这一期我的数据分析交流群讨论一个话题，关于从事数据分析岗位，你踩过哪些坑，小伙伴们都踊跃参与的讨论，也让我学到很多经验，借此整理了一些大家回答中的干货，希望能够帮助大家，在数据分析的道路上，少走弯路。
话不多说，高质量群员分享附上!
讨论话题
数据之路上，你踩过的那些坑?
不论是已经从事数据行业的朋友，还是正在学习数据分析的同学，相信大家或多或少都踩过一些坑，绕过一些弯路，欢迎大家分享自己踩过的那些坑。
实用回答分享
感谢大家的分享!有些同行的回答，真是数据分析人的血泪史。想进群一起交流讨论的可以拉到文末。
关于这个主题，我也简单给大家讲讲几个我认为最常见的坑。
学习上的坑
1.投入过多精力学习工具，而忽视了基础思维概念
我一直不提倡想要入行数据分析的人蒙头就学各种分析工具，学会了R、Python和各种BI工具后就觉得已经成为一名合格的数据分析师了，这根本就是错误的想法。像我自己在给新人面试的时候，一般都会先问问基础的统计学概念和考察业务思维，这两点没过关，技术再好我也是不会录用的。
2.这么多工具，全部都学一遍总不会错吧
大错特错，我相信大多数企业更想要精通某一方面的专才，而不是什么都只懂一点人。数据分析相关的岗位很多，涉及到的工具技术也很多。有的业务口侧重的是Excel、sql、python和BI，也有岗位偏好用SPSS，如果是技术口的数据分析，则对数据挖掘和一些大数据技术算法有较高要求。所以在选择入行转行的时候，就要确定好自己的发展方向，侧重岗位重点要求的几个技术，重点去学习。
工作上的坑
1.求职的时候，公司面试造火箭，入职拧螺丝
已经听过不少朋友反馈，自己入职后的工作，和当初投递岗位的描述根本不一样，岗位描述高大上，实际入职后基本都在取数做表。这就是典型的画大饼的公司。所以在面试的时候，一定要和你入职部门的面试官详细问清楚你入职后需要做的工作。
2.业务需求没理清，就开始闷头分析
这是工作中的大忌。需求分析和核对是分析之前非常重要的一个环节，尤其是碰上了你不理解或者是模棱两可的需求，更需要和业务确认清楚。这一步如果没做好，后面可能需要花费更多的时间和业务去扯皮，甚至有可能做出来的分析和业务想要的完全不一样。
3.各部门的数据指标不统一
这个问题昨天有群友也反应了。很多公司同一个指标，不同的部门都有各自的统计口径，最后的分析结果会有很大的差距，各部门都不理解。这个时候，其实数据部门的人可以牵头去统一指标口径。
再次感谢大家的参与!很高兴能看到这么多同行积极讨论，乐于分享，希望在大家的共同努力下，数据分析这个圈子能够日益良性发展。
