数据分析师必备的岗位能力及全局思维

近几年来，互联网公司对数据分析师职位的需求不断增加，这并非偶然。在过去的十年里，中国互联网产业以人口红利和流量红利疯狂增长；随着流量获取成本的不断提高和运营效率的下降，这种广泛的商业模式不再可行。互联网企业迫切需要通过数据分析实现精细化运营，降低成本，提高效率；这也对数据分析师提出了更高的要求。本文将与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、七大常见思路和实战分析案例。在介绍数据分析师之前，让我们来看看这些历史人物，看看他们与数据分析师有什么关系？历史上著名分析师展示的六个历史人物(从左到右，从上到下)是:张亮、管仲、萧何、孙斌、鬼谷子和诸葛亮。她们是历史上著名的谋士，有的还当过丞相。他们博览群书，眼光独到，通过总结大量的历史事实，发现了许多规律，并在实践中成功地预测了许多事件。通过“历史统计-总结分析-预测未来”的实践，他们为自己的组织创造了巨大的价值，这就是“数据分析师”的前身。因此，数据分析师现在需要哪些必要的技能，如何成为一名优秀的数据分析师？一个完整的企业数据分析系统涉及多个环节：收集、清理、转换、存储、可视化、分析决策等。其中，不同环节的工作内容不同，消耗的时间和价值也相差甚远。互联网企业数据分析系统中至少有三个数据：用户行为数据、交易订单数据和CRM数据。工程师收集不同来源的数据，然后通过清理和转换统一到数据平台；然后专门的数据工程师从数据平台提出数据。这些工作占整个环节的90%，但产生的价值只占10%。金字塔的数据分析与业务实际紧密结合，以报告和可视化的方式支持企业的业务决策，涵盖产品、运营、市场、销售和客户支持一线部门。这一部分只占整个环节的10%，但可以产生90%的价值。一个优秀的商业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，支持各业务线发现、解决问题，创造更多的价值。一天，产品经理跑过来问我，数据分析师必备的四大能力：Hi,你能帮我看看昨天产品新功能发送的数据吗？谢谢！条件反射我会说:好吧，我马上给你！但我礼貌地问：为什么需要这些数据？产品经理回答说：哦，昨天新功能上线了，我想看看效果。如果我知道产品经理的目的，我可以提取和分析数据，分析结果和建议更可操作。很多时候，数据分析师无法数数，无法从各种报表中解脱出来。一个优秀的数据分析师应该有全局观，在遇到分析需求时退一步问为什么，更好地了解问题背景和分析目标。2.某企业的数据科学家对用户流失进行建模预测，最终获得的用户流失模型预测准确率高达90%以上。商业分析师不敢相信精度这么高。数据科学家模型中的一个自变量是“用户是否点击取消按钮”。点击“取消”按钮是用户流失的重要迹象。做过这个动作的用户基本上会流失。用这个自变量预测损失没有任何业务意义和可操作性。数据分析师应该在所在行业(如电子商务和O2)O、社交、媒体、SaaS、互金等。)展示她/他的专业精神，熟悉自己行业的业务流程和数据背后的意义，避免上述数据笑话。3.想象商业环境的变化越来越快，越来越复杂，一组商业数据背后的影响因素是普通人无法想象的。数据分析师应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标准，Linkedin的conection规则)，我们也想找到互联网公司驱动增长的核心KPI。基于我们的想象力和“无埋点”全数据采集的优势，我们创造了“GrowingIO留存魔法师”。通过全面收集的数据、智能自动后端计算和简单的使用交互，保留魔法师可以帮助企业快速找到与保留最相关的用户行为，就像魔法师轻轻挥动魔法棒一样简单。例如，SaaS产品在一周内创建了三个图表的用户（组）保留率非常高，因此“一周” 3个 “图表”是我们驱动用户增长的魔法数字。4.信任以销售职位为例。销售人员应首先与用户建立信任；如果用户不信任你，他很难信任或购买你的产品。同样，数据分析师要与各部门同事建立良好的人际关系，形成一定的信任。只有各部门的同事信任你，他们才能更容易接受你的分析结论和建议；否则，事半功倍。1.简单趋势通过实时访问趋势了解产品的使用情况，便于产品快速迭代。三个指标：访问用户数量、访问来源和访问用户行为对趋势分析具有重要意义。2.多维分解数据分析师可以根据分析需要从多维度分解指标。如浏览器类型、操作系统类型、访问源、广告源、区域、网站/手机应用、设备品牌、APP版本等。3.转换漏斗根据已知的转换路径，借助漏斗模型分析整体和每一步的转换情况。注册转化分析、购买转化分析等是常见的转化情况。漏斗分析显示注册每一步的损失率4。在精细分析中，用户组往往需要分析和比较具有特定行为的用户组；数据分析师需要以多维度、多指标为组条件，有针对性地优化产品，提高用户体验。5.仔细检查路径数据分析师可以观察用户的行为轨迹，探索用户与产品的交互过程；然后发现问题，激发灵感或验证假设。6.保留分析是探索用户行为与回访之间的关系。一般来说，我们所说的保留率是指“新用户”在一段时间内回访网站/app”的比例。数据分析师通过分析不同用户群体的保留差异和使用不同功能用户的保留差异来找到产品的增长点。保留分析发现，“创建图表”的用户保留率更高7.A/B测试是同时对多个方案进行并行测试，但每个方案只有一个不同的变量；然后根据某些规则（如用户体验、数据指标等）选择最佳方案。在此过程中，数据分析师需要选择合理的分组样本、监控数据指标、事后数据分析和不同的方案评估。实战案例数据分析某社交平台推出付费高级功能，并采用EDM（EmailDirectMarketing，以电子邮件营销的形式向目标用户推送，用户可以直接点击电子邮件中的链接完成注册。该渠道的注册转化率一直在10%-20%之间；但8月下旬以来，注册转化率急剧下降，甚至不到5%。如果你是公司的数据分析师，你会如何分析这个问题？换句话说，EDM转化率急剧下降的因素是什么？一个优秀的数据分析师应该有整体和专业，从实际业务，综合各方面的可能性，因此，EDM注册转化率的可能性如下：逐一调查后，数据分析师将原因锁定在注册过程中：产品经理在注册链接中添加绑定信用卡内容，导致用户注册提交意愿显著下降，转化率暴跌。一个看似简单的转化率分析问题是数据分析师各方面能力的体现:一是技术层面，ETL(数据提取－转换－加载)理解和理解；其实是全局观，对季节性、公司等业务有清晰的了解；最后是专业性，对EDM业务的流程和设计了如指掌。实践数据分析的洪荒之力不是一蹴而就的，而是在实践中不断成长升华。一个优秀的数据分析师应该以价值为导向，着眼全局，立足业务，善待他人，用数据驱动增长。