前言
1、数据分析师存在职场工作困境的基本原因
由于数据分析的项目是跨专业、跨团队、跨部门的合作,经常需要换位思考,从业务方或需求方的角度来理解数据分析和挖掘的应用价值,这就会导致新手数据分析师很难对在做的数据分析的价值有比较清晰地认识,导致大多数时候处于相对被动的角色。
新手数据分析师常见的职场困境包括:取数困境、报表困境、落地难困境。
2、取数困境
新入行的数据分析师可能会发现,自己的日常工作就是在不断地根据需求方的目的完成一个又一个的取数任务,像一个取数机器人,根本没有时间做分析。这就要理解为什么公司会出现这么多取数需求?有几个原因:
(1)业务本身处于高速发展期。不断地有新的业务、新的功能,就会有新的数据需求;
(2)业务方需要基于数据来决策具体的业务问题。但是业务方决策具体问题时,对于看哪些数据可能还是比较主观并且存在未知探索的特点,导致数据如果看到后发现不符合真正想要的方向,就会修改取数需求,导致反复取数的场景发生;
(3)业务方的数据需求没有系统性。经常出现的是业务方想到一个需求就提一个需求,造成可能一次可以提取完成的数据有时候需要多次来完成。
3、报表困境
新手数据分析师初入职场的另一个困境就是天天处理报表,但是很多报表做完后,阅读量不高,同时业务方可能也不是很容易发挥报表的价值。很多报表的需求和取数需求一样,是随着业务发展必不可少的,主要是因为业务方需求快速看到数据,并且根据每天的数据刷新来监控工作的进行。在报表困境中有一些重要的影响因素:
(1)没有系统规划指标。有一部分报表需求是因为业务方没有系统规划关注的指标体系,造成每一个报表都涵盖不了业务方需求的核心数据,造成报表数量的持续增加;
(2)计算口径变动。由于业务指标可能会发生变动,导致需要反复修改报表;
(3)埋点上报的数据问题。可能某个埋点上报的数据中存在很多脏数据,而埋点数据上报的修改可能涉及开发版本的发布,导致需要经过一个长的时间周期,对业务方来说很难接受。
4、落地难困境
数据分析的结论不能落地,是很多新手数据分析师经常感受到的痛苦。数据分析师从被动提数,再到主动分析、洞察,最后结论落地,这是一个很长的过程,有很多技巧、方法,以及步骤可以帮我们把分析结论让业务方接受,从而落地驱动业务增长。有以下几个tips:
(1)保证分析的价值性。在做一个分析报告时,需要跟产品或者业务方沟通,了解他们现在的痛点。做正确的事情很重要,沟通好需求,把他们的痛点转化为数据可以解决的问题;
(2)以产品经理的思路思考。当做完数据分析报告时,需要以产品经理的思路自己先看一遍数据,判断其中会有哪些不足之处;
(3)与相关方一起讨论分析报告。做完数据分析报告后,落地之前,需要与相关方一起讨论分析报告,针对业务方的疑问要尽快记录下来,如果当场不能进行解答,就需要在会后及时地给他们回复;
(4)主动推进。如果分析报告在经过多方讨论后,大家都觉得没问题,就到了一线执行的阶段了,这时可能会涉及多个部门,如运营和开发部门,这些落地方案对他们来说并没有什么收益,反而可能会增加工作量,主动推进过程中可以通过产品经理,和开发、运营沟通。
读者福利:如果你对Python感兴趣,这套python学习资料一定对你有用
无论你是对Python感兴趣,还是想要多学一份技能提高工作效率,扎实的学习好Python相关知识是重中之重!在现在的互联网行业,无论是大厂还是小公司,招聘人才的最核心要求是技术能力,只有自己的能力和岗位匹配的时候,你才能获得更多的工作机会。
资料包括:Python激活码+安装包、Python web开发,Python爬虫,Python数据分析,人工智能、机器学习等学习教程。带你从零基础系统性的学好Python!
零基础Python学习资源介绍
👉Python学习路线汇总👈
Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。(全套教程文末领取哈)
入门学习视频
👉实战案例👈
光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
👉100道Python练习题👈
检查学习结果。
👉面试刷题👈
资料领取
这份完整版的Python全套学习资料已经上传网盘,朋友们如果需要可以点击下方微信卡片免费领取 ↓↓↓【保证100%免费】
或者
【点此链接】领取