全站年SVIP
全站1000+试题无限查看
近些年,互联网公司对数据分析师岗位的需求越来越多,这不是偶然。
过去十多年,中国互联网行业靠着人口红利和流量红利野蛮生长;而随着流量获取成本不断提高、运营效率的不断下降,这种粗放的经营模式已经不再可行。互联网企业迫切需要通过数据分析来实现精细化运营,降低成本、提高效率;而这对数据分析师也提出了更高的要求。
本文将和大家分享数据分析师的演变、数据分析价值体系、数据分析师必备的四大能力、七大常用思路以及实战分析案例。
一、数据分析师的前世今生
在介绍数据分析师之前,我们先来看一下这几个历史人物,看看他们都跟数据分析师有着怎样的渊源?
二、数据分析师的价值金字塔
一个完整的企业数据分析体系涉及到多个环节:采集、清理、转化、存储、可视化、分析决策等等。其中,不同环节工作内容不一样,消耗的时间和产生的价值也相差甚远。
互联网企业数据分析体系中至少有三方面的数据:用户行为数据、交易订单数据和CRM数据。工程师把不同来源的数据采集好,然后通过清理、转化等环节统一到数据平台上;再由专门的数据工程师从数据平台上提出数据。这些工作占用了整个环节90%的时间,然而产生的价值却只占10%。
这个金字塔再往上数据分析就和业务实际紧密结合,以报表、可视化等方式支持企业的业务决策,涵盖产品、运营、市场、销售、客户支持各个一线部门。这个部分占用了整个环节才10%的时间,但是却能产生90%的价值。
一个优秀的商务数据分析师应该以价值为导向,紧密结合产品、运营、销售、客户支持等实践,支持各条业务线发现问题、解决问题并创造更多的价值。
三、数据分析师必备的四大能力
某日,产品经理跑过来问我:Hi, 能不能帮我看一下昨天产品新功能发送的数据?谢谢!条件反射我会说:好,我马上给你!不过我还是礼貌性地问了一句:为什么需要这数据呢?产品经理回复道:哦,昨天新功能上线了,我想看看效果。知道了产品经理的目的,我就可以针对性地进行数据提取和分析,分析的结果和建议也就更加具有可操作性。
很多时候,数据分析师不能就数说数,陷入各种报表中不能自拔。一个优秀的数据分析师应该具有全局观,碰到分析需求的时候退一步多问个为什么,更好地了解问题背景和分析目标。
某企业的数据科学家针对用户流失情形进行建模预测,最终得到的用户流失模型预测准确率高达90%多。准确率如此之高,让商务分析师都不敢相信。经过检验,发现数据科学家的模型中有一个自变量是 “用户是否点击取消按钮” 。而点击了“取消”按钮是用户流失的重要征兆,做过这个动作的用户基本上都会流失,用这个自变量来预测流失没有任何业务意义和可操作性。
数据分析师要在所在行业(例如电商、O2O、社交、媒体、SaaS、互金等等)展示她/他的专业度,熟悉自己行业的业务流程和数据背后的意义,避免上面的数据笑话。
商业环境的变化越来越快、越来越复杂,一组商业数据的背后涉及到的影响因素是常人难以想象的。数据分析师应该在工作经验的基础上发挥想象力,大胆创新和假设。
根据硅谷公司的核心KPI(Facebook的4-2-2准则,LinkedIn的connection规律),我们也想找到互联网企业驱动增长最核心的KPI。基于我们的想象力和”无埋点”全量数据采集的优势, 我们创造了” GrowingIO留存魔法师” 。通过全量采集的数据,智能自动的后端计算,以及简单的使用交互,留存魔法师可以帮助企业迅速找到与其留存最相关的用户行为,就像魔法师轻轻挥动魔法棒一样简单。例如某 SaaS产品 ,在一周内创建过3个图表的用户(群)留存率非常高,那么”一周+3个+图表”就是我们驱动用户增长的魔法数字。
以销售岗位为例,一个销售人员首先要和用户建立起信任;如果用户不信任你的话,那他也很难信任或者购买你的产品。同理,数据分析师要和各部门同事建立良好的人际关系,形成一定的信任。各个部门的同事信任你了,他们才可能更容易接受你的分析结论和建议;否则事倍功半。
怎么做一个靠谱的数据分师
近些年,互联网公司对数据分析师岗位的需求越来越多,这不是偶然。
过去十多年,中国互联网行业靠着人口红利和流量红利野蛮生长;而随着流量获取成本不断提高、运营效率的不断下降,这种粗放的经营模式已经不再可行。互联网企业迫切需要通过数据分析来实现精细化运营,降低成本、提高效率;而这对数据分析师也提出了更高的要求。
本文将和大家分享数据分析师的演变、数据分析价值体系、数据分析师必备的四大能力、七大常用思路以及实战分析案例。
一、数据分析师的前世今生
在介绍数据分析师之前,我们先来看一下这几个历史人物,看看他们都跟数据分析师有着怎样的渊源?
