近些年，互聯(lián)網(wǎng)公司對(duì)數(shù)據(jù)分析師崗位的需求越來(lái)越多，這不是偶然。

過(guò)去十多年，中國(guó)互聯(lián)網(wǎng)行業(yè)靠著人口紅利和流量紅利野蠻生長(zhǎng)；而隨著流量獲取成本不斷提高、運(yùn)營(yíng)效率的不斷下降，這種粗放的經(jīng)營(yíng)模式已經(jīng)不再可行?；ヂ?lián)網(wǎng)企業(yè)迫切需要通過(guò)數(shù)據(jù)分析來(lái)實(shí)現(xiàn)精細(xì)化運(yùn)營(yíng)，降低成本、提高效率；而這對(duì)數(shù)據(jù)分析師也提出了更高的要求。

本文將和大家分享數(shù)據(jù)分析師的演變、數(shù)據(jù)分析價(jià)值體系、數(shù)據(jù)分析師必備的四大能力、七大常用思路以及實(shí)戰(zhàn)分析案例。

一、數(shù)據(jù)分析師的前世今生

在介紹數(shù)據(jù)分析師之前，我們先來(lái)看一下這幾個(gè)歷史人物，看看他們都跟數(shù)據(jù)分析師有著怎樣的淵源？

歷史上大名鼎鼎的“分析師”

上面展示的六個(gè)歷史人物（從左往右，從上往下）分別是：張良、管仲、蕭何、孫斌、鬼谷子和諸葛亮。他們是歷史上大名鼎鼎的謀士，有的還做過(guò)丞相。他們博覽群書、眼光獨(dú)到，通過(guò)對(duì)大量史實(shí)進(jìn)行總結(jié)發(fā)現(xiàn)了很多規(guī)律，并且在實(shí)踐中成功預(yù)測(cè)了很多事件。他們通過(guò) “歷史統(tǒng)計(jì)——總結(jié)分析——預(yù)測(cè)未來(lái)”的實(shí)踐為自己的組織創(chuàng)造了絕大的價(jià)值，而這就是“數(shù)據(jù)分析師”的前身。

那么現(xiàn)在，數(shù)據(jù)分析師需要哪些必備技能，如何成為一名優(yōu)秀的數(shù)據(jù)分析師呢？

二、數(shù)據(jù)分析師的價(jià)值金字塔

一個(gè)完整的企業(yè)數(shù)據(jù)分析體系涉及到多個(gè)環(huán)節(jié)：采集、清理、轉(zhuǎn)化、存儲(chǔ)、可視化、分析決策等等。其中，不同環(huán)節(jié)工作內(nèi)容不一樣，消耗的時(shí)間和產(chǎn)生的價(jià)值也相差甚遠(yuǎn)。

數(shù)據(jù)分析師的價(jià)值金字塔

互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)分析體系中至少有三方面的數(shù)據(jù)：用戶行為數(shù)據(jù)、交易訂單數(shù)據(jù)和CRM數(shù)據(jù)。工程師把不同來(lái)源的數(shù)據(jù)采集好，然后通過(guò)清理、轉(zhuǎn)化等環(huán)節(jié)統(tǒng)一到數(shù)據(jù)平臺(tái)上；再由專門的數(shù)據(jù)工程師從數(shù)據(jù)平臺(tái)上提出數(shù)據(jù)。這些工作占用了整個(gè)環(huán)節(jié)90%的時(shí)間，然而產(chǎn)生的價(jià)值卻只占10%。

這個(gè)金字塔再往上數(shù)據(jù)分析就和業(yè)務(wù)實(shí)際緊密結(jié)合，以報(bào)表、可視化等方式支持企業(yè)的業(yè)務(wù)決策，涵蓋產(chǎn)品、運(yùn)營(yíng)、市場(chǎng)、銷售、客戶支持各個(gè)一線部門。這個(gè)部分占用了整個(gè)環(huán)節(jié)才10%的時(shí)間，但是卻能產(chǎn)生90%的價(jià)值。

