数据分析师说他们每天都在干什么

目前在一家电商公司从事数据分析的工作。
刚入门的时候都会从最基本的做起，也就是先做表格。

先是学做日报。 这是每天到公司做的第一件事，虽然很基本，步骤很统一，也很机械，但是每天的日报都能看出前一天的销售状况，整个月的销售走势，本月的任务完成程度，过去24小时内流量来源的对比，转化率的变化，客单价的涨幅等等，清晰且明了。近年来手机端流量的崛起，也为此单门添加无限端的流量、销售的分析，以及无线端和PC端的占比分析。
采用表格，折线图，以及文字表述等方式，通过邮件发给公司里各个部门的主管。

再有就是日销、库存类的表。 这些是关于每一天销售过后的库存、产品销售预测、以及店铺内的top产品的表。
产品销售预测，是通过近30天内的销量，求平均作为销售速度，或者如果近期有大幅度的活动力度，也可取近一天的销售量作为销售速度预测。
通过vlookup得到对应的库存，再通过公式计算得出，按正常日均销量销售的话，一定时间内会出现库存紧缺的产品，做出库存预警。top产品的列取可以帮助在做活动推广的时候，更好的选取产品，也可以直观展现近期产品的受欢迎程度，也间接能反应消费者在宣传作用下的消费偏好。

流量分析相关表。 电商行业对流量的来源分析会更注意，先流量细分，再者只要出现和近期数据相比有较大幅度变化的都需要反映出来。拿淘宝平台的商家来说，站内有钻展，直通车，首焦等流量来源，如若出现较大变动都需要去找对应的原因。站外的话因为会不定期在各个平台做活动，也是需要去相对应的部门获取近期流量来源。

复盘。 每一个较大活动完了都需要对这次活动做复盘，分析销量，走势，和前期对比，哪些不足，什么时间点卖的好等等。

数据分析是公司运作较核心的部分，公司每采取一个决策，都需要参考公司数据指标，每制定一个营销政策也都要结合当前的数据表才能制定。数据分析可以帮助公司更清晰的知道自己的特色、优势，以及消费者的偏好、大环境的变化等等，以此来更好的运作。

－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－

我在美国做数据分析，我们的客户是零售商和一些快消品的生产商，数据分析对很他们重要。由于超市都有会员卡，每一笔消费都会上传到我们的数据库，所以我们拥有详尽的数据可以用来分析。

首先超市或者商店里有大大小小的打折促销活动，要知道这些活动有没有效果就得对关键性的指标进行对比，做出报告告诉客户这些活动的效果。有的广告公司也会找我们分析他们的广告效果，这时候就得在数据库里找实验组和对照组进行建模，在SAS里做统计分析。当然我们也会和一些公司合作搞调查问卷什么的。

另外季度性的报告也是很重要的，各种各样的指标要进行分析对比，看KPI，画趋势图，各个门店各个部门都要看。有时候会有一些门店或者一些部门指标下滑了也要找出原因。

客户关系管理也很重要，要决定怎么给客户发促销邮件，广告，怎么发优惠券之类的。相信看过《塔吉特大数据营销》这篇文章的人都能领悟大数据的魔力。另外，Target确实是家好超市。

还有一些分析是研究产品之间的关联度的，这样可以给经理们提供上架建议。对于新产品也有一套指标来检测他们的表现，不好的下架。

在公司里做的项目还不太多，大概就上面几类吧。

－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－

目前企业类的数据分析主要集中在BI阶段，即普遍意义上的报表。还有一些工作是给业务部门和销售团队提供数据支撑。
如果希望真正的利用数据发现价值，业务部门才是真正使用数据的地方。没有目标的数据分析都是纸上谈兵。
数据部门的优势在于能够拿到整个公司所有系统的数据，能从更多的维度和更宏观的角度发现数据中存在的价值。但是很遗憾，数据部的同学们都在业务部门的需求中疲于奔命，再者说来也没这种意识。
努力提升自己的话语权也该是数据分析师在自己的工作中应该考虑的一部分内容。数据驱动才能真正的不再只是一句口号。

－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－

1.KPI指标监控，异常指标分析，寻找问题根源，为老板做建议
每周都会有：出现什么问题，问题的原因是什么，各个小team的Action，每周这么循环下去。
2.各种周期性报表，各种临时性提数
3.针对某一特定业务问题的分析报告
4.针对某一业务问题的进行线下建模和分析，最终推动模型上线
周期性跑模型，跑模型的效果报表。
建模这块最麻烦的是 需要与业务方沟通，搜集资料，梳理需求，定义好各个指标，加工成所需要的特征变量，特征变量的寻找很多时候都是尝试，摸着石头过河。