01 分析目标
开展任何事项,目标是最根本的问题。你回想下,自己或同事在没有目标下工作,是啥状态感受。
没有目标的数据分析是耍流氓。与需求方未沟通清楚目标,做也是徒劳,大概率会变更需求。
判断某人是不是数据分析师,就问他数据分析的首要明确的问题是什么。面试官可以这样考察求职者;求职者也可以拿此判断面试官或其公司情况。
02 准备数据
多数据情况下,需要根据目标去确认数据从哪里获取,在数据库,在excel,还是要去第三方采集。要和业务、产品研发等人员明确好,该提取数据提取,该解析文件解析,该爬虫数据去爬。
随着数据分析这个事情推进,数据在仓库、BI平台和现有报表中的数据会越完备,多数分析的准备数据这环节会越来越少。
03 数据加工
可理解为根据分析目标、指标口径、数据特点、数据逻辑,对数据的ETL(Extract-Transform-Load),或IPO(Input-Process-Output)。
SQL、R、Python等都挺适合做ETL。
04 数据可视化
一图胜千言,没错。但要注意你的对象,没有行业、业务背景知识的外行人是看不懂的,还是需要配上解读说明的。
多数数据分析师喜欢和擅长数据可视化,最能直接感知数据分析的厉害、最能体会数据分析的成就感,尤其是做了一张精美的数据图。
笔者经验,大道至简,多数分析,用表格呈现结果就足够,而且效果显著。少数场景,用图确实效果更好。
05 数据分析
一千个读者有一千个哈姆雷特。数据分析也会这样。
但是在企业,这样会出问题的。所以,谨慎的数据分析是需要结合分析目标、业务背景、行业经验、参考值来进行解读分析。
06 改进决策
不少数据分析师在这个环节不重视、参与少、也觉得参与不了,慢慢地就变成了数据的搬运工,就是个导数的。
强化业务知识,把自己当作是老板,以经营管理视角,围绕目标进行问题归因、提供建议、推荐方案等,融入进这个环节。
改进决策是数据分析的灵魂,其他环节只是骨骼肌肉。
07 跟踪迭代
PDCA(Plan-Do-Check-Action)是屡试不爽的工作法,必须应用到数据分析工作中。
改进决策是不是落地了、是不是起效了,继续跟踪,用数据说话,开启新一轮数据分析。好的继续优化,不好的继续改进,直到达成目标。
闭环思维,极其重要,务必重视。除非业务不开展,没有增量数据产生,game over了。
优秀的数据分析师会把七步法严格落地,真正发挥数据的价值。