从大数据培训学校的角度来说，学大数据的学员一般都是专科及以上，具有统计学之类的知识，有一定的基础的，不然即使你报名学习了，但是因为基础为零，也是很难克服困难的，自动放弃还不如当初想清楚再学。
实际上，问题还有个潜台词是“什么人学习数据分析，会更容易取得成功（比如职业成功）”，这个要视乎你的兴趣、付出和机遇。
但要做到出类拔萃，除了上面三点，还需要一点天赋，这里的机遇是指你遇到的职业发展平台、商业环境、导师和同事。借用管理大师德鲁克的话“管理是可以习得的”，管理并非是天生的，而数据分析能力，也可以后天提升。或许做到优秀，只需要你更加的努力+兴趣，而这个努力的过程，也包括你寻找机遇的部分。
但也有些人像是一个只会做数据统计的机器人，简单，无聊，重复。但是要做一个数据高手，就要去思考很多环节，通过数据去做出一系列计划与动作。
有很多人仅仅只是停留在入门，想来这这类人可能并不适合做数据分析。
相信假数据的
有很多时候，你总是会注意到呈现在你眼前的东西，那些精美绝伦的数据报告，那些与众不同的PPT，那些运用巧妙的文字。但是你似乎从来没有想过，这份报告背后付出的努力，我是如何进行数据采集的？这些数据只是样本是否可以代表整个行业呢？指标逻辑是什么？是我想要的吗？有什么区别？
其实对于很多不在自己范围内的数据都要去进行验证它的真实性，盲目的信从很容在过程中出错，比如媒体报道中的数据，什么离婚率、就业率、薪资等，要多来源验证、追问、质疑，有人会说，研究这些和我做的业务并没有关系，其实不是，这是一种对待数据的态度和习惯。
比如当你计算一个KPI完成率时，你会发现很多指标年年都好，但最终的财务指标基本没有任何变化，为什么？你质疑过吗？
考核的指标一般都是层层下压，为了完成KPI，基层也是绞尽脑汁。正所谓上有政策下有对策，执行中必然会被扭曲。
尼尔·波兹曼说过：过去人们是为了解决生活中的问题而搜寻信息，现在是为了让无用的信息派上用场而制造问题。
不善于思考的
无论是做出多么完美的报表，依旧是以发现问题、解决问题为目的，通过这些看似杂乱无章的数据给我们带来一些价值，而这个价值的衡量其实就是思考，也就是你要用数据干什么？这才是数据的价值。
比如领导让你出一份经营分析报告，那你就要思考，由下往上思考，整体会涉及哪些指标，这些指标背后的含义是什么？这些指标能不能分类？分类的标准是什么？比如分类的标准是整体收入、发展趋势、用户表现、品类管理、库存状况等，然后再思考，例如整体收入这块，我要用这个分类的那些指标做对比、哪些做预测、那些做结构，分别要告诉决策者什么问题，目前好不好的问题？未来好不好的问题？现在现在的状态问题？这一来二去雏形不就有了吗？这种方式相对而言，难度较大，要会归纳总结，还要会给一级、二级、三级框架造词。
还有一种是由上而下，这类思考取决于分析师的项目经验，做过的话，很容易提炼出诱人的大纲，再根据大纲敲定每个部分的分析框架，然后去思考选取那些指标，什么样式的分析方法更能传达你要表达的信息。
用不好excel的
可能会有人说，我们都用python好嘛，但是在没有Python之前呢？难道大家都不做数据分析的吗？
如果你仔细观察，你会发现5年以上的数据分析师，90%都用的excel，10%的工作环境可能是python、sql、spark、kettle等。
因为不是所有人，所有分析师都要面对所谓的海量数据，目前的趋势已经是数据统计智能化了，部分做专题分析会复杂一些，但一般大的专题是要一个团队一起完成的，比如简单的决策者+业务+it+分析师，所以很多时候IT是可以帮你搞定的。
不善于沟通的
数据分析师常常在程序员、决策者之间进行徘徊，在夹缝中求生要是没有有效的沟通，你很难去理解决策者到底想要什么？要是没有沟通你很难得到自己想要的数据形式？有数据和给你什么样式的数据差异很大的。
我见过很多人分析的框架和决策者想要的结合很完美，但找程序员要数据时，却没办法的到想要分析的数据。也见过很多人未能和IT准确有效的沟通，提出来一张自己用现有能力无法玩转的一张表。更见过很多元数据理解的很清楚，但输出分析框架时，受现有数据资源影响过大，打不开思维，导致输出与决策者完全不符的分析结果。
这是一个博弈的过程，一定要沟通，决策者的问题是没有边界的，但你、决策者、IT之间的沟通是可以让其有边境的。
动手能力差的
一方面是自学路上动手能力差，比如工具类的问题，经常问来问去，其实有时候自己动手搜索一下，你会发现世界真美好，这是搜索的强项，人脑记忆肯定干不过电脑。
另一个方面是自己缺乏练习，很多人学课程，看书，从来不自己操作，老想寻找一些面试题、某企业级数据集拿来分析一下，看看自己的水平，要对胃口的数据集其实很少的，即使有，也是美化版的，很多综合性的演练你还是学不到的，还不如随便爬一些数据，越乱越好（对练习工具操作有巨大好处），然后在现有数据的基础上看看可以分析出什么？希望告诉别人什么？需不需要再补充一些数据，让结论更有说服力，更细致一些。
要是仅仅是看，那你确实不适合做数据分析。
不复盘的
数据分析是一个很难成长的职业，有的人入行很多年还用的是入行时的那套分析逻辑，为何？
一直没找到自己不对的地方，今天看点文章觉得思路好，下次加进报告，明天又看一个课程说的这块不错，下次再改进一下，但你有没有想过，你的这些举动其实是在消除焦虑，怕自己跟不上时代。
好的分析经验一定是复盘出来的，分析最终都是要看疗效的，那其实做业务分析的可以很直观看到自己输出对关键指标的影响。
这时候可能会有一部分人说，我是做运营分析的，我如何复盘？做运营分析的目的是什么？发现问题，那发现问题的目的就是尽量让这个问题按照我们的线路走，变的可控，变的可确定，那是不是需要一套跟进的流程和监督方式呢？另外发现问题与发现好问题，这也是一个值得复盘的方向。
这里面我始终没有说学历、专业、性别，在我看来这些都不是关键，分析思维是人类天生都有的，就看能不能激发出来。
你去买菜会考虑走那条路吧？路径分配分析
你去买菜会做价格对比吧？参照物分析
你去买菜会考虑买什么吧？需求分析
你去买菜会看别人买什么吧？用户分析
你去买菜会考虑去那个市场吧？综合评估分析
其实总结起来，就是个人性格、态度、动机以及主动性，数据分析很好，但是适合你吗?希望你在数据分析师的道路上比别人走的更远一步。
文章来源：网络 版权归原作者所有
上文内容不用于商业目的，如涉及知识产权问题，请权利人联系小编，我们将立即处理
版权归原作者 学掌门 所有， 如有侵权，请联系我们删除。