劇多
首頁
資訊
體育
娛樂
汽車
投資
財經
軍事
科技
數碼
科學
遊戲
歷史
健康
政治
影視
旅遊
育兒
美食
時尚
房產
農業
社會
文化
教育
技術
美文
情感
故事
家居
職場
自然
闢謠
心理
攝影
漫畫
生活
其它
Club
Tips
熱門話題
搜尋
註冊
登入
首頁
>
Club
>
2021-04-19 06:38
一名優秀的資料分析師是怎樣煉成的?
8
回覆列表
1 # 使用者9771841953270
近些年,網際網路公司對資料分析師崗位的需求越來越多,這不是偶然。
過去十多年,中國網際網路行業靠著人口紅利和流量紅利野蠻生長;而隨著流量獲取成本不斷提高、運營效率的不斷下降,這種粗放的經營模式已經不再可行。網際網路企業迫切需要透過資料分析來實現精細化運營,降低成本、提高效率;而這對資料分析師也提出了更高的要求。本文將和大家分享資料分析師的演變、資料分析價值體系、資料分析師必備的四大能力、七大常用思路以及實戰分析案例。一、資料分析師的前世今生 在介紹資料分析師之前,我們先來看一下這幾個歷史人物,看看他們都跟資料分析師有著怎樣的淵源? 歷史上大名鼎鼎的“分析師” 上面展示的六個歷史人物(從左往右,從上往下)分別是:張良、管仲、蕭何、孫斌、鬼谷子和諸葛亮。他們是歷史上大名鼎鼎的謀士,有的還做過丞相。他們博覽群書、眼光獨到,透過對大量史實進行總結髮現了很多規律,並且在實踐中成功預測了很多事件。他們透過 “歷史統計——總結分析——預測未來”的實踐為自己的組織創造了絕大的價值,而這就是“資料分析師”的前身。那麼現在,資料分析師需要哪些必備技能,如何成為一名優秀的資料分析師呢? 二、資料分析師的價值金字塔 一個完整的企業資料分析體系涉及到多個環節:採集、清理、轉化、儲存、視覺化、分析決策等等。其中,不同環節工作內容不一樣,消耗的時間和產生的價值也相差甚遠。資料分析價值金字塔 網際網路企業資料分析體系中至少有三方面的資料:使用者行為資料、交易訂單資料和CRM資料。工程師把不同來源的資料採集好,然後透過清理、轉化等環節統一到資料平臺上;再由專門的資料工程師從資料平臺上提出資料。這些工作佔用了整個環節90%的時間,然而產生的價值卻只佔10%。這個金字塔再往上資料分析就和業務實際緊密結合,以報表、視覺化等方式支援企業的業務決策,涵蓋產品、運營、市場、銷售、客戶支援各個一線部門。這個部分佔用了整個環節才10%的時間,但是卻能產生90%的價值。一個優秀的商務資料分析師應該以價值為導向,緊密結合產品、運營、銷售、客戶支援等實踐,支援各條業務線發現問題、解決問題並創造更多的價值。三、資料分析師必備的四大能力 資料分析師必備的四大技能 1.全域性觀 某日,產品經理跑過來問我:Hi,能不能幫我看一下昨天產品新功能傳送的資料?謝謝!條件反射我會說:好,我馬上給你!不過我還是禮貌性地問了一句:為什麼需要這資料呢?產品經理回覆道:哦,昨天新功能上線了,我想看看效果。知道了產品經理的目的,我就可以針對性地進行資料提取和分析,分析的結果和建議也就更加具有可操作性。很多時候,資料分析師不能就數說數,陷入各種報表中不能自拔。一個優秀的資料分析師應該具有全域性觀,碰到分析需求的時候退一步多問個為什麼,更好地瞭解問題背景和分析目標。2.專業度 某企業的資料科學家針對使用者流失情形進行建模預測,最終得到的使用者流失模型預測準確率高達90%多。準確率如此之高,讓商務分析師都不敢相信。經過檢驗,發現數據科學家的模型中有一個自變數是 “使用者是否點選取消按鈕” 。而點選了“取消”按鈕是使用者流失的重要徵兆,做過這個動作的使用者基本上都會流失,用這個自變數來預測流失沒有任何業務意義和可操作性。資料分析師要在所在行業(例如電商、O2O、社交、媒體、SaaS、互金等等)展示她/他的專業度,熟悉自己行業的業務流程和資料背後的意義,避免上面的資料笑話。3.