数据分析师20-陈老师笔记

1：数据分析师就像是医生

：病人先要取体检，采集一些数据，然后医生看着数据 去做诊断。期间重要要的就是和病人的交流 ，如何去问是一门学问

2：数据分析师常犯的错误

1：这么做，包治百病

2：你觉得你出了什么问题

3：不管，先来个全面检查，要很多数据

4：不管，A指标低了，那就把A变高。

3：分析步骤

1：把业务问题变成数据问题，定义问题的意思，确定标准判断是否是个问题，分析流程选择方法，确认重点，输出方案

2：点 线（可以重视一下标准，为什么说是个问题） 面 分析法

4：什么是业务

1：比如买牛奶买一送一，和刷信用卡送一杯咖啡。看似一样，其实内在逻辑完全不一样。一个为了促销，一个未来绑卡后信用卡带来的收入。只有理解业务背后的逻辑，才有意义。

2：业务能力分不同阶段：明白在干什么----能设计改进流程，创造新东西

3：一定要主动去了解业务，原因：首先业务不会主动来教你的，其次你问业务，业务只会和你说重点工作，以及他们遇到的困难，很少有一整套逻辑的。最后 业务能做的事情也比较有限，他们不能改产品，不能改规则，只能靠着自身的坚持和沟通技巧。所以要自信。

4：可以从这几个点去思考 业务的数据：哪些过程会产生数据（录入埋点），哪些过程会使用数据（盘点 问题分析），哪些过程会影响数据（就是哪些案例或者机会点 能提升/降低效果）。

因此总结：了解业务就是

：哪个部门 做了什么事情 产生了什么数据 他们看关注什么数据    做了什么会影响数据结果

5：能力一：理解业务七步法：

：了解业务模式；（百度去看行业大公司的玩法 遇到的问题机会 收益等）

：组织架构 

：KPI 重点关注的工作是什么

：理解产品 可以更深入理解产品的特点数据，销售数据，使用行为的数据

：渠道  就是用户可以通过哪些方式 接触产品 也是一种过程行程情况。

：用户 用户的特征 用户信息怎么采集的 思考用户的时候，最好是分层。

：运营 对产品管理；对渠道（销售前中后过程 做运营）；对用户服务。

：沟通的一些技巧：提前准备计划表，找好聊的人先聊；自己口述一遍才说明你懂；熟练度不是学出来的，是练出来的。

6：能力二：把需求问题记录下来

1：知道并时刻牢记，数据需求<>数据分析需求。数据分析需求 需要有分析的过程和结论策略。数据分析无非就是 解决  现状怎样？什么原因？未来怎样？对吧

2：做数据分析的时候，你首先要询问：现状，业务认同的标准，多指标时业务的主观重点。当你确认是个问题后，才开始分析原因。那分析原因就是提出合理的假设去验证。重点关注可以解决的原因 而不是甩锅不解决。对于预测的问题：第一必须要得到业务认可的逻辑再去预测，第二预测必须是细致分析后 对此了解后才能预测

3：初级需求沟通：明确了数据，问题的意义。

中级：建立一个需求的排班表（需求人 具体内容 预计时间 交付时间）。

高级需求沟通

：主动挖掘更多的需求。比如业务只要单个数据，你提供更多维度的数据，并给出理由。比如业务需要一个报告，你能干脆说这个很重要，建立指标持续跟踪。比如业绩好的时候，也能看一下关键指标好的程度。在业务认可的背景下，更容易争取建议。

