每個行業都有好的數據分析師，但如何定義頂尖呢？
頂級的數據分析師一定會在數據變現最牛逼的行業裏存在，比如金融風控或者數字廣告行業，這些業務是真正的數據驅動，因爲數據上差一點點，效益就會差一大截。
這裏以運營商推出的“基於信用分的欠費免停機服務”爲例來說明頂級數據分析師（爲了描述方便，稱其爲A君）應該發揮出的價值，然後筆者總結了9個核心能力。
1、找到正確的問題
A君分析的問題是公司的大問題，相信大家都有過欠費停機的經歷，運營商每月停機量應是巨大的，但大多欠費停機的用戶都是會復機的，因此對用戶不加區隔的進行停機顯得有點簡單粗暴，而且停機期間還會損失收入，無論從服務的角度還是收入的角度講，這都是一個值得研究的分析課題。
跟芝麻信用分類似，也許運營商可以基於打造自己的信用分來實現用戶欠費的區別對待，比如對高信用分的用戶實施免停機，而A君就需要進行信用分的數據分析，向公司證明這個方案可行。
2、進行問題的分析
A君做的數據分析報告就是要用數據來向公司說明推出這個業務的價值，以下是過程的一個簡述。
首先，肯定是先看下欠費停機的情況，比如每月有多少比例的的用戶有過欠費停機的經歷，這些欠費造成了怎樣的收入損失。
其次，要看下當前欠費免停機的信用控制手段有什麼缺陷，比如分析會發現原來基於ARPU，在網時長爲核心的星級體系覆蓋的高價值用戶其實有限，而充分考慮了用戶各方面特徵的信用分模型也許更爲科學，比如有很多用戶落在了低星級但高信用的區域一。
信用分評估體系
信用分佈情況
區域一有大量星級低但信用高的用戶
最後，要看下欠費用戶基於信用分的欠費率分佈情況，比如發現區域一整體欠費率小於0.1%，欠費用戶佔比低於1%，這說明基於信用分可以將風險控制在一定的範圍。
很多企業的數據分析師到這個時候基本就完成任務了，似乎數據分析師與執行無關。但A君做的顯然不止於此。
大家繼續往下看。
3、推動業務落地
由於信用分的實施橫跨市場、服務、財務、IT等多個部門，A君需要推動公司成立多部門聯合的試點小組，制定試點方案，包括免停機用戶的範圍、信用額度、信控規則、確認模板、投訴處理、系統改造等等，比如下圖顯示了採用信用分後業務流程的改造圖，信用分似乎很簡單，但對存量信控體系的衝擊是非常大的。
4、進行運營監控
一切就緒後，A君還要跟蹤具體執行的效果，及時提出改進的建議，比如跟蹤每天停機和欠費率的變化情況，如下圖所示。
如果出現數據異動，就可能要採取緊急措施。比如在業務試點的頭幾個月存在客戶的欠費率持續上升、信用分按月計算導致升降級規模過大過頻等現象，分析發現是信控規則未嚴格執行、未考慮部分用戶的特殊情況、信用分模型有缺陷等原因，需要採取措施對模型、信控規則等進行迭代優化，下圖是運營中出的一份專題報告示例。
這些都是頂級的數據分析師要做的事，數據分析不僅僅是出個報告，而是要能產生實際的價值，用數據分析真正的驅動生產。
在互聯網公司，優化產品的數據分析師做到了這一點，比如通過與產品的協同進行AB測試，給出產品優化的具體建議，從分析到生產的流程特別短，這是非常值得學習的。
在傳統企業，由於組織、機制及流程的原因，要做到數據分析驅動業務挑戰比互聯網公司大很多。
從上面的案例可知，要達到頂級數據分析師的程度，光是會取數、會分析、會出報告是遠遠不夠的，頂級數據分析師要能基於數據分析驅動業務，創造實際生產力。
爲了達到這個目標，頂級數據分析師需要具備哪些素質呢？
筆者總結了9個能力，分別是業務能力、思考能力、溝通能力、表達能力、分析方法、數據能力、技術能力、統計知識、落地能力。
1、業務能力
業務知識的學習和掌握，需要的積累之深，培養一個業務專家，需要的週期之長，都遠遠超過後面所說的那些基本技能。
【理解公司戰略】
一名數據分析師其最本質的價值就是去用數據驅動業務增長。而每一項業務本質上是公司整體戰略的支撐，理解了戰略，才能選對分析思路的方向，比如運營商的四輪驅動戰略，可以通過公司年度計劃和總結、三年滾規、領導的指示、各種重要會議等等了解，比如信用分在大型企業降本增效的背景下有其特殊的價值。
【充分理解行業】
對自己的行業有足夠敏感度，多與業務部門核心團隊進行溝通，多關注行業網站，多閱讀行業數據分析報告做好積累，比如處於什麼階段，自己所在的位置，當前的重點業務方向在哪裏，碰到了哪些挑戰，總體的解決思路是什麼，比如運營商的數據分析師起碼要知道當前的企業信控體系是什麼，有哪些行業的風控體系值得借鑑等等。