一個(gè)優(yōu)秀的商務(wù)數(shù)據(jù)分析師應(yīng)該以價(jià)值為導(dǎo)向，緊密結(jié)合產(chǎn)品、運(yùn)營(yíng)、銷售、客戶支持等實(shí)踐，支持各條業(yè)務(wù)線發(fā)現(xiàn)問(wèn)題、解決問(wèn)題并創(chuàng)造更多的價(jià)值。

三、數(shù)據(jù)分析師必備的四大能力

1.全局觀

某日，產(chǎn)品經(jīng)理跑過(guò)來(lái)問(wèn)我：Hi, 能不能幫我看一下昨天產(chǎn)品新功能發(fā)送的數(shù)據(jù)？謝謝！條件反射我會(huì)說(shuō)：好，我馬上給你！不過(guò)我還是禮貌性地問(wèn)了一句：為什么需要這數(shù)據(jù)呢？產(chǎn)品經(jīng)理回復(fù)道：哦，昨天新功能上線了，我想看看效果。知道了產(chǎn)品經(jīng)理的目的，我就可以針對(duì)性地進(jìn)行數(shù)據(jù)提取和分析，分析的結(jié)果和建議也就更加具有可操作性。

很多時(shí)候，數(shù)據(jù)分析師不能就數(shù)說(shuō)數(shù)，陷入各種報(bào)表中不能自拔。一個(gè)優(yōu)秀的數(shù)據(jù)分析師應(yīng)該具有全局觀，碰到分析需求的時(shí)候退一步多問(wèn)個(gè)為什么，更好地了解問(wèn)題背景和分析目標(biāo)。

2.專業(yè)度

某企業(yè)的數(shù)據(jù)科學(xué)家針對(duì)用戶流失情形進(jìn)行建模預(yù)測(cè)，最終得到的用戶流失模型預(yù)測(cè)準(zhǔn)確率高達(dá)90%多。準(zhǔn)確率如此之高，讓商務(wù)分析師都不敢相信。經(jīng)過(guò)檢驗(yàn)，發(fā)現(xiàn)數(shù)據(jù)科學(xué)家的模型中有一個(gè)自變量是 “用戶是否點(diǎn)擊取消按鈕” 。而點(diǎn)擊了“取消”按鈕是用戶流失的重要征兆，做過(guò)這個(gè)動(dòng)作的用戶基本上都會(huì)流失，用這個(gè)自變量來(lái)預(yù)測(cè)流失沒有任何業(yè)務(wù)意義和可操作性。

數(shù)據(jù)分析師要在所在行業(yè)（例如電商、O2O、社交、媒體、SaaS、互金等等）展示她/他的專業(yè)度，熟悉自己行業(yè)的業(yè)務(wù)流程和數(shù)據(jù)背后的意義，避免上面的數(shù)據(jù)笑話。

3.想象力

商業(yè)環(huán)境的變化越來(lái)越快、越來(lái)越復(fù)雜，一組商業(yè)數(shù)據(jù)的背后涉及到的影響因素是常人難以想象的。數(shù)據(jù)分析師應(yīng)該在工作經(jīng)驗(yàn)的基礎(chǔ)上發(fā)揮想象力，大膽創(chuàng)新和假設(shè)。

