求职”炸子鸡”—数据分析师岗位，到底是做什么的？

一.什么是数据分析师？其定位和价值是什么？

近年来互联网经济的蓬勃发展可谓给数据大规模累积提供了沃土，专家大拿们对大数据技术与应用的讨论和研究热度不减，对数据中隐含的深层价值及其应用的重视程度越来越高，更多人开始注重视量化分析、科学及高效地决策，这个过程中越来越多的企业就产生了对专业化的分析人才的需求。

简单通用地讲，数据分析师是一类能够在建立明确分析目标基础上对数据进行搜集、加工、分析并挖掘出有价值信息的专业人才的统称。这里我写的是"统称"，根据分析的数据所产生的行业不同、部门或业务环节不同，数据分析师的工作职责和内容也相应不同。

但在不同行业、不同部门的数据分析师的定位与价值却是相近的，通过数据能够挖掘出有价值结论或建议，找到优化产品/服务、驱动业务发展、提升效率的更好途径与方向。

以我所熟悉的互联网行业，依不同部门，简单谈谈各自工作职责与内容，重点探讨下运营分析这块。

二.数据分析师岗工作内容

1.数据中台部门

• 围绕构建公司的数据基础设施，为上层的业务分析打好地基方面展开
• 偏向于数据底层清洗、指标加工、储存、可视化数据产品等
• 还包括非常重要的公司底层数据资产的搭建、整合等

2.运营部门

• 强调数据化运营、量化运营，提升效率，驱动业务
• 偏向于业务流程优化、营销活动分析、用户画像&分群、生命周期价值分析

3.产品部门

• 关注产品体验、产品优化迭代
• 产品可用性测试分析、产品流程或功能迭代测试与效果分析
• 与运营部门配合共同关注用户增长与留存

4.经营分析部门

• 侧重监控预算达成、诊断经营状况，为业务提供经营策略调整和优化的决策建议
• 预算编制及达成监控、业务运营现状、效果、问题分析、财务分析、组织效率、成本控制等决策建议

5.风险管理部门

• 侧重对业务产品全流程风险、信用风险等跟踪、监测、预警
• 风险策略的设计与实施、跟踪和分析策略有效性及影响等，风险指标监控和风险预警

6.模型与算法组

看好的未来方向，也是正在努力的方向，有时间再讨论。

• 关注模型监控与效果评估，与产品协同对模型产品的推广
• 梳理模型监控点，完善监控体系，跟进模型效果分析
• 人群分析与特征挖掘，了解客群稳定性与衍变

三.运营与业务分析领域工作内容与职责

按照产品生命周期的逻辑线路来谈：产品生命周期——数据分析相关工作内容

1.开发期

• 从数据理解—数据定义—数据存储—数据可见的搭建基础的过程
• 梳理和理解产品与业务流程
• 搭建运营指标体系，明确核心指标定义、口径及监控周期
• 推动监控指标可视化

2.引入期

• 目的：了解自己的现状，小范围试用中尽早快速发现产品体验和业务流程改进的点，缩短周期
• 跟进产品与业务动态，监控流程转化
• 分析水平是否合理，流程优化空间，改进方案效果跟踪

3.增长期

• 目的：了解用户，定位精准、高效获客的途径
• 用户是谁，用户从哪儿来，用户习惯有哪些？--用户特征、用户画像，用户使用场景等分析
• 怎样触达用户？结合用户群体特征对不同形式触达分析，探究出规律，驱动运营更高效投入

4.成熟期

• 目的：尽可能延长用户生命周期，最大化用户商业价值
• 定义生命周期、评估全周期及各阶段用户价值
• 分析各阶段客群特征，结合相应的运营策略提升用户价值贡献
• 潜在流失客群识别与预警，与运营制定挽留措施，跟进效果分析

四.写在最后

数据分析岗位想要做到不错水平，可以不妨坚持以下几个Basic Principle（切身体会）：

首先是业务理解力，深入理解业务和产品的定位、商业逻辑，关注业务动态，知道是什么，发生了什么，是分析的基本出发点，也是下一步提出如何做的最终落脚点

非常重要重要重要的是思考力，带着脑子去做，多思考为什么分析、问题背后逻辑是什么、不同问题间的影响、是否可改进、未来如何做

要有好奇心和批判精神，结合分析的问题，想一想有什么数据，再多想一想还能有什么数据，数据对不对，验证合不合理、科不科学

正确用好数据，保持中立，尊重事实，存疑的地方不妄断，对自己对结果负责

输出一定是经过独立思考、提炼出的有价值信息，而非一堆炫技方法、数字、图表的堆砌

End.

作者：京东白条

来源：知乎

本文为转载分享，如侵权请联系后台删除