編輯導語：數據分析是一個通過對原始數據進行分析，從而挖掘有效信息的過程。随着大數據時代的到來，各行各業都意識到了數據的重要性，因此數據分析師崗位也被越來越多的人所知曉。那麼，數據分析師的日常工作是什麼？數據分析師之間又有哪些共性和非共性呢？本文作者做出了回答。

有同學會說，得先定義清楚數據分析。是的，想定義清楚數據分析，不能看他叫什麼，而要看他做什麼。适用于任何職位。

總結有4個方向可能影響到日常工作内容，按影響程度排列：

1. 所在的部門
2. 曆史工作年限 入職時長
3. 個人的技術棧
4. 數據部門的規模

既然是一個特定職業，那麼無論在什麼部門，無論工作多久，一定是有一定的共性的。就像畫家總會拿起自己的畫筆，司機自然會有一輛車~

一、數據分析師有哪些共性？

我們先簡單定義分析師為：對數據進行一定的處理，并輔助需求方決策。

1. 對數據進行處理

對數據處理的工具有很多，但是基本都繞不開兩個核心 EXCEL SQL。

2. 了解業務

想要輔助決策，首先要了解對方幹什麼。如何了解業務？通過數據看業務的表現，和需求方溝通，參與需求方的會議，到需求方進行輪崗等。

這些内容可以用流程圖 文檔記錄，幫助自己理解業務流程及細節。

3. 可視化傳遞信息

需要将信息有效的傳遞到需求方中，需要使用合理的方式将信息傳遞。可視化是常見的且有效的方式，這裡一般使用EXCEL就可以完成對大多數的需求，但是更建議掌握一個BI工具。

推薦使用商業化産品，例如tableau,power bi等。彙報時，可以使用PPT，但是要注意效率問題，畢竟制作一個邏輯合理，美觀的PPT還是很肝的。

4. 總結

無論你在什麼部門，什麼行業，EXCEL SQL BI 流程圖（了解業務）對于小白來講，快速掌握以上幾點，是進入工作角色有力的保障。

二、非共性的部分

1. 所在部門影響的工作内容

1）數據中台組

當項目有多條業務執行線時，且部門對全部業務線服務時，該數據部門就可以定義為中台組。比如，同時為産品、市場與渠道、運營提供數據支撐。

這個時候更多的會在底層數據服務，除共性内容外：

1. 了解數據庫存儲邏輯，字段含義，了解數據指标具體定義及産出邏輯；
2. 承接各需求部門提數需求，部分可能會需要python等腳本語言來處理；
3. 數據埋點文檔産出；
4. 為業務方提供的數據産品的配置及培訓等。

2）運營部門

• 活動運營：會統計每一次活動的效果，及流程轉化率，産出每次的數據結案，及是否優化建議。主要會關注到成本情況，效益情況，各流程轉化率情況，用戶在活動後表現。
• 用戶運營：了解用戶生命周期。産出用戶畫像及用戶分層規則，并執行精細化運營的邏輯策略，同時統計效果。有能力需進行頻繁的AB測試，沉澱測試結論。
• 其他運營：略

3）市場及渠道部門

統計投放及效益數據，核心為成本模型的搭建。并測試出各種渠道的效果，可以根據不同的目标，進行投放的調整。

2021年了，除了傳統的渠道方式，現在更有私域渠道，社交媒體渠道。可能會要求了解新型營銷内容，技術上可能會要求爬蟲技能。

4）産品部門

1. 主要為産品功能的數值監測，新功能數據複盤，用戶路徑分析；
2. 功能AB測試，提供分析結果及測試建議；
3. 尋找用戶留存和活躍的魔法數值，該部分和用戶運營重疊。

5）戰略情報部門

1. 市場研究及競品分析
2. 企業成本模型，用戶分析
3. 使用PPT進行信息傳遞
4. 可能會要求爬蟲技能【工具】

6）算法組

注：算法與數據分析是兩碼事，已經完全是另外一種工作。

2. 曆史工作年限 入職時長

這個主要是決定在 一線工作内容 和 資源協調溝通的 上的時間分配問題，比如：

• 實習生：一線工作内容 100%，還不一定可以做的很好；
• 初級數據分析師：一線工作内容90%，資源協調溝通 10%；
• 高級數據分析師：一線工作内容50%，資源協調溝通 50%；
• 管理：一線工作内容20%，資源協調溝通 80%。

從高級分析師開始，大概率已經會有partner或者開始帶人了。

3. 個人的技術棧

不會python會影響數據分析麼，在絕大部分是不會的。但是會python的時候，在一定程度上可以做更多的事情。

• 比如将自己的某些需求自動化；
• 比如自己爬蟲一些内容；
• 比如會R在統計分析上，可能也會有一定的優勢；
• 比如隻會power bi 或者隻會 tableau的人，工作方式也會有一點點的不同。

但是這裡也有一個巨大的陷阱：

1. 自己給自己的陷阱：過于專注于某一個技術手段，忽略了數據分析核心的内容。技術手段長遠來看，基本上都會被工具所代替。
2. 公司給自己的陷阱：比如公司會讓你爬數據，而不單獨招一個工程師。相當于身兼多職，在數據分析方向投入的精力就會相對較小。

4. 數據部門的規模

數據部門的規模大小，決定了大家的分工情況，這個數據部門也包含數倉等崗位。企業的數倉建立完善，報表工具高效，BI工具完善，埋點數據健壯，運營系統數據支持完備。

那麼分析師在這些環節就不需要投入太多的精力，會更多的投入到業務方向上。否則，哪裡有缺失，數據分析師作為潤滑劑或樞紐，就會在哪個環節人肉頂上。

本文由 @冷凡 原創發布于人人都是産品經理，未經許可，禁止轉載

題圖來自 Unsplash，基于 CC0 協議

,