并不是一个重要的特征。但是，做好数据分析一定是需要通过针对性的去学习和提升，补强自己的短板，让自己的强项变得更强的过程。在这个过程中，建议更多的关注自己投入了多少时间和精力，学到了多少知识，掌握了多少技能，而不用过于纠结自己的文科生专业背景到底会对未来的发展产生多大的局限。