【理解領導思想】
如果你無法達到業務領導的高度，就更要多和他溝通，瞭解他對業務的看法，站在他的肩膀之上去理解他所認知的業務，記住，你爲誰負責，誰是你最大的資源，比如信用免停機會涉及欠費率的波動，短期可能會影響應收賬款，這個時候就要去理解領導的預期，做好相關解釋等工作。
【業務崗位實戰】
對於業務的理解不是簡單的看文檔就可以的，一定來自於對於公司業務的實際流程、機制、平臺、數據等的充分的理解，最好在實際相關崗位呆過，比如沒做過數據，可能連欠費率口徑都搞不清楚，而信用分中欠費率的測算是至關重要的，任何一個部門的專業人士都可以挑戰你。
2、思考能力
如果你只是很好的“實現者”，而不是很好的“思考者”，那做數據分析師沒有前途的！
【最值錢的是想法】
基於業務人員想法來製作報表或者看板，最多隻是“60分工作”。即便你的需求來源是業務部門老總，也就值60分。其無法凸顯你的價值，無法讓你升職加薪。
數據分析最值錢的就是想法，特別是基於實際業務現狀有針對性的想法，比如運營商傳統上是基於星級體系來提供差異化服務，而你想到了金融行業的信用分，你把它移植到運營商就有新的價值。
【成爲一名思考者】
要有深度思考的習慣，要成爲一名“思考者”，才能對業務有獨到的見解和想法，通過你擁有的數據對這些想法進行系統化、體系化的分析，通過數據來論證自己的想法。這是一個很痛苦、很費時的工作，比如A君就是邏輯思考能力極強的人，能夠通過數據分析的手段來驅動業務的開展。
【要全面開放自己】
你的歷史經歷和站位決定了視野的狹隘性，沒有足夠的外部輸入，你思考能力再強也是巧婦難爲無米之炊，也是很難有分析靈感的，不要怕丟面子，通過與同事、領導、圈外人事多交流，才能獲得更多的信息，讓好的分析思路涌現，比如A君對外要去理解金融風控的手段，對內要去理解內部風控的方法，只有自己變得更爲開放才能吸收更多的東西。
3、溝通能力
對上要通過反覆溝通確認目標、對中要採取協作做到滴水不漏、對下要換位思考獲得尊重。
【對上溝通】
你的分析爲誰負責，就要跟誰溝通清楚，最忌諱不懂裝懂，自以爲是，領導的時間有限，要抓住一切機會去溝通清楚分析的目的到底是什麼，領導有什麼預期，第一遍溝通後，列個提綱再去溝通，淘盡領導所有的現成想法，你很煩，就對了，總比事後領導見你煩。
【分析協作】
個人的視野是比較窄的，很難邏輯嚴謹，跟我們合作的一些企業往往採用團隊協作方式，你會發現，他們提交的分析報告往往能體現整個公司的分析水平，而不是受限於個人，如果企業的經營分析報告總是來自於某個領導或某個個人，何來進步？你們的能力就是企業的瓶頸。
【對下安排】
數據分析貫穿數據、技術、業務整個鏈條，你需要面對不同的崗位，碰到不同的角色，採用不同的語言，表達你的要求和獲得你需要的東西，成爲數據和業務的橋樑，比如業務如何理解？如何數據取得更快？發現數據問題如何儘快的確認原因？都考驗着你的實際人脈和權威。
4、表達能力
一切都是爲了讓人看懂。
【態度上重視彙報】
一定要重視彙報，不要覺得“酒香不怕巷子香”，在你沒彙報前，領導不太知道你的實際業績，IT專業的人有時比較吃虧往往是認知問題，就是不重視對上，也不願意去搞這種虛頭巴腦的東西，很多人做了80分，彙報只有30分，其實也跟教育有關，通識不夠，沒有美感。
【彙報講究故事化】
彙報前要做好充分的準備，理解每一個字和每一個數字，把你要表述的內容整理成爲具有調理的“故事”，用自己的語言表述出來，讓人家能理解你講的東西，有時要反覆練習，不用看PPT，就可以把整個PPT的邏輯清晰的表述出來。
5、分析方法
【理解指標】
每個企業都有一套KPI指標體系，圍繞KPI指標還有一系列的執行監控指標，作爲數據分析師一定要對企業的核心指標體系有深入的理解，這是做數據分析的人要搞懂的最基本概念。
【理解維度】
業務反映在指標上，業務分析就是對於合適指標的分析，指標只有經過比較才能鑑別到問題，而要實現鑑別分析，維度的選擇是最核心的！
【理解常識】
數據分析的結論最終的表現形式仍然是指標數據，而這個指標數據往往是層層下鑽比對的結果，只是次要因素已經被剔除，主要因素大概率呈現，但主要和次要因素的判斷，還是來自於數據分析師的主觀判斷。
【掌握工具】
