数据分析真的很难找工作吗?

先上结论:不难找,关键是你真的能做数据分析吗?

一、硬技能够不够?

前几天一个数据分析总监过来分享经验,他正好谈到数据分析工作是否难找的问题。他说,前几天招个数据分析助手,要求就是会统计学,SQL获取数据。投递简历的个个都说啥都会,结果笔试都过不了。 后面为了不浪费时间,线上笔试,笔试题发过去99%都不回复。就很简单的笔试题,用SQL获取到数据,然后整理数据存到一个新的表里,1h的笔试时间,跑15分钟不出bug就行。就这么简单的一个东西,大部分人不会做。 很多投简历的都是典型的眼高手低,基本上做不了事,但从不觉得自己能力不够。

二、是否懂业务?

数据分析最主要的是能从底表中分析出对业务有价值的信息,这才是分析的本质。数据分析并不是说一定要怎样的学历,而且对于数据分析来说excel、sql、python、统计学、机器学习这些都只是最基本的技能而已。最重要的是通过对业务的理解,选择合适的分析思路,再通过方法实现,最重要的是逻辑思维和分析思路,这才是数据分析的价值。

案例女装店营收下降原因分析 某商场二层主通道上有一家女装店叫花花女装,店铺面积是238㎡,品牌和服装款式都不错,供应商也非常配合,商品供应没问题,员工也很优秀。但是不知道什么原因今年花花女装销售一直不好,同比增长-3%,而整个二层女装同比增长有12%,并且花花女装的坪效也只有二层女装品类平均坪效的90%,而处在主通道上,按道理应该是高坪效的。

所以,如何提升花花女装的销售额?

STEP 1 是什么?

这一步主要展示整体表现数据,说明分析的背景。 其实在案例介绍里已经把“是什么”写出来了: ① 花花女装同比增长-3%,整个二层女装同比增长12% ② 花花女装坪效只有二层女装坪效的90%

STEP 2 为什么?

这里我们需要用两步走的方式,来回答“为什么的问题”,按逻辑树思维方式,我们可以提出假设→验证假设。01如何提出假设?

一般来说,提起指标的变动,我们要想到指标的拆解,找到最细维度的变动因子。拆解一下销售额指标:

拆分二级指标:单均价、成交单
虽然我们需要关注一级指标的表现,但如果一级指标还能继续下拆到和业务息息相关的因子上。

拆分三级指标:件单价、件数、进店人数、购买率
这里的进店人数还能拆出三级指标……

拆分四级指标:商场总流量、进店率
我们将销售额拆出来两个二级指标,四个三级指标,两个四级指标,基本上已经到了能够展示数据&且指标不重合的最细维度。

既然指标都拆好了,下一步可以验证是哪个指标出问题了吗?——你确定你拆出来的指标,涵盖了对销售额有较大影响的因素吗?数据分析的核心是在数学公式以外,还存在业务逻辑。数学公式不是万能的,还需要结合业务场景来仔细列出所有能够想到的因素。这里用人货场的思维来做分析:

在这里插入图片描述
拆分二级指标:单均价、成交单

虽然我们需要关注一级指标的表现,但如果一级指标还能继续下拆到和业务息息相关的因子上。

拆分三级指标:件单价、件数、进店人数、购买率

这里的进店人数还能拆出三级指标……

拆分四级指标:商场总流量、进店率

我们将销售额拆出来两个二级指标,四个三级指标,两个四级指标,基本上已经到了能够展示数据&且指标不重合的最细维度。

既然指标都拆好了,下一步可以验证是哪个指标出问题了吗?

——你确定你拆出来的指标,涵盖了对销售额有较大影响的因素吗?