：自己定期找哪些对数据感兴趣的业务，自己定期发布一些数据激发需求。以业务KPI为驱动，勾出业务对其他数据的兴趣。 

7：能力三：定义问题 明白问题的意思

1：明白属于哪种问题，最本质的问题是什么，然后才是分析，最终才是输出 输出物一定要针对最开始的需求，不要忘了目的。

2：

：首先判断 个人观点 还是事实，这里就会首先用到数据去看。

：如果问题有形容词，判断标准对不对。

：如果问题是执行，问怎么做 方法是什么，你要确认 谁做，什么时候做，用什么方法做，做到什么标准，目标 目的是什么等。首先要确认这些内容，才能展开分析，输出方案。 

：最后一定提前确认输出物的形式，不然白忙活。比如 格式，时间范围，标准，需求一起提完，

：明白 数据 和 对应的用途作用

3：比如一个题目：为什么数据人才那么难招？

：主语是部门领导 或者 招聘HR  分析的重点就完全不一样了

：谓语 招聘这个事情难

：宾语 数据人才 关系的名词的定义

：定状补 难   标准是什么？什么时候难的？ 一直都难吗？ 何出此言？

：因此 对名词 形容词 动词 都有不同的理解标准

8：能力四：明确问题之后 才到梳理分析的要看的指标

1：目标一定要明确，步骤拆解越细致越好，每个步骤需要的数据。

9：能力五：确定标准（这是后续分析结论的基础）

1：首先好的标准 需要：SMART 具体可衡量可触达相关有时限。  如何让标准具体，可以增加一些量化的内容 比如一个好相处的标准--很少生气

2：工作中标准难事因为可能多个指标来衡量 好坏。

3：一维标准：平均 二八原则 十分位。

：二维：矩阵象限法 会去划分4个象限，来评价。

：三维：难点在于要确定权重和一票否决的指标。

：多维：首先就是降维（就是把一些指标先合成一类） 简化难度，或者直接找重点指标。这里用到的方法一般是：并列 漏斗 杜邦分析。对于多个指标衡量一般用专家法，层次分析法。

4：看数据一定要结合时间。同比适合看长期发展的业务，环比适合看短期新增或者发力的业务。同比违反了规律，环比走势偏差 都说明处理问题。看数据问自己：他是持续发生的吗？同比如何？总体其他业务线如何？

5：行为指标怎么评价？一般来说可以把行为指标和结果绑定，证明行为指标的价值，比如多久响应率和录入的关系，最好是看看低于多少 会带来什么坏结果。

6：你能这么总结工作就好了：知道数据指标，知道对应大致的标准是什么，知道异常后对应策略如何。

10：能力六：发现问题 分析原因 

1：这里提供了一个思考：点 线  方法 确认是个问题后，先思考 谁负责（就是分渠道分团队分环节分用户群的拆解），然后再外因内因的拆解。

2：用户数据下降（活跃流失）：先分环节 群体 来源 再分析。 流失怎么定义，是不是本身产品自带周期（）

3：新用户越来越少：首先看不同渠道，这里需要结合ROI 新增的问题一定要结合质量产出，然后才发现好的渠道的特点，看是否可以复制

4：活动做完不见效：这个问题很难，不知道是否是自然增长 ，也不知道多因素中哪个最关键。常规方法：活动前后比较，活动非活动对比，同活动同期对比，不同活动对比。 活动可以分为策划阶段和执行阶段。评估策划阶段重点看 人的参与率，达标率，领奖率。

5：如何应对被怼：

：为什么不考虑其他：一开始就要考虑多个维度，我们只是从中找了重要的几个

：为什么不深挖：这是给谁看的，不需要太过于细致

：不分析也知道这个原因：分析可以让我们能更具体知道差距多少，提升多少，对应的策略。

10：能力七：提出方案   的能力（）

1：靠谱的方案至少要明确：谁做（不多说） 现状（决定程度） 方法 目标（做到什么程度）。其次包含四个因素 还要有 可行性 和 优先性。所以一定要想办法 找业务的负责人，去了解现状，难点 希望达到的目标是什么，再给出方案。

2：如何提方案：看看过往的做法；从标杆提炼方法论找差距；从对手关注点找思路。然后要思考可行性。结合ROI，最终核心目标的达成 ，来选最优方案。

3：业务假设预测问题：比如 业绩=客户量*转化率*客单价。要找准关键因素，要判断关键因素是否会变化，变化的因果指标是哪些。这样更能帮助你预测。

4：提方案的

：自己体验了业务的所有动作，收集了业务动作。

：体验的过程问，问自己 有没有数据产生，我愿意进行下一步吗为什么，我属于什么类型的用户，其他人会怎么样。

5：数据分析和业务的边界是什么：数据分析师告诉事实和逻辑，业务时创造奇迹

10：总结汇报   的能力（）

1：有数据 有对比 才能下结论。建议要可行性，谁做

2：做汇报的目的是什么？ 说服 某人 干某事

3：主动想做报告不知如何引发业务的关注：可以直接说KPI相关的结果不好，也可以结果社会重点事件，也可以说竞争对手好的结果

4：如果报告是未来推动项目，一定要中带你突出内容。要包括：分析背景当前现状+标准 得出问题；原因是什么 重点原因排序；应该怎么做

5：这个是简单的汇报形式（说给业务部门听的）

：不是光我做了什么什么——而是（FAB格式）我做了什么后 ，业务可以看到了什么，从而帮助提升解决什么。比如我做了A报表，业务可以看到XX情况，这样在盘点时，就能发现XX问题

6：汇报的结构（这个是专业的汇报给数据领导的）

：背景-目标-呈现分析思路-结论-建议-附件 指标解释-具体分析过程-

7：数据分析 老板认可才是王道，所有汇报很重要，不然都是白忙活