作者:Jenny.Zhang
发布时间:2022.11.1
浏览次数:1,487 次浏览
每个行业都有好的数据分析师,但如何定义顶尖呢?
顶级的数据分析师一定会在数据变现最牛的行业里存在,这些业务是真正的数据驱动,因为数据上差一点点,效益就会差一大截。
这里以运营商为例来说明顶级数据分析师(为了描述方便,称其为A君)应该发挥出的价值,然后笔者总结了7个核心能力。
数据分析不仅仅是出个报告,而是要能产生实际的价值,用数据分析真正的驱动生产。
在互联网公司,优化产品的数据分析师做到了这一点,比如通过与产品的协同进行AB测试,给出产品优化的具体建议,从分析到生产的流程特别短,这是非常值得学习的。
在传统企业,由于组织、机制及流程的原因,要做到数据分析驱动业务挑战比互联网公司大很多。
从上面的案例可知,要达到顶级数据分析师的程度,光是会取数、会分析、会出报告是远远不够的,顶级数据分析师要能基于数据分析驱动业务,创造实际生产力。
为了达到这个目标,顶级数据分析师需要具备哪些素质呢?
业务知识的学习和掌握,需要的积累之深,培养一个业务专家,需要的周期之长,都远远超过后面所说的那些基本技能。
一名数据分析师其最本质的价值就是去用数据驱动业务增长。而每一项业务本质上是公司整体战略的支撑,理解了战略,才能选对分析思路的方向。
对自己的行业有足够敏感度,多与业务部门核心团队进行沟通,多关注行业网站,多阅读行业数据分析报告做好积累,比如处于什么阶段,自己所在的位置,当前的重点业务方向在哪里,碰到了哪些挑战,总体的解决思路是什么。
如果你无法达到业务领导的高度,就更要多和他沟通,了解他对业务的看法,站在他的肩膀之上去理解他所认知的业务,记住,你为谁负责,谁是你最大的资源。
对于业务的理解不是简单的看文档就可以的,一定来自于对于公司业务的实际流程、机制、平台、数据等的充分的理解,最好在实际相关岗位呆过,比如没做过数据,可能连口径都搞不清楚。
如果你只是很好的“实现者”,而不是很好的“思考者”,那做数据分析是没有前途的!
基于业务人员想法来制作报表或者看板,最多只是“60份工作”。即便你的需求来源是业务部门老总,也就值60分。其无法凸显你的价值,无法让你升职加薪。
数据分析最值钱的就是想法,特别是基于实际业务现状有针对性的想法,比如运营商传统上是基于星级体系来提供差异化服务,而你想到了金融行业的信用分,你把它移植到运营商就有新的价值。
要有深度思考的习惯,要成为一名“思考者”,才能对业务有独到的见解和想法,通过你拥有的数据对这些想法进行系统化、体系化的分析,通过数据来论证自己的想法。这是一个很痛苦、很费时的工作,比如A君就是逻辑思考能力极强的人,能够通过数据分析的手段来驱动业务的开展。
你的历史经历和站位决定了视野的狭隘性,没有足够的外部输入,你思考能力再强也是巧妇难为无米之炊,也是很难有分析灵感的,不要怕丢面子,通过与同事、领导、圈外人事多交流,才能获得更多的信息,让好的分析思路涌现。
对上要通过反复沟通确认目标、对中要采取协作做到滴水不漏、对下要换位思考获得尊重。
你的分析为谁负责,就要跟谁沟通清楚,最忌讳不懂装懂,自以为是,领导的时间有限,要抓住一切机会去沟通清楚分析的目的到底是什么,领导有什么预期,第一遍沟通后,列个提纲再去沟通,淘尽领导所有的现成想法,你很烦,就对了,总比事后领导见你烦。
个人的视野是比较窄的,很难逻辑严谨,跟我们合作的一些企业往往采用团队协作方式,你会发现,他们提交的分析报告往往能体现整个公司的分析水平,而不是受限于个人,如果企业的经营分析报告总是来自于某个领导或某个个人,何来进步?你们的能力就是企业的瓶颈。
数据分析贯穿数据、技术、业务整个链条,你需要面对不同的岗位,碰到不同的角色,采用不同的语言,表达你的要求和获得你需要的东西,成为数据和业务的桥梁,比如业务如何理解?如何数据取得更快?发现数据问题如何尽快的确认原因?都考验着你的实际人脉和权威。
一切都是为了让人看懂。
一定要重视汇报,不要觉得“酒香不怕巷子香”,在你没汇报前,领导不太知道你的实际业绩,IT专业的人有时比较吃亏往往是认知问题,就是不重视对上,也不愿意去搞这种虚头巴脑的东西,很多人做了80分,汇报只有30分,其实也跟教育有关,通识不够,没有美感。
汇报前要做好充分的准备,理解每一个字和每一个数字,把你要表述的内容整理成为具有条理的“故事”,用自己的语言表述出来,让人家能理解你讲的东西,有时要反复练习,不用看PPT,就可以把整个PPT的逻辑清晰的表述出来。
每个企业都有一套KPI指标体系,围绕KPI指标还有一系列的执行监控指标,作为数据分析师一定要对企业的核心指标体系有深入的理解,这是做数据分析的人要搞懂的最基本概念。
业务反映在指标上,业务分析就是对于合适指标的分析,指标只有经过比较才能鉴别到问题,而要实现鉴别分析,维度的选择是最核心的!
