↑↑↑关注后"星标"Datawhale
每日干货 & 每月组队学习,不错过
Datawhale干货
作者:戈理秀,安徽财经大学,就职于毕马威
我们生活在一个数据和分析可以为任何人所用的时代,你可以运用数据分析的威力找出什么可行,什么不可行,沿着最有效的路走向成功。
数据分析是对业务进行流程梳理、指标监控、问题诊断和效果评估,以便实现决策支持的行为。数据分析可以实现精细化管理,用数据驱动决策,数据分析师在团队中的作用相当于军师和智囊团。 |
01
数据分析的魅力
信息化时代,人人都可以是数据分析师,形成数据分析思维,会潜移默化的给我们带来很多正向影响。
1)从职业发展来看,形成数据分析思维会帮助你更全面的了解公司业务流程
在日常工作中,我们往往会局限于工作的某个模块,比如业务人员会更了解产品、开发人员会更了解App、财务人员会更了解公司的经营情况。而数据分析师需要通过数据去定位问题,通过定位的问题去锁定产生问题的环节,并进一步将监控的异常指标划分到部门,给出可以解决问题的建设性意见。这一工作性质决定数据分析师会更了解公司的整个业务流程及经营情况,基于对公司业务流程的全面了解,才能做出有价值的分析报告,更有效的解决实际业务问题。
2)从生活习惯来看,形成数据分析思维会帮助你科学的分配时间、培养建模意识
在生活中,每个人都会遇到时间不够用的情况,随着年龄的增长,分散我们精力的事情越来越多,这一现象会更加的突出。形成数据分析思维可以帮助我们更科学的去分配时间,用数据去记录时间成本和产出,分析有效时间和无效时间占比,把事情划分成重要紧急、重要不紧急、不重要紧急、不重要不紧急,从而科学合理的分配时间。
数据分析思维也会帮助我们培养建模意识,培养建模意识对我们来说是至关重要的,普通的人改变结果、优秀的人改变原因、顶级优秀的人改变模型。当然,并不是只有数据分析的工作会培养你的建模意识,只是数据分析师经常会需要用一些分析框架和模型去发现问题、解决问题,从而更容易培养出建模意识。
3)从个人素养来看,会帮助你提升商业洞察力、逻辑思维能力
数据分析思维会提升我们的商业洞察力,思考问题会习惯性的对应到商业模式画布的四要素:给谁、给什么、怎么给、给的结果,更容易看到事务的本质。
数据分析思维也会提升我们的逻辑思维能力,主要是闭环和分类的思维模式带来的正向影响。数据分析师在遇到问题的时候大多从问题是什么、由什么原因导致、如何解决这个过程去思考,闭环的思维模式会使逻辑更具条理性。同样,分类思维模式也能提升逻辑思维能力,在遇到问题时,先分类、再按分类影响因素重要度算占比、最后清晰的找到问题关键点所在,真正做到抓主要矛盾。
02
数据分析师的能力要求
信息化时代人人都可以是数据分析师,但并不是每个人都可以成为优秀的数据分析师,想成为一个优秀的数据分析师需要具备:知识、技能、能力。
知识主要包含Excel、SQL、统计学、可视化工具、业务知识等等,知识是做数据分析的必备条件,拥有知识储备才能很好的处理数据,为成为数据分析师奠定基础。
技能主要包含问题界定与拆解、指标体系的理解、SQL/可视化工具的熟练使用、报告呈现以及分析方法的应用,学好技能可以成为初级数据分析师,初级分析师的能力范畴是通过对数据的分析,给业务运营状况做出诊断。
能力是指沟通表达能力、学习能力、逻辑思维能力、结构化思考能力等,能力是需要长期实践积累和培养的,只能通过对学习知识和技能以及在工作中的实践,慢慢的提升能力。能力达到一定水平可以成为高级的数据分析师,高级分析师的能力范畴是为业务发展定规划,以及为业务决策定方向。
03
数据分析师的三大技能项
数据分析师的三项必备技能是:懂业务、会拆解、重指标。
1)懂业务
懂业务从宏观角度是要懂不同公司的商业模式,从微观角度看是要懂不同公司的运转模式。微观层面,借助商业模式画布里的给谁、给什么、怎么给、给的结果去理解懂业务。业务的本质是用户和利润,详细来说业务是以用户为中心,通过各种运营的手段,将产品和服务提供给用户,同时获取利润的系统。对应到商业模式画布的四要素:给谁(用户)、给什么(产品/服务)、怎么给(运营/渠道)、给的结果(利润=收入-成本)。
