關於從事資料分析行業的一些思考

2021-10-03 18:53:24 字數 1571 閱讀 8565

剛畢業半年,半吊子水平的資料分析師,面試官基本上也不問你特別深層次的東西,問了一些有關職業的理解和發展規劃,現在把他記錄在部落格上面,後續繼續改正,如有不妥之處,還望批評指正。

一、資料分析師的產生

資料分析師並不像產品和開發那樣在公司創業初期不可或缺,是公司發展到一定程度之後的產物;因為在產品初期,產品本身就可以做資料分析,到後來業務線不斷增加,產品那些忙不過來,這個時候就需要專職的資料分析了。

二、資料分析工作內容理解

從定位上來講,資料分析是乙個「業務支援」的崗位,可以說是遊走於產品、運營或開發部門之間,從事的主要工作包括但不限於業務日常分析與專題分析,資料指標體系的構建與報表開發,資料化運營或者是資料產品化等等;

三、核心能力要求

(1)技能要求:sql取數、excel+python做資料處理與統計建模,ppt+bi視覺化展示

(2)業務知識:理解產品、運營等相關知識,理清公司的業務邏輯,能利用指標拆解等方法及時定位問題

(3)溝通能力:因為崗位的特殊性,為了滿足或者推動需求落地,我們需要經常和產品運營開發等部門的同事進行反饋和溝通。

目的是什麼,當然是發現問題,解決問題了。

被動解決問題

比如產品和運營部門舉辦了一些活動,讓我們做乙個活動的覆盤;或者其他的一些專題性分析報告,這類問題其實很明確,那麼明確需求之後我們就知道怎麼取數,確定框架,形成報告去解讀了,但這其實是乙個被動接受需求的過程,很容易讓分析師們進入乙個誤區,那就是自己的工作似乎毫無價值。

主動解決問題

因為我們經常和資料打交道,如何讓這些資料發揮價值其實是很大乙個問題,怎麼結合資料發揮主觀能動性,去探索,去設想業務場景,找到痛點,最後落地迭代,這才是真正體現資料分析師價值的地方。

從被動接需求到主動推進,這才是資料分析師應該走向的發展之路;借用木東居士的一句話,資料分析師層面的轉變:

1、從被動執行者到主動發現者

2、從主動發現者到融會貫通者

3、從專業人才到推動型人才

4、走向共贏

1、明確需求,不然可能是你在一旁自嗨

2、永遠對資料保持懷疑,最好能搞清楚資料的來龍去脈,且多方面驗證資料,如talkingdata、艾瑞等。

3、多輪迭代,總結覆盤,讓產品朝著更好的方向發展

1、明確資料分析目的、物件和框架

2、資料收集及處理

3、資料分析(對比分析、趨勢分析、結構分析、預警分析、交叉分析等等)

4、資料展現

5、撰寫報告

6、迭代

(1)工具技能不熟練,不會sql,難道要我來幫你取數?

(2)不專業:就是知識沒有形成體系,沒有一套完整的分析框架

(3)沒有亮點:就是沒有往崗位上去靠

(4)回答問題邏輯不清晰?其實可以思考幾秒,列舉123回答,不知道就說不知道

(5)眼高手低。

1、在前面3-5年,做到從初級、中級到高階分析師角色的轉變,技術積累這一塊也是最好在前面幾年,如sql、python、bi、包括一些建模知識等;不然到後面的路可能會不好走

2、後面可以走業務方向,資料運營或者資料產品經理

參考知乎

資料分析的一些思考

是否可以從個體的金錢流動中發現社會執行機制,這是我感興趣的地方,此idea由集智百科的社群劃分演算法所引發。最近在試圖花大量時間讀懂ap算 文,大概半月到一月左右,之後看能否應用於二部圖聚類,避免聚類數目指定的問題。計畫先實現單機測試版,可行的話再分布式測試實際資料。金錢 物質等都可歸於資訊流動範疇...

關於資料分析的一些注意點

1 分層抽樣的重要性,但是這個是針對分析物件的體量,我們無法全部採集的情況下,需要考慮的問題 2 細分分類,得到細緻的結論。但是要保證細分之後的資料足夠,確保最後統計結果的有效性。3 對於樣本的分析,我們經常需要檢視一下幾個特徵 頻率度量 眾數 位置度量 均值和中位數 散度度量 極差和方差 資料分布...

資料分析的一些方法(一)

本內容包含八個方法 邏輯樹 pest 多維度拆解 對比 假設檢驗 aarrr漏斗模型 rfm模型 杜邦分析方法。將零散的問題結構化,把複雜的問題簡單化。比如要計算北京有多少特斯拉。這個問題可以拆分為北京的汽車數量和北京特斯拉佔比,第乙個問題可以通過網上查詢到,第二個問題可以通過實際在十字路口上觀察,...