文章目录
一、啥是数据分析?
1. 数据的四大优势
- 可以反复使用
- 客观
- 量化
- 机器可处理
质量最好效率最高的信息形式
2. 啥是数据分析?
- 人类的生产离不开资源和信息
- 量化的信息能极大地提升交流效率,最终提升生产效率
- 只要是基于量化的信息提升生产力,就是数据分析
- 取数、做表
- 搭看板、写报告
- 做挖掘、建模型
只要基于信息、基于数据提升了生产力、对企业有贡献就是数据分析
3. 数据分析的岗位都干啥?
(1)阶段一:刚起步没啥数据的小公司
- 业务规模不大
- 数据量级也小
- 公司活下来比什么都重要
- 只有看数字的简单需求
- 不需要专门的数据分析师
(2)阶段二:需要做数据分析,但是数据建设不完善的公司
- 业务爆炸式增长
- 带来可怕的信息熵增
- 必须基于数据对信息进行汇总管理
- 但管理者经验不足
- 并不知道如何搭建数据团队,数据建设的职责需要分析师承担
- 由此引发一系列的问题
(3)阶段三:已经有成熟数据建设的公司
- 公司真正实现数据驱动业务
- 已经搭建或正在搭建成熟的数据团队
(4)那么一支大厂级的成熟数据团队是如何划分岗位职能的呢?
-
数据专员:
职能比较单一,主要是用SQL从数据库取数或者手动下载汇总数据,然后再用Excel等工具处理数据,进行一些基础的数据支持,为业务提供各种各样简单的图表和看板 -
数据运营:
负责设计业务流程,并且落地去执行,本质上就是一线的业务小伙伴,但是数据运营会在业务上线前就进行数据上的核算,看看办个活动、跑个模式要花多少钱,预计能不能赚回来;业务开始执行后,还会定期查看,各项数据是否正常,如果不正常要找找原因,总之就是要基于数据诊断业务的运营情况,分析业务如何才能做得更好。如果是简单的数据需求和问题,数据运营一般都可以通过分析师已经搭建好的看板和自动更新的报表自己解决;如果需求很复杂,分析师就要登场了 -
数据分析师:
不需要做执行,主要有两方面职能:一方面就是提供数据支持,只要是业务想看的数据,分析师其实都要想办法实现;另一反面就是对业务进行诊断,并给出优化策略;关于业务做得到底好不好,怎么做好,除了业务自己会看数据给出答案,分析师也会从自己的角度给出解答,因为分析师往往拥有很高的数据权限,能够对各个业务进行更加全面的横向对比,并且相比业务,分析师有更多的时间长期观察问题并进行深入的思考 -
数据产品经理:
根据分析师和业务需求,去设计或选择企业的数据产品并开发实现;但是因为每家公司的业务产品不同,此时需要搭建怎样的数据库,又要用怎样的数据产品,向全公司更加高效地提供数据,就需要专门的人去思考和落地,这个思考和设计的人一般就是数据产品经理或数据架构师 -
数据工程师:
负责落地开发,实现具体需求的就是数据工程师,工程师门本质上就是专攻数据库和各种数据产品开发维护的程序员,只提供数据,不分析数据 -
算法优化师:
调用已有模型,基于业务场景做优化,不断提升模型的准确率 -
算法科学家:
研发各类高性能的新模型,进行技术创新 -
算法工程师:
不仅要优化模型,更要将模型部署应用到实际的业务中,为业务产出直接负责,由于算法的训练既需要明确的业务目标,又需要大量的数据,所以算法团队和分析师们一样都要业务数据两手抓,只不过分析师是直接基于数据进行分析,解决很具体的业务问题;而算法工程师则是基于数据训练模型,通过模型解决问题,或者实现业务自动化
二、数据分析如何在企业发挥价值
1. 四类问题
(1)是什么?
本质:用数据去量化企业当前的经营现状或者业务事实
(2)为什么?
(3)怎么做?
(4)做多少?
2. 是什么? 为什么?
(1)思考问题
- 确认问题
- 拆解问题
- 量化问题
(2)分析数据
-
收集数据
-
处理数据
-
制作图表
-
上传发布
(3)输出结论
- 一句话+一幅图
3. 怎么做? 做多少?