BI很大程度上就是用一些可視化技術來進行指標比較的藝術，有助於你更快、更直觀的發現問題和定位問題，畢竟人腦對圖表、圖像的敏感度更高。
6、數據能力
對於數據要知其所以然！
【擁有更深的指標理解】
指標是數據分析的基礎，要能從本質上區分指標的差異，就得對指標的生成過程有透徹的理解，包括從哪個表，哪個字段層層計算彙總而來，人家看到指標就是簡單的業務解釋，你看到的是圍繞指標的生成數據體系，有利於你觸類旁通，更深刻的理解指標差異和出現的問題，比如什麼叫做4G用戶數？你能從字面得出幾個含義？
【擁有全局的數據視野】
在大多數公司裏，數據分析師的工作是專業化的，但其實你分析要的數據是全方位的，不會有劃定的專業邊界。在實踐中，數據分析師往往不知道到底有多少數據，其數據分析的深度和廣度由於其視野的狹窄而受限，數據分析師應對數據字典進行系統的學習，自底向上的實踐很重要，但自頂向下的學習也很必要。
【擁有更深的數據理解】
數據字典體現的往往只是表層的數據含義，如果你希望分析的更爲靈活，就需要理解數據之間的依賴關係和來龍去脈，因爲每張數據表都是由下一層次的表關聯彙總而成，但彙總意味着信息的丟失，只有具備追根溯源的能力，你才更有可能基於更多的信息獲得更大的分析自由度，比如你看到業務系統上某個菜單的功能，對應到系統中的數據是怎樣的？
7、技術能力
【獲取數據-SQL】
SQL是最靈活的操作數據的語言，任何一個數據庫都會提供SQL的支持，它架起了業務和數據的橋樑，簡單易學，性價比很高，也是數據分析師的必須要學習的語言。
新的時期數據分析師不要過於依賴別人給你提供的數據，溝通的成本太高，一定要學會自己用SQL來獲得所需的定製化數據，它給了你更多的可能。
【加工數據-EXCEL】
EXCEL提供了最爲靈活的輕量級數據的加工和呈現的能力，對於EXCEL的掌握是任何數據分析師的基本功，透視圖，圖表，公式，計算都是極其方便的工具。
【挖掘數據-機器學習，深度學習】
數據分析師需要通過分析獲得數據背後隱藏的知識，一般用SQL，EXCEL結合自己的經驗來進行判斷，但這種模式分析的數據維度是有限的，比如靠人很難看出3維以上數據之間的關係，一定要藉助工具，這就是機器學習可以幫到你的地方，比如聚類，分類，預測等等，隨着機器學習，人工智能工具使用門檻的降低，數據分析師要掌握至少一種挖掘的方法。
8、統計知識
要理解統計的基本概念，包括但不限於概率計算、幾何分佈、正態分佈、統計抽樣、置信區間、假設檢驗、卡方分佈、相關與迴歸，可以看看《深入淺出系列》的相關書籍等等。
9、落地能力
推動數據分析結果落地是數據分析師最大的成就！
【目標導向】
業務的業績達成纔是你的最終目標，數據分析固然能夠基於歷史和現在的數據進行分析，給出建議，但要想真正證明數據的價值，還需要業務執行層的鼎力支持。
【利益分配】
釐清業務處理過程中各個環節的流程和所在節點的利益關係，無利不起早，很多事情無法推進，核心矛盾是利益分配沒有理順。比如A君要推進信控體系的改造，在開發排期和業務緊迫性方面就會有不匹配，需要多方協調，這就是在推進利益分配。
【領導資源】
懂得管理業務領導，把領導當成你的資源，帶着問題找領導解決時，永遠帶着解決方案，讓領導做選擇題，不要做問答題。
筆者的數據變現支撐團隊經常要做數據分析，比如針對收入波動就要找原因，但僅找到原因是不夠的，更希望數據分析師能推動前端產品和運營去進行改造或優化，否則數據分析得出的結論就失去了意義。
正如你研發一個信用分模型是不夠的，你做一個基於信用分的免停機的分析報告也是不夠的，你要讓這個分析報告最終產生價值。
這些會涉及大量的跨團隊的工作，但筆者還是堅持要求數據分析師能夠衝到前面去，因此數據分析師經常要跟產品打架，跟運營打架，要產品改這個改那個，我覺得挺好，這纔是真正的數據驅動業務。
你也許會質疑，筆者這裏提到的數據分析已超越了了傳統數據分析師的範疇，但數據分析師要把事幹成就得這麼做，這是你的價值出口。數據分析師的目標從來不是隻做數據分析，你應該把數據分析當成職業生涯的一個階段或一個起點。
從這個角度看，能夠利用數據驅動思維做成事的人才是企業頂級的數據分析師，因此，雖然你身在數據分析圈，但你也許更應該去看看你們公司的市場部經理是怎麼開展工作的，研究一下他們的經營分析報告，看看他們是怎麼把報告中發現的數據問題轉化爲具體落地舉措的。