根據(jù)硅谷公司的核心KPI（Facebook的4-2-2準(zhǔn)則，LinkedIn的connection規(guī)律），我們也想找到互聯(lián)網(wǎng)企業(yè)驅(qū)動(dòng)增長(zhǎng)最核心的KPI?；谖覀兊南胂罅汀睙o(wú)埋點(diǎn)”全量數(shù)據(jù)采集的優(yōu)勢(shì)， 我們創(chuàng)造了” GrowingIO留存魔法師” 。通過(guò)全量采集的數(shù)據(jù)，智能自動(dòng)的后端計(jì)算，以及簡(jiǎn)單的使用交互，留存魔法師可以幫助企業(yè)迅速找到與其留存最相關(guān)的用戶行為，就像魔法師輕輕揮動(dòng)魔法棒一樣簡(jiǎn)單。例如某?SaaS產(chǎn)品 ，在一周內(nèi)創(chuàng)建過(guò)3個(gè)圖表的用戶(群)留存率非常高，那么”一周+3個(gè)+圖表”就是我們驅(qū)動(dòng)用戶增長(zhǎng)的魔法數(shù)字。

4.信任度

以銷售崗位為例，一個(gè)銷售人員首先要和用戶建立起信任；如果用戶不信任你的話，那他也很難信任或者購(gòu)買你的產(chǎn)品。同理，數(shù)據(jù)分析師要和各部門同事建立良好的人際關(guān)系，形成一定的信任。各個(gè)部門的同事信任你了，他們才可能更容易接受你的分析結(jié)論和建議；否則事倍功半。

四、數(shù)據(jù)分析常見的七種思路

1.簡(jiǎn)單趨勢(shì)

通過(guò)實(shí)時(shí)訪問(wèn)趨勢(shì)了解產(chǎn)品使用情況，便于產(chǎn)品迅速迭代。訪問(wèn)用戶量、訪問(wèn)來(lái)源、訪問(wèn)用戶行為三大指標(biāo)對(duì)于趨勢(shì)分析具有重要意義。

分鐘級(jí)的實(shí)時(shí)走勢(shì)分析

以星期為周期的趨勢(shì)對(duì)比

2.多維分解

數(shù)據(jù)分析師可以根據(jù)分析需要，從多維度對(duì)指標(biāo)進(jìn)行分解。例如瀏覽器類型、操作系統(tǒng)類型、訪問(wèn)來(lái)源、廣告來(lái)源、地區(qū)、網(wǎng)站/手機(jī)應(yīng)用、設(shè)備品牌、APP版本等等維度。

多維度分析訪問(wèn)用戶的屬性

3.轉(zhuǎn)化漏斗

按照已知的轉(zhuǎn)化路徑，借助漏斗模型分析總體和每一步的轉(zhuǎn)化情況。常見的轉(zhuǎn)化情境有注冊(cè)轉(zhuǎn)化分析、購(gòu)買轉(zhuǎn)化分析等。

漏斗分析展示注冊(cè)每一步的流失率

4.用戶分群

在精細(xì)化分析中，常常需要對(duì)有某個(gè)特定行為的用戶群組進(jìn)行分析和比對(duì)；數(shù)據(jù)分析師需要將多維度和多指標(biāo)作為分群條件，有針對(duì)性地優(yōu)化產(chǎn)品，提升用戶體驗(yàn)。

5.細(xì)查路徑

數(shù)據(jù)分析師可以觀察用戶的行為軌跡，探索用戶與產(chǎn)品的交互過(guò)程；進(jìn)而從中發(fā)現(xiàn)問(wèn)題、激發(fā)靈感亦或驗(yàn)證假設(shè)。

通過(guò)細(xì)查路徑分析用戶的行為規(guī)律

6.留存分析

留存分析是探索用戶行為與回訪之間的關(guān)聯(lián)。一般我們講的留存率，是指“新增用戶”在一段時(shí)間內(nèi)“回訪網(wǎng)站/app”的比例。 數(shù)據(jù)分析師通過(guò)分析不同用戶群組的留存差異、使用過(guò)不同功能用戶的留存差異來(lái)找到產(chǎn)品的增長(zhǎng)點(diǎn)。