数据分析的核心是在数学公式以外,还存在业务逻辑。数学公式不是万能的,还需要结合业务场景来仔细列出所有能够想到的因素。这里用人货场的思维来做分析:在这里插入图片描述
到这一步,提出来的假设都已经包含在思维导图里面了,可是分析工作才刚刚开始。

02用数据验证假设

验证假设往往流程复杂,这里既要梳理底层逻辑,又要同时对接开发、产品、运营、业务、销售……我们看一下最终用数据验证的结果:

4月开始成交单数同比突变:1-3月同比增长4%,4-10月同比减少3%
6月开始件单价同比突变:1-5月件单价同比增长3%,6-10月件单价同比下降8%
6月起,商品折扣增加10%,且高价产品配货比例从(8:2)降低至(5:5)
老会员流失率同比增加5%
去年每月,该店铺均能完成销售目标,完成率高达100%以上
42%的销售额来源于5张VIP卡
和隔壁女装店铺相比,该店铺进店率低于平均值2.1%
03找相关人确认,佐证数据

经过和店铺的负责人详细沟通,得到以下数据:1、4月店铺重新装修,开业后销售一直不理想,没有达到装修前的期望值

2、5月,商场负责人向店铺负责人传达销售额目标。6月起,店铺负责人调整了商品价格配比策略,同时增加折扣促销,将低价格的服装陈列在主通道。3、销售人员的奖金提成是阶梯制的。同时店铺会在每个月20号的时候调整月目标。

STEP 3 怎么做?

这里只需要根据数据以及实际情况,一一提出解决对策就好了。包括对店员的调整,对奖金制度的优化,对配货比例的修改,撤销入店特卖,禁止随意修改目标等等……

如果你能做到这个程度,一定不会找不到工作。

三、

简历务必认真修改

很多求职者的简历特别不太靠谱,一看就是海投的,工作经验与目标岗位完全不搭边。找工作,好好修改简历是第一要务,其中最重要的是项目经验要精心准备。如果项目经验和之前的工作经验有关,那么不但可信度高,而且还容易在面试中拓展到之前的实际工作经验,给人一种很靠谱,可信的印象。

比如投房屋中介的公司,项目就可以是小区成交量和成交人群分析,上班地点和居住地点等。

tips:一份简历走遍天下很省事,但是HR扔掉你简历同样省事。所以简历务必用心修改到“匹配度很高”再投递比较好。

  • 8
    点赞
  • 25
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
一、背景 随着互联网的不断发展,人们的求职方式也逐渐从传统的报纸、杂志转向了网络招聘平台。BOSS直聘作为国内领先的互联网招聘平台之一,每天都会有大量的企业发布招聘信息,吸引着众多求职者的关注。然而,这些招聘信息的数量庞大,如果没有有效的数据处理和可视化工具,就很难进行全面的分析和统计。 针对这一问题,我们需要一款可视化系统,能够对BOSS直聘网站上的招聘信息进行分析和展示,为用户提供更加全面、直观、准确的招聘信息查询和分析服务。 二、需求分析 1.数据采集 系统需要从BOSS直聘网站上爬取招聘信息,并将其存储到数据库中,以便后续的数据处理和分析。 2.数据处理 系统需要对爬取到的招聘信息进行清洗和筛选,去除重复信息、错误信息和无效信息,提取有用的信息字段,如职位名称、公司名称、薪资、工作地点、工作经验、学历要求等等。 3.数据存储 系统需要将处理后的招聘信息存储到数据库中,以便后续的数据分析和可视化。 4.数据分析 系统需要对存储在数据库中的招聘信息进行分析,统计各个职位的需求量、薪资水平、工作地点分布、学历要求等信息,并将分析结果进行可视化展示。 5.数据可视化 系统需要提供多种可视化方式,如图表、地图、词云等,以便用户可以更加直观、清晰地了解招聘市场的情况。 6.用户管理 系统需要支持用户注册、登录、修改密码等基本功能,同时还需要支持用户个性化设置,如选择关注的职位、地点等参数,以便系统可以根据用户的需求进行推荐。 7.搜索功能 系统需要支持关键词搜索,以便用户可以根据关键词查相应的招聘信息,并支持筛选、排序等功能,方便用户快速定位符合自己需求的招聘信息。 8.推荐功能 系统需要根据用户的搜索历史和个性化设置,为用户推荐符合其需求的招聘信息,提高用户的使用体验。 三、总结 本文针对BOSS直聘网站招聘信息数据可视化系统进行了需求分析,包括数据采集、数据处理、数据存储、数据分析、数据可视化、用户管理、搜索功能、推荐功能等方面。通过该系统,用户可以更加全面、直观、准确地了解招聘市场的情况,提高了求职者的求职效率和成功率。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值