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
- 我的微信公众号
- 微信扫一扫
-
- 我的微信公众号
- 微信扫一扫
-
评论