数据总监谈:如何成为合格的数据分析师

逍遥狂舞
逍遥狂舞
逍遥狂舞
3
文章
0
评论
2021-02-0413:02:00 评论 176 2561字
摘要

数据分析师是一个基础岗位,如果专精于业务,更适合往管理端发展,单纯的工具和技巧很难拉开差距。数据分析的管理岗,比较常见的有数据运营经理/总监,数据分析经理等,相对应的能力是能建立指标体系,并且解决日常的各类「为什么」问题。

一直以来,不少同事、朋友在问我怎么成为一个数据分析师、数据产品经理?都需要哪些知识储备?如何快速、深入的学习这些技能、知识?本人是做了3年开发,6年的数据产品。从9年多的工作实践中,总结归纳,希望对数据有兴趣的同学有多帮助。

一、初步了解数据分析师

1、数据入门职业方向:

1. 开发或者数据开发

2. 数据分析师

3. 数据产品经理

本文主要着重介绍数据分析师和数据产品经理。想要从数据分析师成长为数据产品经理,首先你得成为一名分析师,一名具备成长为数据产品经理的合格分析师。

2、选择数据分析师的注意事项

入门分析师,要比入门开发工程师简单些,相对开发工程师而言专业也限制较小。"怎么能做一个合格的分析师"这也是问的最多的问题。

3、跨岗不跨行

入门分析师需要很重要的一点就是领域,自己熟悉的业务领域。领域是不少新人常忽略的要素,其实数据分析不会脱离业务存在。你进入哪个行业,很大程度会决定你初期的技能树和知识点。譬如金融领域的风控模型、营销领域的生命周期、广告领域的点击率预估等,各有各的特色。

4、应届生如何做选择

如果是一位应届生,不妨多了解自己感兴趣的领域,和专业相关是最好的,并且积累相关的经验,为面试做准备。如果已经有一定行业履历,只是想要转岗数据分析师,那么跨岗不跨行,尽量避免跳到一个陌生的领域。

宁专务多,如果领域经验太宽泛,那么需要考虑这三点:

(1)自己感兴趣的

(2)自己擅长的

(3)有钱途的

5、不要做这样的"数据分析师"

数据分析有三种职位:数据分析师、数据运营、商业分析。绝大部分人,都是从这三个岗位开始自己的数据之路,也是基数最大的岗位。因为基数大,所以这类岗位通常鱼龙混杂。

6、有两类虽然也叫数据分析师,但不是职业发展的首选

比如有些虽然叫数据分析师,但每天只需要和Excel打交道,完成leader布置的表格整理工作就行。混个几年,成为一位数据分析主管,给下面的新人继续布置Excel任务。

还有一类数据分析师,岗位职责要求你掌握常用的机器学习算法,面试首先推导一个决策树或者逻辑回归。入职后也是各类代码,和分析打交道的情况不多。

都叫数据分析师,其实天差地别。

分析师岗位的职位描述一般是:

1. 负责和支撑各部门相关的报表;

2. 建立和优化指标体系;

3. 监控数据的波动和异常,找出问题;

4. 优化和驱动业务,推动数据化运营;

5. 找出可增长的市场或产品优化空间;

6. 输出专题分析报告。

实际情况是,不少业务端的数据分析师,主要工作只做第一点。别管它用汇总、分析、数据支持什么修饰词,基本是跑SQL,做报表。硬生生活成了业务端的表哥、表姐。

这是很常见的情况,也是入门新人的第一个坑,甚至不少分析师这种工作一做就是三五年的。但这类分析师,从头到尾,都没有解决问题,只是在出数据….

二、真正的数据分析师

1、多维分析与量化解释

业务部门往往更关心,某个指标为什么下跌或者上升。产品的用户是什么样的?怎么能更好的完成自己的KPI。

以活跃指标的下跌举例:

活跃指标下跌了多少?是属于合理的数据波动,还是突发式?

什么时候开始的下跌?

是整体的活跃用户下跌,还是部分用户?

为什么下跌?是产品版本问题,还是运营失误?

怎么解决下跌的问题

这是一套标准的解决思维。

分别对应what、when、who、why、how

每一部分都不是三言两语可以解释清楚。

不要看它简单,例如你通过多维分析,发现某个地区的活跃下跌了,不要急着把它作为分析的结论,这是不合格的数据分析。某地区的活跃下跌,只是现象,不是原因,把它作为结论提交,肯定会被骂的。

这也正是很多数据分析师实际工作与业务的真实需求的差距所在。

对于上述问题分析师要解决的是,为什么这个地区的活跃下跌了。是该地渠道,是该地竞争对手,是该地市场环境?这些问题都是细化深入的范畴。并且,它们要能以量化解释,而不是我认为。

做好了这点,才是一个真正的数据分析师。当然,这一点看的是leader。leader能否带你进入业务分析的大门,决定你将来是不是成为一个表哥。

新人切记切记。

2、业务数据体系化

解决问题是一方面工作,另外一方面,数据分析师的职责是将业务数据体系化,建立一套指标框架。

活跃下跌的问题,本质上也是指标问题。什么时候开始下跌,哪部分下跌,都能转化成对应指标,如日活跃用户数,新老用户活跃数,地区活跃数。

你不能衡量它,就无法增长它,指的就是指标体系。指标体系可以是业务部门建立,但数据分析师也挺合适。

一方面他们比数据开发这类技术岗位更贴合业务,

一方面不像业务岗位对数据抓瞎。

指标体系如果工程化自动化,也就是BI,所以数据分析师可以算半个BI分析师,这里不包括BI报表开发。BI如果采购第三方,数据分析师负责BI没问题,如果自有开发,那么BI岗技术的色彩更浓厚。

3、数据分析思维和业务理解

数据分析思维和业务的理解,是分析师赖以生存的技能。

很多时候,工具是锦上添花的作用。掌握Excel+SQL/hive,了解描述统计学,知道常见的可视化表达,一些可视化工具使用,足够完成大部分任务。提高的话还是要会Python、R语言和机器学习这类能力,对此类数据分析师不是必须的。毕竟为什么下跌,你无法用数据挖掘解答。

三、数据分析师的职业发展

数据分析师是一个基础岗位,如果专精于业务,更适合往管理端发展,单纯的工具和技巧很难拉开差距。数据分析的管理岗,比较常见的有数据运营经理/总监,数据分析经理等,相对应的能力是能建立指标体系,并且解决日常的各类「为什么」问题

另外补充:商业/市场分析是另外一个方向,更多见于传统行业。你要开一家超市,你得考虑哪里开,这就要考虑居民密度,居民消费能力,竞争对手的多寡,步行交通距离,开车交通距离等。这些数据是宏观的大指标,往往靠搜索和调研完成,这是和互联网数据分析师最大的差异。

回到"数据分析师的职业发展"问题上,有了职业规划的意识(越早越好),那么,如果你是新人,比较普遍的发展路线是先成为数据分析师,积累相关的经验,再几年后,决定往后的发展,是数据产品,还是专精数据分析成为管理岗。

End.爱数据网专栏作者:贾海峰作者介绍:天眼查数据产品负责人,曾任E代驾、途家、Wifi万能钥匙数据产品总监本文为挖数网专栏作者原创文章,未经允许禁止转载,需要转载请微信联系授权(微信号:lovedata0520)

  • 我的微信公众号
  • 微信扫一扫
  • weinxin
  • 我的微信公众号
  • 微信扫一扫
  • weinxin
匿名

发表评论

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: