优秀的数据分析师，必须具备数据分析全栈能力。
激烈的市场竞争格局要求业务和产品形态快速迭代，也就需要后端能够更加灵活、深入的支撑每一个业务单元的快速迭代和平稳运行，这也导致了互联网企业的业务前台和技术后台的中间地带越来越模糊。在这个过程中，除了诞生了很多新的技术架构（如中台概念），很多传统的职能和角色都在发生潜移默化的变化。
许多数据分析师，在业务体系内要同时支撑战略决策、战术决策、数据运营等多个业务线条（快速高效的打法，强制的缩短了沟通链条，一个角色承担多个职能的情况变得越来越普遍）。这就要求数据分析师具备相当完善的能力栈，能够全链路的主导从业务理解到技术落地的全部过程。
不仅能结合自身业务能力分析解读，完成对数据的探索并形成报告，更重要的是要有一定的数据科学探索能力。了解完整的数据生命周期，了解数据从何而来，经过何种处理，在此过程中是否有不合理的环节，以确保数据集与业务问题的高匹配度。
这也意味着，全栈数据工程师的作用和价值越来越被重视，而具备多重数据技能的复合型人才其价值堪比黄金。
可见，真正的全栈数据科学家确实是一头罕见的野兽，企业会无比珍惜！
不能启发和引领业务的数据分析师不是好的数据分析师！未来企业面临的挑战也不再是缺少数据支持，而是数据太多，报告太多，多个渠道出来的数据不一致。
这就要求数据分析师在理解业务，理解方法的基础上，将杂乱无章的海量数据，设计出逻辑清晰的企业级数据结构模型，让基本分析工作简单化、自助化。而不仅仅是为业务人员提取数据，还要能站在数据的角度提出对业务起到一定启发和引领作用方案。才能和别人拉开距离，打造自身差异化的优势。
试想一下，在实际工作中遇到这种情况：一张数据表，同事用了半晌功夫分析也得不出关键结论，你看了十分钟就已经洞察关键问题，并得出对业务有指导性的结论，然后在接下来的数据复盘会议上，你有理有据，他却被上司怼到无语。
那不用多说 ，如果有升职加薪的机会，大概率会是你。~中天软赵老师