想象力 商業環境的變化越來越快、越來越複雜,一組商業資料的背後涉及到的影響因素是常人難以想象的。資料分析師應該在工作經驗的基礎上發揮想象力,大膽創新和假設。4.信任度 以銷售崗位為例,一個銷售人員首先要和使用者建立起信任;如果使用者不信任你的話,那他也很難信任或者購買你的產品。同理,資料分析師要和各部門同事建立良好的人際關係,形成一定的信任。各個部門的同事信任你了,他們才可能更容易接受你的分析結論和建議;否則事倍功半。四、資料分析常見的七種思路 1.簡單趨勢 透過實時訪問趨勢瞭解產品使用情況,便於產品迅速迭代。訪問使用者量、訪問來源、訪問使用者行為三大指標對於趨勢分析具有重要意義。分鐘級別的實時走勢 以星期為週期的趨勢對比 2.多維分解 資料分析師可以根據分析需要,從多維度對指標進行分解。例如瀏覽器型別、作業系統型別、訪問來源、廣告來源、地區、網站/手機應用、裝置品牌、APP版本等等維度。多維度分析訪問使用者的屬性 3.轉化漏斗 按照已知的轉化路徑,藉助漏斗模型分析總體和每一步的轉化情況。常見的轉化情境有註冊轉化分析、購買轉化分析等。漏斗分析展示註冊每一步的流失率 4.使用者分群 在精細化分析中,常常需要對有某個特定行為的使用者群組進行分析和比對;資料分析師需要將多維度和多指標作為分群條件,有針對性地最佳化產品,提升使用者體驗。5.細查路徑 資料分析師可以觀察使用者的行為軌跡,探索使用者與產品的互動過程;進而從中發現問題、激發靈感亦或驗證假設。透過細查路徑分析使用者的行為規律 6.留存分析 留存分析是探索使用者行為與回訪之間的關聯。一般我們講的留存率,是指“新增使用者”在一段時間內“回訪網站/app”的比例。資料分析師透過分析不同使用者群組的留存差異、使用過不同功能使用者的留存差異來找到產品的增長點。留存分析發現“建立圖表”的使用者留存度更高 7.A/B 測試 A/B測試就是同時進行多個方案並行測試,但是每個方案僅有一個變數不同;然後以某種規則(例如使用者體驗、資料指標等)優勝略汰選擇最優的方案。資料分析師需要在這個過程中選擇合理的分組樣本、監測資料指標、事後資料分析和不同方案評估。五、資料分析實戰案例 某社交平臺推出付費高階功能,並且以EDM(Email Direct Marketing,電子郵件營銷)的形式向目標使用者推送,使用者可以直接點選郵件中的連結完成註冊。該渠道的註冊轉化率一直在10%-20%之間;但是8月下旬開始註冊轉化率急劇下降,甚至不到5%。如果你是該公司的資料分析師,你會如何分析這個問題呢?換言之,哪些因素可能造成EDM轉化率驟降? 一個優秀的資料分析師應該具有全域性觀和專業度,從業務實際出發,綜合各個方面的可能性。因此,EDM註冊轉化率驟降的可能性羅列如下: 1.技術原因:ETL延遲或者故障,造成前端註冊資料缺失,註冊轉化率急劇下降; 2.外部因素:該時間節點是否有節假日,其他部門近期是否有向用戶傳送推廣郵件,這些因素可能稀釋使用者的注意力; 3.內部因素:郵件的文案、設計是否有改變;郵件的到達率、開啟率、點選率是否正常;郵件的註冊流是否順暢。經過逐一排查,資料分析師將原因鎖定在註冊流程上:產品經理在註冊環節添加了繫結信用卡的內容,導致使用者的註冊提交意願大幅度下降,轉化率暴跌。一個看似簡單的轉化率分析問題,它的背後是資料分析師各方面能力的體現。首先是技術層面,對ETL(資料抽取-轉換-載入)的理解和認識;其實是全域性觀,對季節性、公司等層面的業務有清晰的瞭解;最後是專業度,對EDM業務的流程、設計等了如指掌。練就資料分析的洪荒之力並非一朝一夕之功,而是在實踐中不斷成長和昇華。一個優秀的資料分析師應該以價值為導向,放眼全域性、立足業務、與人為善,用資料來驅動增長。
發表回復
相關內容
如何做一名優秀的幼兒園班主任?
《怎樣成為一名優秀教師》讀書筆記摘抄(精選多?
怎樣才能成為一名優秀的美甲師?
如何成為一名優秀的大學生村官?
