[[114687]]

這一切的背后，需要一套完整的「科學」邏輯框架，讓你了解自己手中的工具的本質，你才能從數據中「正確地」發現有效的信息，而不是胡亂地使用一大堆自己都搞不清楚的工具來堆砌分析結果，這樣得到分析結果不僅無用，而且有害。

知道了這些后，希望成長為「數據分析師」，就需要著手訓練自己的能力和洞察力。既然是「數據分析師」，那就分別從「數據」和「分析」兩方面入手。

「數據」當然包含了數據收集、處理、可視化等內容，每個環節對于***的結果都有關鍵性的影響。其中涉及的技術性內容只是一部分而已，更重要的是你要理解數據收集(是否存在采樣偏差?如何糾正或者改進?)、處理(是否有漏洞或異常情況沒有考慮?)背后的邏輯。

例如：如果分析股票數據用于設計交易策略，那么你不僅需要明白數據處理本身的問題，還要清楚金融市場的基本知識。例如，使用股票價格時，到底要用收盤價，還是復權價;復權價的話要用前復權價還是后復權價。這些選擇與數據分析沒有太大的關系，純粹決定于你分析的目的是什么。因此你要充分了解這些概念背后的邏輯、動機是什么，才能正確地根據自己的目的作出選擇。

數據可視化更多的是一門藝術：如何把信息以最恰當的方式呈現給希望獲得這些信息的人。首先，你要充分理解這些信息究竟是什么，有什么特點，你才能較為恰當的選擇采用的可視化工具。

另外一部分就是「分析」。當然就是各種分析模型，還是需要了解這些模型背后的邏輯，要放到整個項目的上下文中去看，而不是單純地在模型中看。

總而言之，「理解」數據以及其中的信息是非常重要的，這決定了你的分析和呈現的方法是否合適，決定了***的結論是否可靠。

現在可以回答題主的問題了：成長為一個數據分析師，要注意「理解」你的知識，形成一個系統，而不是像機器人一樣機械地胡亂套用模型。在這個理念下訓練你的編程能力，了解你所分析對象的原理和盡可能多的細節。在這個基礎上，才能談數據分析。