不光是数据分析师，我们每个想进步的人在每完成一个项目甚至每天都要自省，自己沉淀了什么，有哪些优点要坚持，有哪些问题要改进。要明确并学习自己所在行业的趋势、道、术、器，并践行。
作者：黄小伟，先后从事游戏、社交及金融数据研究及应用，目前就职网易杭州
行走数据分析江湖，除了薪水，我们还应该怎样去思考？完成多个项目，沉淀了什么？其实归结起来，无非以下几点：
- 取势--顺势而上则事半功倍
- 明道--明确自己的战略和方向
- 优术--探索、积累实用的策略
- 利器--四两拨千斤
- 践行--知行合一
一. 数据分析之势
势即数据环境和数据分析的内在驱动力。主要在于以下两个方面：
1. 行业
---行业的规模，市场价值有多大
---业务变化，业务的稳定性、迭代速度
---外部竞争，所从事行业是否面临剧烈的竞争，还是地位稳固
2. 企业数据环境
---数据文化，重点就是流程、规章制度、数据认知水平
---顶层设计，数据文化和业务改革最好由顶层开始发起，所需成本最低（当然，你也可以自己尝试～）
二. 数据分析之道
道即数据分析的框架和方向。主要在于以下三个方面：
1. 价值认同
做数据科学，必须先要认同数据的意义和价值。
2. 商业模式
理解企业的商业模式、发展阶段、价值链路。 数据分析的最终目的是服务于企业的增长目标。
3. 工作定位
对数据分析的价值有清楚的定位。 数据分析应该对业务有实际的指导意义，而不应该流于形式。简单而言，就是出奇守正，即基础工作+创新工作，二者要有所权衡！
三. 数据分析之术
术即方法，包括数据分析的流程框架及具体分析方法。
1. 数据分析的框架
在整个数据分析框架中，用户是数据的来源，也是数据分析最终要服务的对象。 整个分析框架可以分为四大层次，依次是:数据规划、数据采集、数据分析和数据决策。
做数据分析应该把重心放在最有价值的分析和决策两个层面上，并且尽可能使用工具实现底层的自动化操作。
2. 数据分析的方法论
数据分析应该帮助我们不断优化营销、运营、产品、工程，驱动企业和用户的增长，而不是为了分析而分析。有两个常用的模型：
1）AARRR 模型 ：Growth Hacker (增长黑客)海盗法则
2）PRAPA模型：诞生于端游时代，其体系围绕在投入和回报层面较多
3. 数据分析的具体方法
不同行业、不同场景需要相适合的分析方法，诸如路径分析、A/B测试、客群分析、留存分析等。
四. 数据分析之器
器即工具，分析方法与思路得以落地的媒介。那么，如何选择合适的分析工具？
选择什么样的分析工具，跟你的工作岗位、分析场景息息相关。每种场景都有若干种工具可以选择，有些工具也可以用于多种分析场景，关键在于你对工具的熟悉和理解。
- 数据采集：Google Analytics、GrowingIO、Hubble等
- 数据清洗：Hadoop、SQL等
- 可视化：Tableau、网易有数等
- 统计分析：R、Python等
五. 数据分析之行
行即行动，知行合一。取势、明道、优术、利器和践行相互结合，才可以在实践场景中有所建树！
最后，还是那句：方向>选择>努力，持续自我修炼，以期在正确的方向，做正确的选择，并有所成就！