如何才能成為一名優秀的大學生?
如何成為一名優秀的動車司機?
如何才能成為一名優秀的物控員?
如何成為一名優秀的拖拉機手?
如何成為一名優秀控衛?
∧
中秋節和大豐收的關聯?
∨
加勒比海上空的爆炸事件如何證明了NASA監測危險小行星的能力?
熱門排行
sbs防水卷材做完多久淋水?
擋水條高出地磚幾公分?
咖啡顏色的皮包怎麼調啊?
電報必須有號碼才能加人嗎?
鹹魚之王孫策163-9怎麼過?
穩崗補貼一個人多少錢?
整理家裡的技巧和方法?
中考跳檔是什麼意思?
雲頂之弈s9恕瑞瑪陣容推薦?
靜心是什麼詞性?
近些年,網際網路公司對資料分析師崗位的需求越來越多,這不是偶然。
過去十多年,中國網際網路行業靠著人口紅利和流量紅利野蠻生長;而隨著流量獲取成本不斷提高、運營效率的不斷下降,這種粗放的經營模式已經不再可行。網際網路企業迫切需要透過資料分析來實現精細化運營,降低成本、提高效率;而這對資料分析師也提出了更高的要求。本文將和大家分享資料分析師的演變、資料分析價值體系、資料分析師必備的四大能力、七大常用思路以及實戰分析案例。一、資料分析師的前世今生 在介紹資料分析師之前,我們先來看一下這幾個歷史人物,看看他們都跟資料分析師有著怎樣的淵源? 歷史上大名鼎鼎的“分析師” 上面展示的六個歷史人物(從左往右,從上往下)分別是:張良、管仲、蕭何、孫斌、鬼谷子和諸葛亮。他們是歷史上大名鼎鼎的謀士,有的還做過丞相。他們博覽群書、眼光獨到,透過對大量史實進行總結髮現了很多規律,並且在實踐中成功預測了很多事件。他們透過 “歷史統計——總結分析——預測未來”的實踐為自己的組織創造了絕大的價值,而這就是“資料分析師”的前身。那麼現在,資料分析師需要哪些必備技能,如何成為一名優秀的資料分析師呢? 二、資料分析師的價值金字塔 一個完整的企業資料分析體系涉及到多個環節:採集、清理、轉化、儲存、視覺化、分析決策等等。其中,不同環節工作內容不一樣,消耗的時間和產生的價值也相差甚遠。資料分析價值金字塔 網際網路企業資料分析體系中至少有三方面的資料:使用者行為資料、交易訂單資料和CRM資料。工程師把不同來源的資料採集好,然後透過清理、轉化等環節統一到資料平臺上;再由專門的資料工程師從資料平臺上提出資料。這些工作佔用了整個環節90%的時間,然而產生的價值卻只佔10%。這個金字塔再往上資料分析就和業務實際緊密結合,以報表、視覺化等方式支援企業的業務決策,涵蓋產品、運營、市場、銷售、客戶支援各個一線部門。這個部分佔用了整個環節才10%的時間,但是卻能產生90%的價值。一個優秀的商務資料分析師應該以價值為導向,緊密結合產品、運營、銷售、客戶支援等實踐,支援各條業務線發現問題、解決問題並創造更多的價值。三、資料分析師必備的四大能力 資料分析師必備的四大技能 1.全域性觀 某日,產品經理跑過來問我:Hi,能不能幫我看一下昨天產品新功能傳送的資料?謝謝!條件反射我會說:好,我馬上給你!不過我還是禮貌性地問了一句:為什麼需要這資料呢?產品經理回覆道:哦,昨天新功能上線了,我想看看效果。知道了產品經理的目的,我就可以針對性地進行資料提取和分析,分析的結果和建議也就更加具有可操作性。很多時候,資料分析師不能就數說數,陷入各種報表中不能自拔。一個優秀的資料分析師應該具有全域性觀,碰到分析需求的時候退一步多問個為什麼,更好地瞭解問題背景和分析目標。2.專業度 某企業的資料科學家針對使用者流失情形進行建模預測,最終得到的使用者流失模型預測準確率高達90%多。準確率如此之高,讓商務分析師都不敢相信。經過檢驗,發現數據科學家的模型中有一個自變數是 “使用者是否點選取消按鈕” 。而點選了“取消”按鈕是使用者流失的重要徵兆,做過這個動作的使用者基本上都會流失,用這個自變數來預測流失沒有任何業務意義和可操作性。