结束语：数据分析师职场提升的关键点

经过了两个多月的课程更新，到此，本专栏课程的内容就已经结束了，在这里我有一些话想告诉你。

在更新课程的同时，我看了很多同学的留言，特别是问我的问题。其中有一个点需要表明，在学习的过程中，千万不要纠结于形式（案例），一定要注重内容（思维），比如我是怎么思考某个点的，有哪些合理的地方，有哪些不合理的地方，哪些你能用上，怎么用？只有这样思考，你的进步才会快，你的职场提升才会高效。

职场提升关键点

对于职场人的提升，我可以给你一个这样的公式------思考表达执行上超出预期

• 思考：你要有敏捷的思考能力，我相信未来是属于这种人的。因为对于同样一个问题，你总是能有自己独到的见解，这代表你有深度思考，且这会成为你闪光点，它会潜移默化影响到你工作中的每一个过程。这确实需要平时大量的练习，包括我现在也还在这个路上去学习成长。

• 表达：你要有良好的表达能力，无论是同事还是领导之间的沟通，都要做到没有问题，这里并不是指会说话，而是会表达，敢表达，表达的准确。

• 执行上超出预期：你自己要做到在执行力上非常高效，且超出预期。超出预期的意思是超出领导对你的期望，他要的可能是 1，你要尽力做到 1.2，甚至 1.5，因为 1 谁都能做到，而超出的 0.2 / 0.5 就是你晋升的基础。事事有回应，件件有着落，回应和着落都要超出预期。千万不要当老油条，因为偷懒迟早会被发现的。

具体到数据分析这个领域，我也给你列出来了数据分析师的类型以及学习的路径，也推荐了一些较好的书籍。

数据分析师的类型及学习路径

数据分析师的类型大致分为两种：

1. 业务型分析师： 对接业务的分析师，主要工作内容是和产品团队一起完成年 KPI ，日常围绕报表、专题报告、汇报运转，比如每天的数据监控和产品的方向建议。

2. 数据型分析师： 这类型的数据分析师往往重心在内部数据产品开发上，如数据仓库，数据可视化 BI，自动化监控平台。

其中，数据型分析师，其发展方向又可以分为两种：

• 数据研发型：这个发展方向要求你对技术非常熟练，能够通过技术对数据进行分析；

• 算法型：这个发展方向要求你数学功底要好，而且课题的研究能力非常强。

那这两种数据分析师类型的学习路径是怎样的呢？

1. 业务型数据分析师

先学统计学------数据分析思维------学工具（Excel、PPT、Python、R、Tableau）------学经济学和心理学

推荐书籍：

《独立思考：日常生活中的批判性思维》，这本书可以帮你打破惯性的思维模式，突破思维上的误区与局限，训练理性与逻辑能力，让你做出最正确的判断与决策，可以让你看得更高，走得更远。

《京东平台数据化运营》这本书公开了京东平台的许多实操案例，例如关于 App 端、微信端、手机 QQ 端等无线流量的详细介绍。此外，还有关于优化搜索流量的方法和步骤，以及关于转化率相关指标的优化方法。本书贴近真实业务，有不少方法可以套用。

《机器学习》数据分析师必须要懂点算法的知识，这是人工智能领域的一本入门教材。

2. 数据型数据分析师

先学统计学------数据分析思维------学工具（Hadoop，Spark，Hive，Java）多学技术语言

推荐书籍：

《大数据之路》系统地从规范、模型、平台、应用等多层次对阿里大数据产品实践做了一遍梳理，通俗易懂地介绍了大数据平台的架构。

《数据仓库工具箱》涉及的行业较多，从不同角度体现了数据仓库的各个方面，对维度建模知识讲得很透彻。

花木老师写这个课程只是为你提供了一些思维的敲门砖，要想有真正的进步和成长，23 课时的学习肯定是不够的，你可以按照自己的发展方向去学习相对应的技能。这里再强调下，学习的过程中一定要多思考，多交流，也只有这样才能沉淀出自己的方法论。

最后呢，花木老师邀请你为本课程进行结课评价，因为你的关注是我们的专注。点击链接，即可参与课程评价。