tracepro杂散光分析例子_数据分析师的日常工作内容有哪些？

不好意思朋友们，因为工作和给一些同学做1v1辅导的原因，最近更新有点慢了，记得几周前有同学在公众号后台问过我想了解一下数据分析师的工作日常，这次我们就聊聊数据分析师主要的日常工作有哪些。

不同的企业、不同等级的分析师工作内容会存在一定差异，下面主要会以我的工作日常展开

第一部分 数据全生命周期体系建设

这块我用了一个比较fancy的名字，“数据全生命周期”，但其实就是数据建设的概念，是属于比较基础的工作，主要涵盖以下几个环节：指标设计—数据埋点—报表搭建—看板建设。01 指标设计
什么是指标设计？对于指标的概念相信大家都有所了解，对于一款app常见的指标包括每日活跃用户数、次日留存率、七日留存率等等，这些指标主要是在app层面的指标，一个app下面还会有很多不同的功能模块，运营也会经常推出不同的活动，每当产品或运营上新功能或新活动时，数据分析师需要去确定该用哪些指标去衡量这些功能或活动的效果，以及如果后续要做一些更深入的分析，还需要考虑设计一些更深层的指标，这些都是属于指标设计的范畴。02 数据埋点
关于埋点的概念在公众号前面的一篇文章中已有所提及，不太清楚埋点是什么的同学可以翻一翻前面的文章。埋点通俗的来讲，就是互联网公司收集用户行为数据的一种手段。
在确定好指标后，分析师下一步需要思考我要收集哪些数据才能计算出所需要的指标？为了收集这些数据，我需要在app的哪些位置埋点？
给大家举个例子，假如产品马上要上线一个新功能，作为分析师该怎么做埋点。

Step 1: 确定指标
对于一个新功能来说，一般一个比较重要的衡量指标是功能渗透，即每天使用这个功能的用户占总活跃用户的比例，反映产品新上线的这个功能到底有多少人愿意去用。因此我们考虑设计一个 功能渗透 的指标去做为功能效果的评价指标。
Step 2：需要哪些数据去计算指标？
如果要计算出功能渗透，我需要哪些数据？功能渗透 = 每天使用这个功能的人数/ 每天的活跃用户数，每天的活跃用户一般都已经有了，还需要的另外一个数据是每天使用这个功能的人数。
Step 3：怎么获取这个数据？
首先定义什么行为才算是用户使用了这个功能，比如对于网易乐的每日推歌功能，可以定义用户点了每日推荐的按钮即视为使用，也可以定义为用户点击之后必须播放了任意一首歌才视为使用。
如果定义用户点击这个功能按钮即视为使用，那么我们就可以在按钮上埋一个点击事件，用户每次点击这个按钮，都会上报一条数据，代表xx用户在今天点击了这个按钮，这样通过计算每一天有多少用户上报了这个事件我们就可以知道每天使用这个功能的人数。

上面是一个比较简单的流程，但对于一个功能来说往往还需要更多的指标去全面的评估功能的使用情况，这就会涉及到更细致的指标设计和埋点。撰写埋点设计文档、和开发评审以及最后的埋点准确性验证是这部分工作的主要内容。03 报表建设
在埋点开发完毕后，用户的行为数据就会被上报到数仓中，还记得在指标设计阶段我们定好的指标吗，数据分析师在这一阶段的工作就是对埋点上报的原始数据进行加工，计算出所需要的指标，并根据不同的主题用一张张不同报表将数据储存下来方便以后使用，在这个阶段会大量使用到SQL。04 看板建设
报表建设完毕后，最后一步分析师还需要将这些数据展现给业务方。因为业务方的需求可能多且杂，如果每次需求分析师都写sql跑数的话会很浪费时间，所以一般会将一些常见的查询需求使用自动化看板的方式展示出来，这样大部分的数据业务方可以自行到看板上查询解决，会大大节省数据分析师的跑数时间。
以上就是数据分析师工作的第一部分内容，这部分其实是属于比较基础的工作，初级分析师可能会需要花比较多的时间在这部分工作上。

第二部分 数据分析报告

撰写数据分析报告可以说是数据分析师最核心的工作，是数据分析师核心价值的体现，常见的报告包括以下3种：

• 数据摸底：在某某功能或某某策略上线后，数据分析师通常要对功能或策略的表现情况进行一次整体的复盘评估，并尽量根据数据现状发现一些可以深入分析的问题，留待后续分析。
• 指标波动：某某指标下降 or 上升后，分析下降或上升的原因。
• 主题分析：针对不同的业务主题进行分析，不同的业务分析的主题也会不同，范围非常的广泛。常见主题包括比如增长分析、内容分析、新用户承接分析、流失分析等等，这些主题可以是业务方向你提出，也可以是你通过观察数据自己发现问题自己分析，自主探索是一名优秀的数据分析师应掌握的能力。

第三部分 数据需求

除了数据建设和数据分析之外，日常工作中免不了会有一些比较琐碎的提数需求，如果产品和运营的人数比较多，这些需求就会让分析师比较头疼，一个分析师可能会对接10+的运营和产品，每个人每天都提一条需求的话，基本时间就会被需求占满。
对于这种情况，数据分析师一是要学会收敛产品和运营的数据需求，比如需求可以统一先由一个人收集整理，定期提出；或者对于常见的需求，可以做成看板的形式让运营和产品自己去取数。二是要能够评估需求的收益和优先级，有些时候运营和产品可能会提一些不靠谱的需求，如果评估后觉得没有收益，可以考虑说明原因，然后直接拒绝掉这些需求。

总结

以上三部分就是数据分析师主要的工作内容，比较理想的情况下，这些内容时间的占比应该是 3:6:1。不同的公司、不同的分析师级别时间的占比可能会有所变化，但对于大部分分析师来说，数据分析报告都是其核心产出价值所在，分析师应当尽量提高分析在自己工作中所占的比重。

以上就是有关数据分析师的工作日常，如果有更多感兴趣的话题，欢迎大家关注公众号在后台告诉我