數據分析師的日常工作是什么？

編輯導語：數據分析是一個通過對原始數據進行分析，從而挖掘有效信息的過程。隨著大數據時代的到來，各行各業都意識到了數據的重要性，因此數據分析師崗位也被越來越多的人所知曉。那么，數據分析師的日常工作是什么？數據分析師之間又有哪些共性和非共性呢？本文作者做出了回答。

有同學會說，得先定義清楚數據分析。是的，想定義清楚數據分析，不能看他叫什么，而要看他做什么。適用于任何職位。

總結有4個方向可能影響到日常工作內容，按影響程度排列：

所在的部門歷史工作年限+入職時長個人的技術棧數據部門的規模

既然是一個特定職業，那么無論在什么部門，無論工作多久，一定是有一定的共性的。就像畫家總會拿起自己的畫筆，司機自然會有一輛車~

一、數據分析師有哪些共性？

我們先簡單定義分析師為：對數據進行一定的處理，并輔助需求方決策。

1. 對數據進行處理

對數據處理的工具有很多，但是基本都繞不開兩個核心 EXCEL + SQL。

2. 了解業務

想要輔助決策，首先要了解對方干什么。如何了解業務？通過數據看業務的表現，和需求方溝通，參與需求方的會議，到需求方進行輪崗等。

這些內容可以用流程圖+文檔記錄，幫助自己理解業務流程及細節。

3. 可視化傳遞信息

需要將信息有效的傳遞到需求方中，需要使用合理的方式將信息傳遞。可視化是常見的且有效的方式，這里一般使用EXCEL就可以完成對大多數的需求，但是更建議掌握一個BI工具。

推薦使用商業化產品，例如tableau,power bi等。匯報時，可以使用PPT，但是要注意效率問題，畢竟制作一個邏輯合理，美觀的PPT還是很肝的。

4. 總結

無論你在什么部門，什么行業，EXCEL + SQL + BI + 流程圖（了解業務）對于小白來講，快速掌握以上幾點，是進入工作角色有力的保障。

二、非共性的部分

1. 所在部門影響的工作內容

1）數據中臺組

當項目有多條業務執行線時，且部門對全部業務線服務時，該數據部門就可以定義為中臺組。比如，同時為產品、市場與渠道、運營提供數據支撐。

這個時候更多的會在底層數據服務，除共性內容外：

了解數據庫存儲邏輯，字段含義，了解數據指標具體定義及產出邏輯；承接各需求部門提數需求，部分可能會需要python等腳本語言來處理；數據埋點文檔產出；為業務方提供的數據產品的配置及培訓等。

2）運營部門

活動運營：會統計每一次活動的效果，及流程轉化率，產出每次的數據結案，及是否優化建議。主要會關注到成本情況，效益情況，各流程轉化率情況，用戶在活動后表現。用戶運營：了解用戶生命周期。產出用戶畫像及用戶分層規則，并執行精細化運營的邏輯策略，同時統計效果。有能力需進行頻繁的AB測試，沉淀測試結論。其他運營：略

3）市場及渠道部門

統計投放及效益數據，核心為成本模型的搭建。并測試出各種渠道的效果，可以根據不同的目標，進行投放的調整。

2023年了，除了傳統的渠道方式，現在更有私域渠道，社交媒體渠道。可能會要求了解新型營銷內容，技術上可能會要求爬蟲技能。

4）產品部門

主要為產品功能的數值監測，新功能數據復盤，用戶路徑分析；功能AB測試，提供分析結果及測試建議；尋找用戶留存和活躍的魔法數值，該部分和用戶運營重疊。

5）戰略情報部門

市場研究及競品分析企業成本模型，用戶分析使用PPT進行信息傳遞可能會要求爬蟲技能【工具】

6）算法組

注：算法與數據分析是兩碼事，已經完全是另外一種工作。

2. 歷史工作年限+入職時長

這個主要是決定在一線工作內容和資源協調溝通的上的時間分配問題，比如：

實習生：一線工作內容 100%，還不一定可以做的很好；初級數據分析師：一線工作內容90%，資源協調溝通 10%；高級數據分析師：一線工作內容50%，資源協調溝通 50%；管理：一線工作內容20%，資源協調溝通 80%。

從高級分析師開始，大概率已經會有partner或者開始帶人了。

3. 個人的技術棧

不會python會影響數據分析么，在絕大部分是不會的。但是會python的時候，在一定程度上可以做更多的事情。

比如將自己的某些需求自動化；比如自己爬蟲一些內容；比如會R在統計分析上，可能也會有一定的優勢；比如只會power bi 或者只會 tableau的人，工作方式也會有一點點的不同。

但是這里也有一個巨大的陷阱：

自己給自己的陷阱：過于專注于某一個技術手段，忽略了數據分析核心的內容。技術手段長遠來看，基本上都會被工具所代替。公司給自己的陷阱：比如公司會讓你爬數據，而不單獨招一個工程師。相當于身兼多職，在數據分析方向投入的精力就會相對較小。

4. 數據部門的規模

數據部門的規模大小，決定了大家的分工情況，這個數據部門也包含數倉等崗位。企業的數倉建立完善，報表工具高效，BI工具完善，埋點數據健壯，運營系統數據支持完備。

那么分析師在這些環節就不需要投入太多的精力，會更多的投入到業務方向上。否則，哪里有缺失，數據分析師作為潤滑劑或樞紐，就會在哪個環節人肉頂上。

本文由 @冷凡原創發布于人人都是產品經理，未經許可，禁止轉載

題圖來自 Unsplash，基于 CC0 協議

上一篇：注冊墨西哥公司需要申請注冊哪些稅號，墨西哥RFC稅號介紹
下一篇：按揭房離婚析產的流程是什么？有哪些注意事項？

亚洲99影视一区二区三区_日本JAPANESE熟睡人妻_久久久久久久人妻无码中文字幕爆_欧美嫩交一区二区三区_av男人在线东京天堂_日本在线天堂