这个问题总能见到一些朋友问。新人问，因为数据分析这个事儿听起来挺抽象又很高大上，具体需要做哪些，大家不知道。有些已经在做数据分析的老人也会问，因为自己当前做的工作和入行之前理解的似乎不太一样。
今天就系统来说一说这个问题：数据分析师们，每天到底在干些什么?
如果对数据分析行业不太了解，教大家一个最简单的方法，就是去招聘网站上看数据分析岗位的招聘要求(这个方法适用于各个行业)，通常来说职位描述中提到的内容，就是该岗位入职后可能需要做的事情。当然，不排除面试造火箭，入职扭螺丝的情况。
下面就进入正题。因为不同行业(互联网、电商、零售、医疗……)、不同方向(产品、运营、销售……)的数据分析岗位之间仍有因业态不同而产生的差别，此处不做细分讲解，讲的是偏业务型分析师普遍性的工作内容。
比较全面，建议看完。
临时性需求的沟通和管理。
很多人以为数据分析就是和数据打交道，其实不然，沟通需求也是数据分析师们每天主要的工作内容之一，数据分析师每天会接收到来自业务方的各种需求，可以分为数据支持需求和分析型的需求。
比如运营想看某段时间内xx的xx指标的表现情况，请分析师拉一下相关数据;某个指标有异动，请分析师归因;某场活动结束了，帮忙做一个活动数据复盘……这些临时的需求在确认、沟通、开会上往往就会占用很多时间，因此深入了解业务、快速get到业务的需求和目的，合理地做好需求的管理排期，都是一名优秀数据分析师的必修课。
这里提一个建议：不要一接到需求就无脑执行，明确需求才是第一步，不妨多问问需求提供方，究竟要做什么事情、什么目的。在把数据结果给需求提供方时，再提一句：预计什么时候看到结果和反馈，我们到了那个时间点一起看反馈结果。这样的完整的过程才谈得上是一个闭环。
数据提取
数据提取简称取数，就是根据数据分析的目的或业务方的需求，从数据库中提取所需数据的过程，可以算是正式数据分析流程的第一步。但公司的大数据平台或者数据仓库建设不完善，数据基础建设不规范、或者对业务库表的不熟悉等等因素，都会导致数据提取效率较低，再加上频繁来自业务方高频的取数需求，这就导致很多人会陷入到取数的工作中，大家是否听说过sql boy、茶(查)树(数)菇(姑)的称呼，其实就是对陷入取数怪圈的数据人的一种戏称。有些新人虽然挂着数据分析的title，但每天80%都干的是取数的工作。工作第一年经常取数无需忧虑，但是这个状态保持3年以上，就一定要争取转变了。
数据处理与分析
数据处理是指对初步收集到的数据进行加工、整理，可能是数据分析过程中最耗费时间的，尤其取决于数据质量。中小型公司和小数据量的情况下，数据分析师们通常会用Excel来处理数据，在大数据量的情况下，SQL和python的使用更为常见。
明确好分析目的和分析方法，准备好数据后，就可以着手开始分析了。分析师们需要通过分析工具、分析方法对数据进行探索，从中发现因果关系、内容联系和业务规律等，为商业目的提供参考。
对于懂业务的分析师来说，数据分析的过程其实不占用太多时间，面对业务提出来的需求和存在问题，基本能快速明确分析思路。
分析总结
这是一整套数据分析全流程的终点站，通常一些临时性的分析需求，数据分析师们做一个结果和重点明确的需求回复邮件即可;完整的、复杂的数据分析，一般会使用PPT来制作数据分析报告，如果涉及到了多位业务相关人员，还可能需要做presentation。因此抓重点、PPT制作和说话的能力，也是一位优秀的数据分析是不可或缺的。
制作、维护报表
每个公司都会需要将重点关注的数据指标做到一个表中，去周期性的更新和维护，这一步就需要写sql查询、生成报表。一般公司的报表数量可能多达上百个，部分公司会有专门的报表工程师进行开发和维护，也有的公司是由数据分析师来进行。很多数据分析师上午来公司的第一件事，就是监控自己对应业务的报表是否有数据异常现象发生，及时发现、解决问题。如果是在部分数据平台建设不完善的公司，数据分析师还要将当天的监控情况进行图文描述，邮件抄送给业务方的关键人。因此在做这项工作时，对数据指标的敏感性、对业务的理解都是很重要的。
数据可视化
主要是设计可视化看板。设计看板时的一般步骤是：确认指标、设计可视化方式，最后如果公司购入了FineReport等可视化工具的，就由分析师自行使用工具设计看板，当然也可以提需求给前后端的同事让他们进行开发。这里很考察数据可视化的思维，把数字往折线图、柱状图、饼图上一套，这大部分人都知道，更重要的是需要思考，哪一种图能够更好的体现指标的特性和关注的目的，是看走势，还是分布，看绝对值，还是百分比。
这里提醒一句话：可视化一定是为数据和业务服务的，切勿将可视化效果凌驾于业务效果之上。
专项分析
专项分析是很多初入门的数据分析师非常渴望能参与的，因为上面提到的很多工作内容其实都是在辅助和配合，而专项分析则可以由数据分析师去主导推进数据项目，整体性地完成一项业务的全方位分析、分析体系建设、优化等，从而定位业务问题、提供业务发展建议，发现新的业务发展点，真正实现岗位价值，尤其是一些复杂、深度的分析，像涉及到建模的项目，需要做分词、聚类、回归等，只能由专业的数据分析师来执行。
比如对接销售部门，可能需要根据公司的销售情况搭建销售分析体系，建立销售预测模型，生成客户画像;对接产品、运营相关部门，数据分析师就需要负责公司各产品线的用户相关数据体系搭建、流程优化、建立AB test产品迭代体系、测试方面的专项分析。
也非常建议新人数据分析师们能抓住机会参与到一个完整的分析项目中去，这对了解分析流程和业务，以及对未来的跳槽都是有帮助的。
数据基础建设
这个因公司而异，公司规模越大，其下的数据岗位就会越细分，会有专人去做数据平台搭建、数据仓库、数据分析……但大部分的中小型公司，数据分析师往往身兼多职，建设数据平台、做数据规范、梳理建立数据指标体系等等。比如在梳理指标体系时，数据分析师会需要和业务一起确定当前重点关注的指标、进行优先级排布、指标定义、统计规则、埋点规则……这些基础建设和定义性的工作可以说是奠基性的，基础打好、数据明确好，后续的数据分析效率会得到显著提升，否则面临脏乱差的数据，第一步的取数和洗数就是一道坎。
一般来说，越初级的数据分析岗位，在前面几个取数、做表、临时需求沟通上面花费的时间就越多，有一定工作和业务经验后，数据分析师们的工作就逐渐开始向分析项目、资源协调、总结上倾斜。
