您当前的位置: 首页 资讯 >

数据分析岗位最香!|天天微头条

2023-06-27 21:52:10 来源:数据分析不是个事儿

不管是什么行业,数据运营大致的工作目标都是一致的: 实现数据价值,让数据解答业务“是什么”,洞察业务“为什么”,告诉企业“做什么”。

做数据运营很容易感到迷茫,一不小心就被业务牵着鼻子走。建议常常看看这句话,想想现在做的事情是不是在往这个方向靠,再去拆解阶段性目标。

说完工作目标,接着再来聊聊数据运营日常工作内容,按照工作流程可分为


(资料图)

一、工作流程

需求收集→将需求评估分类→分析过程管理→分析结论

1、需求收集

需求业务方提出数据分析需求,数据运营部门收集整理数据需求。在这个部分中,需求可以被分为被动接受需求和主动采集需求,两种使用的技巧不一样。

①被动接受需求

这类需求收集的时候坚持的一个原则:把需求讲清楚,把细节问清楚。

可以使用的方法是5w2h,具体示例如下:

作为销售负责人,我需要一张区域每月销售明细表,来监督推进各区域的目标完成。

需求现状与目标(WHY):当前都是靠询问销售,没有线上查询表,无法动态实时掌握销售情况 需求干系人(WHO):销售负责人、销售人员 需求内容(WHAT):开发一张区域每月销售明细表 需求时限(WHEN) :需要进步明确,一周内/一个月内交付 需求地点(WHERE) :需要进一步明确,总部开发/区域开发 思路与衡量(HOW/HOW MUCH):需要进一步明确,可以有一些图表分析、下钻分析

②主动采集需求

这类需求收集的时候坚持另外一个原则:把问题问清楚,把需求描述清楚。

这里可以遵循挖掘问题痛点→分析问题根因→分解落地动作→主动转换被动这样的过程,具体示例如下:

挖掘问题痛点 (现状) :很烦恼,销售A说他业绩好,销售B也说业绩好,各执一词,怎么公平衡量价值产出? 分析问题根因 (目标) :缺少统一的制度、统一的平台、统一的数据 分解落地动作 (需求) :制定一个相同口径的目标,对比相同口径的销售产出,衡量达成率;开发一张区域销售业绩达成明细表;定期填报或上报合同数据 主动转换被动 (输出): 被动接收需求

2、将需求评估分类

第一类:简单数据准备需求

只需要提供简单数据集,需求方通过BI自助数据集或简单仪表板制作即可完成分析

这里我简单演示一下,借助FineBI工具,由数据人员负责建立数据连接和数据集,业务人员直接取用准备好的数据,遇到没有数据的情况再向数据部门提数据需求。

第二类:简单数据分析需求

无法得出简单结论,一般不是统计结果,需要和业务结论产生关联 多数引导到的数据是曾经应用过的,基础数据的质量可控 通常耗时大于2人天,小于5人天

第三类:复杂数据分析需求

分析结论是业务方无法得出的 有超过50%的数据曾经未应用过,基础数据的质量不可控 通常耗时大于5人天

第四类:数据项目需求

通常指从0-1构建起分析体系 通常耗时大于14人天

3、分析过程管理

1)给出分析思路与计划

适用范围:复杂数据分析需求 第一步:明确分析的目的以及对业务的价值 第二步:画出需要分析的业务流程示意图 第三步:画出分析的思维导图,包含 可分析的维度 期望构建的指标 使用到的数据

5.第四步:给出分析所需的时间计划

2)数据准备

新建数据准备相关的自助数据集 新建产品使用相关的原始数据集 新建分析过程的自助数据集

3)过程管理

切记!注重过程,注重过程,注重过程!严谨,严谨,严谨!该认真的地方千万别摸鱼!

不要图方便,把过程中的数据集和仪表板建立的很随意,没有一次分析可以一次给出合理结论,当你需要用到之前的数据集和结论的时候,再去找的成本只会比规范所用的成本高

4、分析结论

1)结论输出方式

数据准备任务 在任务备注中,明确准备好的数据集的位置与使用方式

2.简单分析任务

需要给出分析结论,结论可以写在仪表板中,也可以写在文档中 在任务备注中,挂载分析用到的仪表板 判断仪表板是否需要挂载至仪表板,如认为有持续使用价值,则记录

3.复杂分析任务

2)完整分析结论需要包含要素,自上而下的结构化顺序

【目标】业务分析的目标是什么,本次分析是否能达成 【结论】结论先行,先给出分析结论 【数据】描述本次分析的数据口径,并且论证所用的数据准确性是否符合要求 【指标】如果有构建新的指标/维度/概念,描述其含义 【过程】描述分析过程与子结论

二、作为数据运营新人,要如何提升自己?

可以分为三部分来针对性提升:业务理解能力、数据运营专业能力、通用素质能力

1、业务理解能力

(一)产品业务知识学习

如果是C端的数据运营,就把整个业务流程跑2遍以上,如果是B端数据运营就把产品帮助文档读3遍以上,把产品业务摸透烂透。

(二)产品运营业务知识学习

快速且深度融入所在业务小组的现有业务的工作中去,理解目标制定与拆解的逻辑,完全清楚大家的工作方式的决策依据与其背后的原因。 不能深入了解业务的数据分析师都是“取数工程师”。

(三)数据采集-分析框架

埋点记录-数据回收-数据处理-数据分析。可以掌握目前有哪些可分析的数据,至少能做到知道所有埋点能从哪个表里能找到。

2、数据运营专业能力

(一)必备能力:

①数据运营与增长思维

思维是最重要的,没有数据牵引业务成长的思维,空有数据处理与分析的能力也得不出影响业务的结论。

推荐阅读:

《硅谷黑客增长实战笔记》/《增长黑客》选读1本

《精益数据分析》

②数据分析工具

初级:BI工具、SQL、Excel

中级:spss、Python、R

数据分析能力提升,可以看我这一篇:数据分析入门学习指南|零基础小白必看

③项目管理能力

推荐阅读:《项目管理精华》,建议买实体书,放在手边经常翻一番

(二)初阶能力:

①梳理流程的能力

怎么算理解业务了,就是能把业务运营的关键环节通过指标与数学关系抽象出来。

整理了电商运营用到的指标体系: 电商运营指标体系

②数据分析能力

推荐阅读:《数据化运营速成手册》《谁说菜鸟不会数据分析》《课程:7周成为数据分析师》《深入浅出数据分析》

(三)中高阶能力:

①埋点采集设计

能基于数据运营的需求与阻塞,设计出成体系的埋点,是数据运营的高阶能力之一。要对业务有足够了解后,才能做到这个事,急不得。

《课程:埋点采集》《资料:历史的埋点设计文档》

②数据库与数据底层工具

【swift】【mysql】【kafka】【kettle】【Hive】【Spark】等

3、其他通用素质

沟通技巧: 《非暴力沟通》《关键对话:如何高效能沟通》

事务管理: 《高效能人士的7个习惯》、《卓有成效的管理者》

逻辑思维: 除了读书,可以多看一些文章,有很多不同的思维方式「线性思维、第一性原理、逆行思维、破局思维」《批判性思维指南》、《金字塔原理》

暂时先写这么多,如果对数据运营还有哪些问题,可以直接评论,我之后会陆续补充更新......

标签:
x 广告
x 广告

Copyright ©  2015-2022 南非科学网版权所有  备案号:沪ICP备2022005074号-13   联系邮箱:58 55 97 3@qq.com