数据分析的结论最终的表现形式仍然是指标数据,而这个指标数据往往是层层下钻比对的结果,只是次要因素已经被剔除,主要因素大概率呈现,但主要和次要因素的判断,还是来自于数据分析师的主观判断。
BI很大程度上就是用一些可视化技术来进行指标比较的艺术,有助于你更快、更直观的发现问题和定位问题,毕竟人脑对图表、图像的敏感度更高。
比如FineBI,能做到拖拽生成数据分析,是每个数据分析师的技能!
对于数据要知其所以然!
在大多数公司里,数据分析师的工作是专业化的,但其实你分析要的数据是全方位的,不会有划定的专业边界。在实践中,数据分析师往往不知道到底有多少数据,其数据分析的深度和广度由于其视野的狭窄而受限。
数据分析师应对数据字典进行系统的学习,自底向上的实践很重要,但自顶向下的学习也很必要。
数据字典体现的往往只是表层的数据含义,如果你希望分析的更为灵活,就需要理解数据之间的依赖关系和来龙去脉,因为每张数据表都是由下一层次的表关联汇总而成,但汇总意味着信息的丢失。
只有具备追根溯源的能力,你才更有可能基于更多的信息获得更大的分析自由度,比如你看到业务系统上某个菜单的功能,对应到系统中的数据是怎样的?
SQL是最灵活的操作数据的语言,任何一个数据库都会提供SQL的支持,它架起了业务和数据的桥梁,简单易学,性价比很高,也是数据分析师的必须要学习的语言。
新的时期数据分析师不要过于依赖别人给你提供的数据,沟通的成本太高,一定要学会自己用SQL来获得所需的定制化数据,它给了你更多的可能。
EXCEL提供了最为灵活的轻量级数据的加工和呈现的能力,对于EXCEL的掌握是任何数据分析师的基本功,透视图,图表,公式,计算都是极其方便的工具。
数据分析师需要通过分析获得数据背后隐藏的知识,一般用SQL,EXCEL结合自己的经验来进行判断,但这种模式分析的数据维度是有限的,比如靠人很难看出3维以上数据之间的关系,一定要借助工具。
这就是机器学习可以帮到你的地方,比如聚类,分类,预测等等,随着机器学习,人工智能工具使用门槛的降低,数据分析师要掌握至少一种挖掘的方法。
笔者的数据支撑团队经常要做数据分析,比如针对收入波动就要找原因,但仅找到原因是不够的,更希望数据分析师能推动前端产品和运营去进行改造或优化,否则数据分析得出的结论就失去了意义。
这些会涉及大量的跨团队的工作,但笔者还是坚持要求数据分析师能够冲到前面去,因此数据分析师经常要跟产品打架,跟运营打架,要产品改这个改那个,我觉得挺好,这才是真正的数据驱动业务。
你也许会质疑,笔者这里提到的数据分析已超越了了传统数据分析师的范畴,但数据分析师要把事干成就得这么做,这是你的价值出口。数据分析师的目标从来不是只做数据分析,你应该把数据分析当成职业生涯的一个阶段或一个起点。
从这个角度看,能够利用数据驱动思维做成事的人才是企业顶级的数据分析师。
商业智能BI产品更多介绍:www.finebi.com