一名優(yōu)秀的數(shù)據(jù)分析師是怎樣煉成的？

大數(shù)據(jù) 數(shù)據(jù)分析數(shù)據(jù)分析師

陳明 | 2016-09-29 11:28

【數(shù)據(jù)猿導讀】互聯(lián)網(wǎng)行業(yè)靠著人口紅利和流量紅利野蠻生長；而隨著流量獲取成本不斷提高、運營效率的不斷下降，這種粗放的經(jīng)營模式已經(jīng)不再可行?；ヂ?lián)網(wǎng)企業(yè)迫切需要通過數(shù)據(jù)分析來實現(xiàn)精細化運營，降低成本、提高效率；而這對數(shù)據(jù)分析師也提出了更高的要求

來源：數(shù)據(jù)猿作者：陳明

近些年，互聯(lián)網(wǎng)公司對數(shù)據(jù)分析師崗位的需求越來越多，這不是偶然。

過去十多年，中國互聯(lián)網(wǎng)行業(yè)靠著人口紅利和流量紅利野蠻生長；而隨著流量獲取成本不斷提高、運營效率的不斷下降，這種粗放的經(jīng)營模式已經(jīng)不再可行?；ヂ?lián)網(wǎng)企業(yè)迫切需要通過數(shù)據(jù)分析來實現(xiàn)精細化運營，降低成本、提高效率；而這對數(shù)據(jù)分析師也提出了更高的要求。本文將和大家分享數(shù)據(jù)分析師的演變、數(shù)據(jù)分析價值體系、數(shù)據(jù)分析師必備的四大能力、七大常用思路以及實戰(zhàn)分析案例。

數(shù)據(jù)分析師的前世今生

在介紹數(shù)據(jù)分析師之前，我們先來看一下這幾個歷史人物，看看他們都跟數(shù)據(jù)分析師有著怎樣的淵源？

歷史上大名鼎鼎的“分析師”

上面展示的六個歷史人物（從左往右，從上往下）分別是：張良、管仲、蕭何、孫斌、鬼谷子和諸葛亮。他們是歷史上大名鼎鼎的謀士，有的還做過丞相。他們博覽群書、眼光獨到，通過對大量史實進行總結(jié)發(fā)現(xiàn)了很多規(guī)律，并且在實踐中成功預測了很多事件。他們通過 “歷史統(tǒng)計——總結(jié)分析——預測未來”的實踐為自己的組織創(chuàng)造了絕大的價值，而這就是“數(shù)據(jù)分析師”的前身。

那么現(xiàn)在，數(shù)據(jù)分析師需要哪些必備技能，如何成為一名優(yōu)秀的數(shù)據(jù)分析師呢？

數(shù)據(jù)分析師的價值金字塔

一個完整的企業(yè)數(shù)據(jù)分析體系涉及到多個環(huán)節(jié)：采集、清理、轉(zhuǎn)化、存儲、可視化、分析決策等等。其中，不同環(huán)節(jié)工作內(nèi)容不一樣，消耗的時間和產(chǎn)生的價值也相差甚遠。

數(shù)據(jù)分析師的價值金字塔

互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)分析體系中至少有三方面的數(shù)據(jù)：用戶行為數(shù)據(jù)、交易訂單數(shù)據(jù)和CRM數(shù)據(jù)。工程師把不同來源的數(shù)據(jù)采集好，然后通過清理、轉(zhuǎn)化等環(huán)節(jié)統(tǒng)一到數(shù)據(jù)平臺上；再由專門的數(shù)據(jù)工程師從數(shù)據(jù)平臺上提出數(shù)據(jù)。這些工作占用了整個環(huán)節(jié)90%的時間，然而產(chǎn)生的價值卻只占10%。

這個金字塔再往上數(shù)據(jù)分析就和業(yè)務實際緊密結(jié)合，以報表、可視化等方式支持企業(yè)的業(yè)務決策，涵蓋產(chǎn)品、運營、市場、銷售、客戶支持各個一線部門。這個部分占用了整個環(huán)節(jié)才10%的時間，但是卻能產(chǎn)生90%的價值。

一個優(yōu)秀的商務數(shù)據(jù)分析師應該以價值為導向，緊密結(jié)合產(chǎn)品、運營、銷售、客戶支持等實踐，支持各條業(yè)務線發(fā)現(xiàn)問題、解決問題并創(chuàng)造更多的價值。

