PART 0 前导
- 数据分析的价值
- 避免主观谬误(需求分析、AB 测试)、提高判断效率(如:客服提高交接效率)、易推广、易迭代
- 数据分析的要求
- 简明化 、结论化、通用化
- 数据分析的本质–发现和解决问题
- 现状 vs 期望:(过去更好 → 解决已发生风险,现状很好 → 预防潜在风险,通用化判断,理想/未来更好 → 战略性、定性分析)
- 数据分析的四个层次
- 战略规划:内外部数据结合,长期规划,注重方向判断,弱化细节预测。
- 策略分解:根据战略和目标,拆解为可执行的层面,注重 KPI 设定。
- 市场营销:活动和获客驱动,注重成本核算、效果预测和事后评估。
- 业务运营:关注日常数据,注重监控预警和分析发现。
- 数据分析师的分类
- 数据部–数据分析师:数据驱动业务,关注现象背后的原因,对未来预测;独立于业务经验,提供不同视角产出;
- 业务部门–业务分析师:业务为主,数据为辅,更关注业务变化,指标监控,活动效果评估,业务经验很重要。
- 分析师进阶之路
- a.初级分析师 0-1 年:临时性数据支持为主:SQL/Tableau/PPT;
- b.高级分析师 1-3 年:简单的分析需求为主:R/Python/PPT/分析思维ÿ