a.什么是用户?产品对应的目标群体和受众,即目标用户,目标用户分为实际用户和潜在用户。基于假设的目标用户做需求分析,做产品功能设计与开发,通过用户分析重新定义目标用户,基于更加精确的目标用户需求迭代产品功能。
b.产品/服务的核心:解决需求,产品和服务是满足用户需求的一种形式。产品/服务的特点:核心需求稳定、迭代的成本周期高,产品/服务是相对标准化的,可复用。
c.什么是运营?运营是为了帮助产品与用户之间更好的建立和维系关系。运营的特点:运营的种类非常丰富,可根据指标表现不断迅速调整动作。运营包含用户运营、内容运营、社群运营、渠道运营等。
d.什么是利润?利润等于总收入减去总成本的差额。
综述,什么是懂业务,初级分析师能够识别出该业务模式中四个要素分别是什么,高级分析师能在具体的业务模式中能够理解这四要素之间的关系是什么。
2)会拆解
拆解是在分析时将事物拆分成各个组成成分的过程,拆解方法:同一维度直接相加、同一流程直接相乘、其他关系理逻辑/找公式。
a.同一维度直接相加,是指需要拆解的要素均处于同一纬度中,可以通过相加的方式将其拼起来。时间维度:新、老,性别维度:男、女,地区维度:东、西、南、北,位置维度:内部、外部等。
b.同一流程直接相乘,是指需要拆解的要素处于流程的某一环节当中,可通过对流程拆解的方式找到原因。
c.其他关系理逻辑,找公式,是指某些要素涉及多层嵌套关系(相加和相乘),需要先梳理清楚逻辑关系,确认变量之间的公式后再拆解,往往条件和结果之间并非同一维度或同一流程的单一关系。
案例:估算纽约的调音师数量
如何通过拆解来完成市场规模估算?
a.定位:明确需求
b.建模:关键要素拆解
c.计算:校准关键要素
d.验证:不同方法交叉验证
3)重指标
我们经常会听到一些无法量化的抽象概念,比如说一个人很富有、很漂亮、头发很长,这些形容都无法让我们清楚的知道有多富有、多漂亮、多长。数据分析一个重要的技能就是量化抽象概念,比如用工作时长量化累,用车产、房产量化富。
案例:如何评估学校中某社团的影响力?
方法:定义抽象概念,列举相关指标,根据MECE原则重新梳理指标。
a.定义影响力,能够触达更多人,且改变更多人的能力,改变是指让学员在该社团所在的专业领域获得技能的提升
b.列举相关指标,寻找能体现触达、改变相关的指标
c.可以将上述列举的指标按照内部、外部进行排列;按照影响的是运营/产品/用户等维度进行排列。
最后呈现的结果:
通过统一标准来监控和评估业务结果成功或失败的可量化的度量就是指标。如何读懂指标?
a.理解指标的含义:有哪些常见的指标,确立指标口径,针对某一指标达成一致的统计逻辑,可减少无效讨论带来的分歧。
b.知晓指标的分级:一级指标和二级指标,一级指标是最核心最关注的指标,二级指标是组成一级指标的指标。
c.看懂指标的波动:正常波动和异常波动。如何确定正常波动的阈值:自然波动范围内,上下游幅度一致,历史数据波动范围内。如何解读指标的异常波动?第一步,通过同环比来确认波动值,第二步,通过拆解寻找原因。
04
数据分析师的分析框架
1)界定问题
什么是问题,期待的状况与现状之间的落差,问题的三个要素有:理想态、现实态、落差。方法论:第一步,寻找理想态—明确目标、定义理想态;第二步,确认现实态—区分事实和观点、用数据描述现状;第三步,对比理想态与现实态,准确描述问题。
案例:餐厅的销售额太低了
定义理想态:销售额月均200万以上,确认现实态:本月销售额为160万,比理想值低了20%,对比理想态与现实态:销售额下降了20%。
2)问题拆解
从业务中得到对应的指标公式,进行拆解。
案例:餐厅的销售额太低了
从线上销售额(美团、饿了么、其他)、线下销售额去拆解分析。
3)提出假设
基于对业务的理解提出假设。
案例:餐厅的销售额太低了
从线上销售额(美团—曝光不足导致进店人数减少,优惠活动减少导致转化率下降,新客占比减少,吸引新客户效果不佳)、线下销售额—客流量减少,吃饭的用户比较少。
4)分析验证
常用方法:SQL、BI、Excel.
通过工具获取真实数据去验证每个假设是否成立。
5)结论呈现
先写结论、再展开论证、给出建议。
案例:餐厅的销售额太低了
结论:餐厅的总销售额在上个季度出现了20%的下降,主要原因是拉新不够导致进店新用户太少,论证过程:论证结论用相应的数据支持,建议:增加线上促销活动。
“干货学习,点赞三连↓