數(shù)據(jù)分析師必備的四大能力

1.全局觀

某日，產(chǎn)品經(jīng)理跑過來問我：Hi, 能不能幫我看一下昨天產(chǎn)品新功能發(fā)送的數(shù)據(jù)？謝謝！條件反射我會說：好，我馬上給你！不過我還是禮貌性地問了一句：為什么需要這數(shù)據(jù)呢？產(chǎn)品經(jīng)理回復道：哦，昨天新功能上線了，我想看看效果。知道了產(chǎn)品經(jīng)理的目的，我就可以針對性地進行數(shù)據(jù)提取和分析，分析的結(jié)果和建議也就更加具有可操作性。

很多時候，數(shù)據(jù)分析師不能就數(shù)說數(shù)，陷入各種報表中不能自拔。一個優(yōu)秀的數(shù)據(jù)分析師應該具有全局觀，碰到分析需求的時候退一步多問個為什么，更好地了解問題背景和分析目標。

2.專業(yè)度

某企業(yè)的數(shù)據(jù)科學家針對用戶流失情形進行建模預測，最終得到的用戶流失模型預測準確率高達90%多。準確率如此之高，讓商務分析師都不敢相信。經(jīng)過檢驗，發(fā)現(xiàn)數(shù)據(jù)科學家的模型中有一個自變量是 “用戶是否點擊取消按鈕” 。而點擊了“取消”按鈕是用戶流失的重要征兆，做過這個動作的用戶基本上都會流失，用這個自變量來預測流失沒有任何業(yè)務意義和可操作性。

數(shù)據(jù)分析師要在所在行業(yè)（例如電商、O2O、社交、媒體、SaaS、互金等等）展示她/他的專業(yè)度，熟悉自己行業(yè)的業(yè)務流程和數(shù)據(jù)背后的意義，避免上面的數(shù)據(jù)笑話。

3.想象力

商業(yè)環(huán)境的變化越來越快、越來越復雜，一組商業(yè)數(shù)據(jù)的背后涉及到的影響因素是常人難以想象的。數(shù)據(jù)分析師應該在工作經(jīng)驗的基礎上發(fā)揮想象力，大膽創(chuàng)新和假設。

根據(jù)硅谷公司的核心KPI（Facebook的4-2-2準則，LinkedIn的connection規(guī)律），我們也想找到互聯(lián)網(wǎng)企業(yè)驅(qū)動增長最核心的KPI?；谖覀兊南胂罅?rdquo;無埋點”全量數(shù)據(jù)采集的優(yōu)勢，我們創(chuàng)造了” GrowingIO留存魔法師” 。通過全量采集的數(shù)據(jù)，智能自動的后端計算，以及簡單的使用交互，留存魔法師可以幫助企業(yè)迅速找到與其留存最相關的用戶行為，就像魔法師輕輕揮動魔法棒一樣簡單。例如某 SaaS產(chǎn)品，在一周內(nèi)創(chuàng)建過3個圖表的用戶(群)留存率非常高，那么”一周+3個+圖表”就是我們驅(qū)動用戶增長的魔法數(shù)字。

4.信任度

以銷售崗位為例，一個銷售人員首先要和用戶建立起信任；如果用戶不信任你的話，那他也很難信任或者購買你的產(chǎn)品。同理，數(shù)據(jù)分析師要和各部門同事建立良好的人際關系，形成一定的信任。各個部門的同事信任你了，他們才可能更容易接受你的分析結(jié)論和建議；否則事倍功半。

數(shù)據(jù)分析常見的七種思路

1.簡單趨勢

通過實時訪問趨勢了解產(chǎn)品使用情況，便于產(chǎn)品迅速迭代。訪問用戶量、訪問來源、訪問用戶行為三大指標對于趨勢分析具有重要意義。

分鐘級的實時走勢分析

以星期為周期的趨勢對比

2.多維分解

數(shù)據(jù)分析師可以根據(jù)分析需要，從多維度對指標進行分解。例如瀏覽器類型、操作系統(tǒng)類型、訪問來源、廣告來源、地區(qū)、網(wǎng)站/手機應用、設備品牌、APP版本等等維度。

多維度分析訪問用戶的屬性

3.轉(zhuǎn)化漏斗

按照已知的轉(zhuǎn)化路徑，借助漏斗模型分析總體和每一步的轉(zhuǎn)化情況。常見的轉(zhuǎn)化情境有注冊轉(zhuǎn)化分析、購買轉(zhuǎn)化分析等。

漏斗分析展示注冊每一步的流失率

4.用戶分群

在精細化分析中，常常需要對有某個特定行為的用戶群組進行分析和比對；數(shù)據(jù)分析師需要將多維度和多指標作為分群條件，有針對性地優(yōu)化產(chǎn)品，提升用戶體驗。

