1.沟通
很多人以为数据分析是个技术活,需要埋头苦干,这就大错特错了。其实数据分析日常工作中最重要的是沟通需求。很多新入职的数据分析师,把分析结果汇报上去以后,才发现不是业务方所以需要的。这就是一开始双方没有沟通好,没有做到想业务方所想、急业务方所急。数据分析本质上是对业务的支撑,所以分析的需求是来自业务方(比如产品、运营、销售等部门)。而业务方是不懂数据的,所以提出的需求往往天马行空,或者只是从自身业务角度出发来提需求,这就导致业务方提出的需求不明确。这时候就需要数据分析师沟通的时候,要清楚业务方需求是什么,要达到什么目标,并要求业务人员把需求写清楚。 不然你把分析结果给她,她说不对,然后让你重新提供新的数据,这样你就会陷入无限的反返工中。 另外,数据分析师还会做一些数据支持的工作,也需要沟通。 公司的业务情况会不断变化,当公司现有的系统无法满足新的业务需求时,就需要数据分析师能够从数据库中取出业务方需要的数据。
数据支持一般是临时性需求,虽然这部分工作一般工作量不大,但频次较多。需要多和业务方沟通,才能避免把自己变成一个「取数机器」。
2.监控
如果你看数据分析的招聘,通常会写这么一条要求 「制作公司日报表和月报表」。报表就是把监控的指标做到一个表格里。如果表格是每周做,叫做周报;如果是每个月做,叫做月报。通过制作报表来监控报表里面的指标,通过监控指标的变化,及早发现可能存在的问题。例如,对比上周六的日活跃用户数,发现本周六的日活跃用户数有明显下降了。只有发现了问题,才能进入下一步的分析。
3.分析
当公司业务遇到问题或者监控发现问题时,数据分析师需要分析找到问题发生的原因。例如,本周六的日活跃用户数有明显下降,需要找到下降的原因是什么导致的。数据分析师也会接到专题分析的项目。专题分析是对某一专门问题做的分析。比如销售部门想知道公司产品在微信、百度、今日头条等各个渠道的推广效果如何,就需要数据分析师做一个专题分析,然后将分析结果做成报告给销售部门。
4.帮助产品做决策做决策
可能很多人第一反应想到的是做 A/B 测试,这的确是一方面,而且也是很重要的一方面。但有时候容易忽略的是如何帮助产品/工程师设立优先级。在互联网行业,任何时候都有几十上百甚至上千个事情需要做的,比如说八阿哥多多的网页版和被吐槽多多的编辑器。那么哪个是最重要的、最需要解决的?哪些改变是有可能带来产品的改进的?同时有十个新的产品特性可以加的,应该先做哪个?甚至哪些是没有必要做的?毕竟工程师这么贵,招人也不容易,所以很多时候需要做一些聪明的选择,比如救助于数据分析。回到 A/B 测试,数据可以做的就更多了。比较直接的,如果写 pipeline 抓取数据,做假设检验这些,更重要的,回到了第一点和第二点,做 A/B 测试不会只有一个指标,通常会有好几个。A/B 测试本身技术方面不是最难的,难的是如何根据数据做决策。
5.寻找新的领域
在产品的不同发展时期,侧重点可能是很不一样的。比如在产品发展的初期,可能是社区运营,找到好的种子用户,打造一个良好的社区。在产品发展的初期,可能是增加普通用户的数量,扩大用户基数。如何确定产品在哪个时期?在不同的时期又如何找出可以推进产品的方法?这些方法可能是从产品、用户体验的角度出发,比如说如果加个「想法」会怎么样?也有可能是从工程师的角度出发,比如说页面载入时间过长等等。
6.给团队设定目标
如果目标定得太高,最后团队没有完成,一次两次还好,如果总是这样,那么必然会打击团队士气。如果目标定得太低,团队总是轻松完成,那么就起不到激励团队的作用了。注意这里的设定目标并不是做了什么事情,投入了多少时间,而是最后对产品的指标有什么影响。
7.长期投入
大部分时候的数据分析是基于当前的状态的,但是也需要考虑到用户、产品、环境等的变化。所以很多时候也需要看以前的数据。如果以前的数据没有了,那就就再也找不回来了。种一棵树最好的时间点是十年前,第二好的就是现在了。所以把目标放长远点,三年之后五年之后十年之后,我们需要什么样的数据,现在就可以准备好的。如果三五十年之后自己还在公司的话,那么一定会庆幸自己现在做好的铺垫工作。如果已经离开公司,那么一定会有个人默默的谢谢你的。
文章来源:网络 版权归原作者所有
上文内容不用于商业目的,如涉及知识产权问题,请权利人联系小编,我们将立即处理