产品
解决方案
产品说明
关于我们

Data Analytics

这是一款用于企业数据可视化分析的自助式敏捷BI产品,可以针对企业业务数据进行自由维度的探索式分析,释放IT压力,真正将数据分析工作交还给最懂业务的人,提高企业决策效率。

典型客户:小米、克丽缇娜、雀巢、联合利华.....

Data Analytics 点击试用

Data MAX

这是一款用于企业数据可视化展示呈现的标准+自由定制化产品,将业务数据经过处理后以实时的炫酷的可视化形式展示出来,广泛应用于领导驾驶舱、指挥中心、展览展会等场景。

典型客户:人民日报、富力集团、OPPO、民生银行.....

Data Max 点击试用

咨询电话

400-1024-262

关注DH小助手

可随时微信沟通

首页 > 关于我们 > 行业信息 > 文章详情
说说商业数据分析师的7类岗位及基本技能
2019-10-14

在一个工作交流群里,一个朋友说想转行做数据分析师,随后很多人开始讨论,半路出家的能找到工作吗?做数据分析师需要哪些知识和技能?

 

今天我们就来说说商业数据分析师的7类岗位,以及基础技能。要知道数据分析这一行,入行容易,精通难。方法工具都要有。
 


 

 
一、商业数据分析的7类岗位

 

1.业务统计人员

理解企业数据,发现业务问题,开发预测模型,帮助企业更好地进行信息决策。

 

2.数据挖掘人员

进行知识发掘积累,需要熟悉各种数据挖掘算法,可以进行深层次的客户识别、画像,以满足营销、风控和客户关系管理方面的需要。

 

3.大数据分析人员

处理海量异构数据,借助其他工具进行数据的搜集、储存和清洗。同时与数据挖掘人员、报表制作人员、业务统计分析人员合作完成工作。

 

4.业务支持

创建业务报表或进行业务分析。

 

5.报表制作人员

撰写SQL程序进行查询并生成报表。

 

6.数据管理人员

为需求人员提供便捷的数据访问服务。

 

7.数据架构人员

流处理、模型开发和数据质量管理设计所需的架构和方法;平台架构人员:负责企业管理平台的安装、配置、管理和维护。
 

 
二、什么是数据分析?

 

数据分析是基于商业目的,收集、整理、加工和分析数据,提炼有价值信息,并指导实践的过程。数据分析的三大作用,主要是现状分析、原因分析和预测分析。过程主要包括:明确分析目的与框架、数据收集、数据处理、数据分析、数据展现、撰写报告6个阶段。

 

1、明确分析目的与框架

 

一个分析项目,它的数据对象是谁?商业目的是什么?要解决什么业务问题?数据分析师对这些都要了然于心,随后整理分析框架和分析思路。

 

例如,减少新客户的流失、优化活动效果、提高客户响应率等。每个项目对数据的要求不同,使用的分析手段也是不一样的。(本文第三部分将详细介绍4种常用分析框架。)

 

2、数据收集

 

数据收集是数据分析的基础,按照确定的分析框架,有目的的收集、整合相关数据。

 

3、数据处理

 

数据处理是指对收集到的数据进行加工、整理,它是数据分析前必不可少的阶段,也是整个数据分析过程中最占据时间的,耗费时间的程度取决于整个项目对数据仓库和数据质量的要求。

 

数据处理的常用方法有:数据清洗、数据转化等。

 

4、数据分析

 

在明确了分析目的与框架,收集处理好数据后,就可以开始着手进行数据分析了。我们需要通过特定手段、多种方法和行业技巧对数据进行探索,从大数据分析平台中发现因果关系、内容联系和业务规律等,为商业目的提供参考

 

到了这个阶段,要能驾驭数据、开展分析工作,就要使用工具和方法了。

在分析方法方面,最基本的要了解例如方差、回归、因子、聚类、分类、时间序列等概念,及他们的原理、使用范围、优缺点;在分析工具方面,数据分析师一般首选Excel,同时搭配一个专业的分析软件,如数据分析工具SPSS/SAS/Matlab等,便于进行一些专业的统计分析、数据建模等。

