请选择 进入手机版 | 继续访问电脑版
分享到

数据分析师的类型和能力图谱

用户分享 2021-10-9 09:41 2375人浏览 1人回复
摘要

字数: 3k+时长: 5mins收获: 数据分析师岗位的新认知一、数据分析师的分类根据我个人的工作经历及同行小伙伴的交流,我认为「数据分析师」可以根据两种维度划分如下类型:1、根据是否具备算法模型能力划分为数据分析 ...

字数: 3k+

时长: 5mins

收获: 数据分析师岗位的新认知

一、数据分析师的分类

根据我个人的工作经历及同行小伙伴的交流,我认为「数据分析师」可以根据两种维度划分如下类型:


1、根据是否具备算法模型能力划分为数据分析师(Data Analyst)和数据科学家(Data scientist)。这里并不是说「数据科学家」要比「数据分析师」更高级,二者能力所长的侧重不同而已。

  • 「数据科学家」具备扎实的机器学习、深度学习、因果分析等方法论,他们工作内容经常需要根据某些业务需要挖掘具备某种特征的人群、或者将用户分群、或者配合推荐算法的同学迭代个性化推荐模型等。比如,针对双十一活动,需要数据科学家们根据用户对促销力度的敏感程度,对不同用户分发不同满减额度的优惠券,整个过程各注重“根据某种模型”将用户分类。他们与产品、运营等业务方的合作相对较少,对业务的实际运作知之较少。
  • 「数据分析师」则在“业务理解”方面优于前者。数据分析师与业务方合作密切,①帮助业务方“了解用户”,比如用户画像分析、行为轨迹分析;②通过数据诊断,“看清业务”,比如指标异动分析、KPI拆解;③通过ab分析,帮助业务“确定影响”,通常很难主观预测某项产品改动带来的指标影响;④通过用户偏好分析等,帮助业务“明确打法”,比如业务的终极目标之一是用户留存,而提升留存的抓手有很多,以抖音为例,比如视频点赞、评论、关注作者、发布视频等等,主观并不能有效判断这些抓手在当下最有可能把指标提升上去。这个时候,可以观察研究历史数据和现状,量化抓手与终极目标的关系强弱,辅助业务排布各抓手的优先级。

2、根据服务的对象可以将分析师分为:经营分析师、商业分析师以及产品分析师(通常也叫业务分析师)。

  • 经营分析师服务于管理层,或者是对外的财务报告,旨在通过统计分析各项经营数据,来描述公司的运营和盈利情况,包括公司的用户规模、收入、成本等。
  • 商业分析师服务于变现的业务部门,比如广告部、用户付费、B端客户付费等,主要分析用户的行为特征、消费偏好,提升用户的付费转化,从而提升公司整体收入。比如app开屏广告、游戏付费、直播打赏、电商GMV转化等等。
  • 产品分析师服务的对象主要是用户体验相关的业务部门,比如产品部、运营部、客服部等,通过分析用户在站内的各种行为转化和用户满意度,从而改善用户体验,能让用户更多的留在app内,为商业化变现提供用户基础。

了解了数据分析师的工作内容,下面我们来看看数据分析师应该具备哪些能力。

二、数据分析师的能力图谱


a) 技能项


很多招聘信息里,要求你熟悉各种五花八门的数据分析工具。比如取数工具SQL、Hive、Shell、Python、Excel,比如可视化工具 Tableau、PowerBI、百度 Echarts、开源的 Superset 等。真的需要这么多技能吗?这里将技能分成三类:

  • 必备技能:SQL、Excel、基础统计学知识。
  • 加分技能:如果不会也没关系,大部分岗位并不要求,但如果具备该技能,能为自己加分,比如python、tableau、算法模型(数据科学家必备)、R、hive、shell
  • 惊喜技能:严格说,这些技能可能更多的是通过实践积累获取,比如埋点、ab实验设计和评估、如何从底层日志采集到前端 BI 展示,如果具备这些能力,将大大加分,可以减少入职之后的人才培养时间

b) 分析方法论

掌握常用的方法论,比如AARRR分析、留存分析、漏斗分析、用户规模分析、画像分析、用户分群分析等。科学的分析方法论是构建分析框架的支架。网上有很多各种方法的介绍,在此不过多赘述。

c) 业务思维


对于上面提到的技能项,大部分是可以通过学习获取的,它们相对程式化。对于已经入门的同学,可能更困惑的是,数据摆在面前,但业务提出的问题还是不知道如何着手分析。比如,“上周环比周活明显下降,收入为什么还上升了?”“为什么用户人均使用时长变长,但互动率却下降了?”“要提升新客 ARPU 值,如何优化现有新客定价策略?”

或者,对于业务的理解不深,数据和业务事实相互割裂:只知道有数据,却不知道数据代表什么。只有在数据和事实之间建立关系,才能对业务有鲜活的理解。要常常问自己,这个数据反映了什么事实?这个事实可以用什么数据来描述?

将业务问题抽象为数据问题,解读数据代表的业务问题,也是数据分析师重要的基本功。

d) 解决问题(项目落地)

解决问题的能力,是数据分析结论运用到实际业务的环节,也是数据价值的终极体现。辛辛苦苦做出的分析结论,业务方没有任何反馈,数据还怎么驱动业务增长?所以数据落地的第一步是,收集业务方的反馈,最好跟业务方充分讨论,以达成共识。在此基础上,讨论方案,跟业务方一起推动方案落地。

e) 软能力

硬实力决定我们的起点高度,但是软实力决定终点高度。在具备上述种种硬实力后,我们同样需要达到良好的沟通、逻辑表达等能力。分析最终被业务方采纳的前提是,说服业务方相信我们的观点。它离不开科学的方法论,也离不开我们如果表达观点。这种软能力,也是可以培养的,比如思维导图训练、SCQA表达模型等。

如果你已经选定数据分析行业,希望你能够在前期熟悉数据处理技能后,将重心更多放到解决业务问题和落地数据策略上,这样数据的价值和个人价值才能充分体现。

评论
2375人参与,1条评论

精彩评论

查看全部评论>>

数据分析
热门问答
  • 官方微信

    欢迎关注永洪服务号!收费为0,价值无限

    扫码关注
  • 新浪微博

    让每位用户轻松挖掘数据价值!

    访问新浪微博
  • 智能客服
20W

会员等你来哦

Copyright   ©2012-2022  北京永洪商智科技有限公司  (京ICP备12050607) 京公网安备110110802011451号 |联系社区管理员|《永洪社区协议》
返回顶部