“21世纪什么最贵，人才”，在目前大数据时代下，什么最难找，什么最贵，实现数据价值的人，数据分析师。
但是对于数据分析师的认识，比较极端，但对数据分析师价值的认识正在回归理性。很多人对数据分析师的期望，是无所不能，向诸葛亮一样“指点江山，运筹帷幄”，招了数据分析师，好像一切困难迎刃而解。
的确，好的数据分析师可以在企业中发挥很大的价值，可以对公司未来的用户行为进行提前预测，从而为营销人员提供更好营销参考。例如，以下案例：
女儿竟然怀孕了？！
美国第三大零售连锁超市Target的一家店铺，一名男子闯入进行抗议：“你们竟然给我女儿发婴儿尿片和童车的优惠券？！要知道她才只有17岁啊”。出于客户服务的需要，超市经理立刻代表公司进行道歉。
然而，若干天后，这位父亲再次来到这家超市，很诚挚的向超市经理道歉，原来女儿真的怀孕了，而做父亲的没有察觉，竟然是一家超市提醒了自己，这位父亲感到很愧疚。
送走了愧疚的父亲，超市经理忍不住好奇，向公司总部询问我们是怎么做到的。原来Target的大数据工作部门通过数据挖掘的方法“猜到了”这位女士已经怀孕。
如何“猜到”怀孕
-Target的大数据工作团队，通过数据挖掘模型在数据仓库中找出25项与怀孕高度相关的商品，制作“怀孕预测指数”。比如他们发现女性会在怀孕四个月左右，大量购买无香味乳液。以此为依据推算出预产期后，实施精准化营销，抢先于竞争对手将孕妇装、婴儿床等折扣券寄给客户。这也是前述案例发生的根源。
上面可以看到，Target实际上通过如下几件事情完成了“猜测”客户怀孕，并进行营销的过程。
• 数据仓库
-基础数据的梳理。
• 数据挖掘
-数据到信息的提炼。
• 精准化推荐
-信息到营销方案的实现。
母婴年龄标签的意义和价值
• 精准化营销，提升营销效率
-预知用户可能需求，从用户出发，进行精准化推荐，提升营销效率。
• 提前关怀和激励，增强用户粘性，提升用户重复购买
-提前预知未来用户群的分布特征，通过营销活动，关怀并激励用户，增强用户粘性，也可针对性引导用户进行重复购买。
• 把握用户需求，优化品类结构，提升库存周转
-根据未来用户群的分布特征，预知可能消费状况，采购备货时即可进行参考，在用户未来需求量大的商品上，加大SKU的宽度和深度，减少需求量小的SKU库存深度，实现优化品类结构、提升库存周转的目标
但是现实中的数据分析师，经常开玩笑说自己是民工，是专门“搬砖”，好像没有做那么高大尚的工作。在实际中的很大一部分时候是在写代码，取数据，处理临时需求，一起来看看几个场景：
场景一：开会数据又“打架”
A公司管理层会上，张三部门领导给出的数据说XX指标是在上升了。李四部门领导给出完全相反，XX指标是在下降了。等讨论完数据口径，会议时间到了。
老板内心OS ：又白开了，我必须要招个做数据的人，你们就别出数据了。
场景二：脑袋一拍，目标就来
B公司运营团队在做一档大促，活动方案已好，但目标多少。领导脑袋一拍，直接3X！
运营团队内心OS：领导，到底还能不能好好的玩耍？不是说好数据化运营的吗？
场景三：亲，快给我数据
亲，昨天要的数据好了吗，要定活动目标了？ 分析师内心OS ：今天又要工作到明天
亲，明天老板开会，快给几个数据吧！分析师内心OS ：XXX，我刚到家又要加班
亲，销售掉了，看是不是数据有问题？分析师内心OS :明明就是你业务掉了。
那一个数据分析师具体工作内容有哪些？企业的价值是如何体现？
数据分析师是从数据的角度帮助公司业务团队监控、定位、分析、解决工作中的业务问题，然后通过数据产品把“洞察”、“知识”结构化的沉淀下来。例如：
所以数据分析师的工作内容分为四个层面：
1、处理临时需求：解决业务一次性，临时性的数据需求
2、报表开发：根据业务需要，与开发工程师讨论进行相关报表开发。
3、数据分析与挖掘：与业务同事一起沟通，分析业务问题，提供建议; 根据业务需要建立各类挖掘模型。
4、数据产品化：通过数据产品化方式解决结构化业务问题。
几点经验分享：
一、有临时需求的企业才是有生命力的企业，为什么这样说？
临时需求的产生来源
Ø 新业务出现
Ø 业务发展过程中会不断出现问题
Ø 业务发展过程中需要不断调整优化
Ø 管理层各类思考，你懂的
Ø 报表不可能满足所有看数据需求
二、不要把临时需求仅仅就当做一个取数工作。学会梳理，管理代码。
三、把临时需求做为一个了解业务，学习&熟悉业务，发现业务问题的工具。同时与通过各类临时需求的处理，为业务方提供满意的，为后续各类工作的开展打下基础。
四、不要设计大而全的报表，这种报表基本上”鸡肋”。
五、对报表一定要进行生命周期管理。
六、对大多数据企业来说，数据主要还是服务“内部”顾客