 

5、数据展现

 

俗话说:字不如表,表不如图。借助数据展现手段,能更直观的让数据分析师表述想要呈现的信息、观点和建议。一般情况下,数据分析的结果都是通过图表方式来呈现的。

 

常用的图表包括:饼图、折线图、柱形图/条形图、散点图、雷达图、金字塔图、矩阵图、漏斗图、帕累托图等。

 

6、撰写报告

 

最后阶段,就是撰写数据分析报告,这是对整个数据分析成果的呈现。通过分析报告,把数据分析的目的、过程、结果及方案完整呈现出来,以供商业目的提供参考。

 

Tips: 一份好的数据分析报告,首先需要有一个好的分析框架,并且图文并茂,层次明晰,能够让阅读者一目了然。结构清晰、主次分明可以让阅读者正确理解报告内容;图文并茂,可以令数据更加生动活泼,提高视觉冲击力,有助于阅读者更形象、直观地看清楚问题和结论,从而产生思考。

 

另外,数据分析报告需要有明确的结论、建议和解决方案,不仅仅是找出问题,后者是更重要的,否则称不上好的分析,同时也失去了报告的意义,数据的初衷就是为解决一个商业目的才进行的分析,不能舍本求末。
 

 
三、4种常用分析框架

 

从管理和业务的角度提出的分析框架,指导着后期数据分析工作的开展。

营销方面的理论模型有:4P、用户使用行为、STP理论、SWOT等。

管理方面的理论模型有:PEST、5W2H、时间管理、生命周期、逻辑树、金字塔、SMART原则等。

 

本文主要说明:5W2H、逻辑树、4P、用户使用行为这4个比较实用的理论。

 

1、5W2H

 

定义:何因(Why)、何事(What)、何人(Who)、何时(When)、何地(Where)、如何做(How)、何价(How much)

 

适用范围:用户行为分析、业务问题专题分析、营销活动等。

 

优点:广泛应用于企业营销、管理活动,对于决策和执行性的活动措施非常有帮助,也有助于弥补考虑问题的疏漏。

 

2、逻辑树

 

定义:逻辑树,又称问题树、演绎树或分解树等。它将问题的所有子问题分层罗列,从最高层开始,并逐步向下扩展。

 

适用范围:业务问题专题分析

 

优点:逻辑树的作用主要是帮你理清自己的思路,避免进行重复、无关的思考。逻辑树能保证解决问题的过程的完整性,能将工作细分为便于操作的任务,确定各部分的优先顺序,明确地把责任落实到个人。

 

缺点:涉及的相关问题可能有遗漏,虽然可以用头脑风暴把涉及的问题总结归纳出来,但还是难以避免存在考虑不周全的地方。所以在使用逻辑树的时候,尽量把涉及的问题或要素考虑周全。

 

使用逻辑树必须遵循以下3个原则:

 

要素化:把相同问题总结归纳成要素。

框架化:将各个要素组织成框架,遵守不重不漏的原则。

关联化:框架内的各要素保持必要的相互关系,简单而不孤立。

 

3、4P

 

定义:4P,即产品(Product)、价格(Price)、渠道(Place)、促销(Promotion)

 

适用范围:主要用于公司整体经营情况分析。

 

4、用户使用行为

 

用户使用行为,即用户为获取、使用物品或服务所采取的各种行为。

 

用户使用行为的完整过程

 

通常情况下,用户对产品首先需要有一个认知、熟悉的过程,然后试用,再决定是否继续消费使用,最后成为忠诚用户。在这个锅层中,我们可以利用用户使用行为理论,梳理产品分析的各关键指标之间的逻辑关系,构建符合公司实际业务的产品分析指标体系。

 

它的缺点是用途较为单一,就是用于用户行为的研究分析。

热门文章
免费试用DataHunter产品
Data Analytics
业务驱动型BI工具
免费试用
Data MAX
极致性价比的大屏可视化产品
免费试用
Data Formula
敏捷型数据中台
免费试用
Copyright © 2018 北京数猎天下科技有限公司 | 京ICP备16063904号-1