二、数据分析师的价值金字塔
一个完整的企业数据分析体系涉及到多个环节:采集、清理、转化、存储、可视化、分析决策等等。其中,不同环节工作内容不一样,消耗的时间和产生的价值也相差甚远。
互联网企业数据分析体系中至少有三方面的数据:用户行为数据、交易订单数据和CRM数据。工程师把不同来源的数据采集好,然后通过清理、转化等环节统一到数据平台上;再由专门的数据工程师从数据平台上提出数据。这些工作占用了整个环节90%的时间,然而产生的价值却只占10%。
这个金字塔再往上数据分析就和业务实际紧密结合,以报表、可视化等方式支持企业的业务决策,涵盖产品、运营、市场、销售、客户支持各个一线部门。这个部分占用了整个环节才10%的时间,但是却能产生90%的价值。
一个优秀的商务数据分析师应该以价值为导向,紧密结合产品、运营、销售、客户支持等实践,支持各条业务线发现问题、解决问题并创造更多的价值。
三、数据分析师必备的四大能力
1.全局观
某日,产品经理跑过来问我:Hi, 能不能帮我看一下昨天产品新功能发送的数据?谢谢!条件反射我会说:好,我马上给你!不过我还是礼貌性地问了一句:为什么需要这数据呢?产品经理回复道:哦,昨天新功能上线了,我想看看效果。知道了产品经理的目的,我就可以针对性地进行数据提取和分析,分析的结果和建议也就更加具有可操作性。
很多时候,数据分析师不能就数说数,陷入各种报表中不能自拔。一个优秀的数据分析师应该具有全局观,碰到分析需求的时候退一步多问个为什么,更好地了解问题背景和分析目标。
2.专业度
某企业的数据科学家针对用户流失情形进行建模预测,最终得到的用户流失模型预测准确率高达90%多。准确率如此之高,让商务分析师都不敢相信。经过检验,发现数据科学家的模型中有一个自变量是 “用户是否点击取消按钮” 。而点击了“取消”按钮是用户流失的重要征兆,做过这个动作的用户基本上都会流失,用这个自变量来预测流失没有任何业务意义和可操作性。
数据分析师要在所在行业(例如电商、O2O、社交、媒体、SaaS、互金等等)展示她/他的专业度,熟悉自己行业的业务流程和数据背后的意义,避免上面的数据笑话。
3.想象力
商业环境的变化越来越快、越来越复杂,一组商业数据的背后涉及到的影响因素是常人难以想象的。数据分析师应该在工作经验的基础上发挥想象力,大胆创新和假设。
根据硅谷公司的核心KPI(Facebook的4-2-2准则,LinkedIn的connection规律),我们也想找到互联网企业驱动增长最核心的KPI。基于我们的想象力和”无埋点”全量数据采集的优势, 我们创造了” GrowingIO留存魔法师” 。通过全量采集的数据,智能自动的后端计算,以及简单的使用交互,留存魔法师可以帮助企业迅速找到与其留存最相关的用户行为,就像魔法师轻轻挥动魔法棒一样简单。例如某 SaaS产品 ,在一周内创建过3个图表的用户(群)留存率非常高,那么”一周+3个+图表”就是我们驱动用户增长的魔法数字。
4.信任度
以销售岗位为例,一个销售人员首先要和用户建立起信任;如果用户不信任你的话,那他也很难信任或者购买你的产品。同理,数据分析师要和各部门同事建立良好的人际关系,形成一定的信任。各个部门的同事信任你了,他们才可能更容易接受你的分析结论和建议;否则事倍功半。