5.細查路徑

數(shù)據(jù)分析師可以觀察用戶的行為軌跡，探索用戶與產(chǎn)品的交互過程；進而從中發(fā)現(xiàn)問題、激發(fā)靈感亦或驗證假設。

通過細查路徑分析用戶的行為規(guī)律

6.留存分析

用戶留存分析是探索用戶行為與回訪之間的關聯(lián)。一般我們講的用戶留存率，是指“新增用戶”在一段時間內(nèi)“回訪網(wǎng)站/app”的比例。數(shù)據(jù)分析師通過分析不同用戶群組的留存差異、使用過不同功能用戶的留存差異來找到產(chǎn)品的增長點。

留存分析發(fā)現(xiàn)“創(chuàng)建圖表”的用戶留存度更高

7、A/B測試

A/B測試就是同時進行多個方案并行測試，但是每個方案僅有一個變量不同；然后以某種規(guī)則（例如用戶體驗、數(shù)據(jù)指標等）優(yōu)勝略汰選擇最優(yōu)的方案。數(shù)據(jù)分析師需要在這個過程中選擇合理的分組樣本、監(jiān)測數(shù)據(jù)指標、事后數(shù)據(jù)分析和不同方案評估。

數(shù)據(jù)分析實戰(zhàn)案例

某社交平臺推出付費高級功能，并且以EDM（Email Direct Marketing，電子郵件營銷）的形式向目標用戶推送，用戶可以直接點擊郵件中的鏈接完成注冊。該渠道的注冊轉(zhuǎn)化率一直在10%-20%之間；但是8月下旬開始注冊轉(zhuǎn)化率急劇下降，甚至不到5%。

如果你是該公司的數(shù)據(jù)分析師，你會如何分析這個問題呢？換言之，哪些因素可能造成EDM轉(zhuǎn)化率驟降？

一個優(yōu)秀的數(shù)據(jù)分析師應該具有全局觀和專業(yè)度，從業(yè)務實際出發(fā)，綜合各個方面的可能性。因此，EDM注冊轉(zhuǎn)化率驟降的可能性羅列如下：

1.技術原因：ETL延遲或者故障，造成前端注冊數(shù)據(jù)缺失，注冊轉(zhuǎn)化率急劇下降；

2.外部因素：該時間節(jié)點是否有節(jié)假日，其他部門近期是否有向用戶發(fā)送推廣郵件，這些因素可能稀釋用戶的注意力；

3.內(nèi)部因素：郵件的文案、設計是否有改變；郵件的到達率、打開率、點擊率是否正常；郵件的注冊流是否順暢。

經(jīng)過逐一排查，數(shù)據(jù)分析師將原因鎖定在注冊流程上：產(chǎn)品經(jīng)理在注冊環(huán)節(jié)添加了綁定信用卡的內(nèi)容，導致用戶的注冊提交意愿大幅度下降，轉(zhuǎn)化率暴跌。

一個看似簡單的轉(zhuǎn)化率分析問題，它的背后是數(shù)據(jù)分析師各方面能力的體現(xiàn)。首先是技術層面，對ETL（數(shù)據(jù)抽?。D(zhuǎn)換－載入）的理解和認識；其實是全局觀，對季節(jié)性、公司等層面的業(yè)務有清晰的了解；最后是專業(yè)度，對EDM業(yè)務的流程、設計等了如指掌。

練就數(shù)據(jù)分析的洪荒之力并非一朝一夕之功，而是在實踐中不斷成長和升華。一個優(yōu)秀的數(shù)據(jù)分析師應該以價值為導向，放眼全局、立足業(yè)務、與人為善，用數(shù)據(jù)來驅(qū)動增長。

本文作者：陳明，GrowingIO聯(lián)合創(chuàng)始人&運營副總裁。陳明畢業(yè)于斯坦福大學，先后就職于eBay、LinkedIn數(shù)據(jù)分析部門，有豐富的商務分析經(jīng)驗。

注：本文由 GrowingIO 投稿數(shù)據(jù)猿發(fā)布。

歡迎更多大數(shù)據(jù)企業(yè)、愛好者投稿數(shù)據(jù)猿，來稿請直接投遞至：tougao@datayuan.cn

來源：數(shù)據(jù)猿

收藏分享

聲明：數(shù)據(jù)猿尊重媒體行業(yè)規(guī)范，相關內(nèi)容都會注明來源與作者；轉(zhuǎn)載我們原創(chuàng)內(nèi)容時，也請務必注明“來源：數(shù)據(jù)猿”與作者名稱，否則將會受到數(shù)據(jù)猿追責。