留存分析發(fā)現(xiàn)“創(chuàng)建圖表”的用戶留存度更高

7.A/B?測(cè)試

A/B測(cè)試就是同時(shí)進(jìn)行多個(gè)方案并行測(cè)試，但是每個(gè)方案僅有一個(gè)變量不同；然后以某種規(guī)則（例如用戶體驗(yàn)、數(shù)據(jù)指標(biāo)等）優(yōu)勝略汰選擇最優(yōu)的方案。數(shù)據(jù)分析師需要在這個(gè)過(guò)程中選擇合理的分組樣本、監(jiān)測(cè)數(shù)據(jù)指標(biāo)、事后數(shù)據(jù)分析和不同方案評(píng)估。

五、數(shù)據(jù)分析實(shí)戰(zhàn)案例

某社交平臺(tái)推出付費(fèi)高級(jí)功能，并且以EDM（Email Direct Marketing，電子郵件營(yíng)銷）的形式向目標(biāo)用戶推送，用戶可以直接點(diǎn)擊郵件中的鏈接完成注冊(cè)。該渠道的注冊(cè)轉(zhuǎn)化率一直在10%-20%之間；但是8月下旬開始注冊(cè)轉(zhuǎn)化率急劇下降，甚至不到5%。

如果你是該公司的數(shù)據(jù)分析師，你會(huì)如何分析這個(gè)問(wèn)題呢？換言之，哪些因素可能造成EDM轉(zhuǎn)化率驟降？

一個(gè)優(yōu)秀的數(shù)據(jù)分析師應(yīng)該具有全局觀和專業(yè)度，從業(yè)務(wù)實(shí)際出發(fā)，綜合各個(gè)方面的可能性。因此，EDM注冊(cè)轉(zhuǎn)化率驟降的可能性羅列如下：

1.技術(shù)原因：ETL延遲或者故障，造成前端注冊(cè)數(shù)據(jù)缺失，注冊(cè)轉(zhuǎn)化率急劇下降；

2.外部因素：該時(shí)間節(jié)點(diǎn)是否有節(jié)假日，其他部門近期是否有向用戶發(fā)送推廣郵件，這些因素可能稀釋用戶的注意力；

3.內(nèi)部因素：郵件的文案、設(shè)計(jì)是否有改變；郵件的到達(dá)率、打開率、點(diǎn)擊率是否正常；郵件的注冊(cè)流是否順暢。

經(jīng)過(guò)逐一排查，數(shù)據(jù)分析師將原因鎖定在注冊(cè)流程上：產(chǎn)品經(jīng)理在注冊(cè)環(huán)節(jié)添加了綁定信用卡的內(nèi)容，導(dǎo)致用戶的注冊(cè)提交意愿大幅度下降，轉(zhuǎn)化率暴跌。

一個(gè)看似簡(jiǎn)單的轉(zhuǎn)化率分析問(wèn)題，它的背后是數(shù)據(jù)分析師各方面能力的體現(xiàn)。首先是技術(shù)層面，對(duì)ETL（數(shù)據(jù)抽?。D(zhuǎn)換－載入）的理解和認(rèn)識(shí)；其實(shí)是全局觀，對(duì)季節(jié)性、公司等層面的業(yè)務(wù)有清晰的了解；最后是專業(yè)度，對(duì)EDM業(yè)務(wù)的流程、設(shè)計(jì)等了如指掌。

練就數(shù)據(jù)分析的洪荒之力并非一朝一夕之功，而是在實(shí)踐中不斷成長(zhǎng)和升華。一個(gè)優(yōu)秀的數(shù)據(jù)分析師應(yīng)該以價(jià)值為導(dǎo)向，放眼全局、立足業(yè)務(wù)、與人為善，用數(shù)據(jù)來(lái)驅(qū)動(dòng)增長(zhǎng)。

本文作者：陳明，GrowingIO聯(lián)合創(chuàng)始人&運(yùn)營(yíng)副總裁。陳明畢業(yè)于斯坦福大學(xué)，先后就職于eBay、LinkedIn數(shù)據(jù)分析部門，有豐富的商務(wù)分析經(jīng)驗(yàn)。

本文由 @陳明 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。