資料分析師要在所在行業(例如電商、O2O、社交、媒體、SaaS、互金等等)展示她/他的專業度,熟悉自己行業的業務流程和資料背後的意義,避免上面的資料笑話。3.想象力 商業環境的變化越來越快、越來越複雜,一組商業資料的背後涉及到的影響因素是常人難以想象的。資料分析師應該在工作經驗的基礎上發揮想象力,大膽創新和假設。4.信任度 以銷售崗位為例,一個銷售人員首先要和使用者建立起信任;如果使用者不信任你的話,那他也很難信任或者購買你的產品。同理,資料分析師要和各部門同事建立良好的人際關係,形成一定的信任。各個部門的同事信任你了,他們才可能更容易接受你的分析結論和建議;否則事倍功半。四、資料分析常見的七種思路 1.簡單趨勢 透過實時訪問趨勢瞭解產品使用情況,便於產品迅速迭代。訪問使用者量、訪問來源、訪問使用者行為三大指標對於趨勢分析具有重要意義。分鐘級別的實時走勢 以星期為週期的趨勢對比 2.多維分解 資料分析師可以根據分析需要,從多維度對指標進行分解。例如瀏覽器型別、作業系統型別、訪問來源、廣告來源、地區、網站/手機應用、裝置品牌、APP版本等等維度。多維度分析訪問使用者的屬性 3.轉化漏斗 按照已知的轉化路徑,藉助漏斗模型分析總體和每一步的轉化情況。常見的轉化情境有註冊轉化分析、購買轉化分析等。漏斗分析展示註冊每一步的流失率 4.使用者分群 在精細化分析中,常常需要對有某個特定行為的使用者群組進行分析和比對;資料分析師需要將多維度和多指標作為分群條件,有針對性地最佳化產品,提升使用者體驗。5.細查路徑 資料分析師可以觀察使用者的行為軌跡,探索使用者與產品的互動過程;進而從中發現問題、激發靈感亦或驗證假設。透過細查路徑分析使用者的行為規律 6.留存分析 留存分析是探索使用者行為與回訪之間的關聯。一般我們講的留存率,是指“新增使用者”在一段時間內“回訪網站/app”的比例。資料分析師透過分析不同使用者群組的留存差異、使用過不同功能使用者的留存差異來找到產品的增長點。留存分析發現“建立圖表”的使用者留存度更高 7.A/B 測試 A/B測試就是同時進行多個方案並行測試,但是每個方案僅有一個變數不同;然後以某種規則(例如使用者體驗、資料指標等)優勝略汰選擇最優的方案。資料分析師需要在這個過程中選擇合理的分組樣本、監測資料指標、事後資料分析和不同方案評估。五、資料分析實戰案例 某社交平臺推出付費高階功能,並且以EDM(Email Direct Marketing,電子郵件營銷)的形式向目標使用者推送,使用者可以直接點選郵件中的連結完成註冊。該渠道的註冊轉化率一直在10%-20%之間;但是8月下旬開始註冊轉化率急劇下降,甚至不到5%。如果你是該公司的資料分析師,你會如何分析這個問題呢?換言之,哪些因素可能造成EDM轉化率驟降? 一個優秀的資料分析師應該具有全域性觀和專業度,從業務實際出發,綜合各個方面的可能性。因此,EDM註冊轉化率驟降的可能性羅列如下: 1.技術原因:ETL延遲或者故障,造成前端註冊資料缺失,註冊轉化率急劇下降; 2.外部因素:該時間節點是否有節假日,其他部門近期是否有向用戶傳送推廣郵件,這些因素可能稀釋使用者的注意力; 3.內部因素:郵件的文案、設計是否有改變;郵件的到達率、開啟率、點選率是否正常;郵件的註冊流是否順暢。經過逐一排查,資料分析師將原因鎖定在註冊流程上:產品經理在註冊環節添加了繫結信用卡的內容,導致使用者的註冊提交意願大幅度下降,轉化率暴跌。一個看似簡單的轉化率分析問題,它的背後是資料分析師各方面能力的體現。首先是技術層面,對ETL(資料抽取-轉換-載入)的理解和認識;其實是全域性觀,對季節性、公司等層面的業務有清晰的瞭解;最後是專業度,對EDM業務的流程、設計等了如指掌。練就資料分析的洪荒之力並非一朝一夕之功,而是在實踐中不斷成長和昇華。一個優秀的資料分析師應該以價值為導向,放眼全域性、立足業務、與人為善,用資料來驅動增長。