文章图片

CDA数据分析师 出品
Hello大家好 ， 我是CDA数字化人才成长陪伴导师张俊红 。
今天我给大家做一些关于我个人的分享 ， 希望对大家的成长能够有所帮助 。

文章图片

我叫张俊红 ， 目前在一家互联网公司从事数据分析相关的工作 。 在工作之余 ， 我个人会写一些公众号文章 ， 还会写数据分析相关的书籍 ， 比如说我最近新出的这本对《对比Excel ， 轻松学习Python报表自动化》 ， 这本从上市到现在一直都在当当新书榜第一的位置 。
到底什么是数据分析师？数据分析师到底是干什么工作的？ 现在看这篇文章的小伙伴大多数应该是数据分析师 ， 相关的从业人员 ， 或者是想入门数据分析行业的人群 ， 大家可能都对数据分析具体是做什么的 ， 或者是一些具体工作内容会有一些疑问 。
这里首先需要声明的一点就是 ， 如今不同的行业和公司 ， 大家对数据分析这个职位的称呼可能不太一样 。
最普遍的就是称数据分析师 ， 有的公司可能会称 BI分析师或者大数据分析师 ， 有的可能叫经营分析师 ， 也有可能叫数据科学家之类的 。 其实不管是公司里关于数据职能它叫什么 ， 但大家本质上做的事情其实都是差不多的 ， 都是围绕数据去展开的一些分析 。
作为数据分析师 ， 具体需要做什么样的一些事情 ， 我个人理解的话可能主要是三个方面 。
01、通过数据发现问题
第一个方面就是 ， 我们主要通过数据发现问题 。 这个可能对于大多数分析师来说相对比较容易 。 常规通过各种数据比较 ， 跟同环比较 。 如果当某个指标超过某一个界限的时候 ， 我们就认为这个指标背后的业务是有问题的 。
第一点就是通过数据去发现问题 ， 第二个点是要基于发现的问题去分析背后的本质原因是什么 。 第二点对数据分析师的要求更高一些 。
02、基于问题分析本质原因
在这个环节我们需要去掌握一些常用的分析方法 。
比如说漏斗分析法 ， 需要根据漏斗分析法去分析说到底哪个环节出现了问题；或者说去通过分组分析 ， 需要知道具体哪些维度 ， 哪些用户群现在的问题比较大；还需要去掌握贡献度的计算方法 ， 需要知道到底哪个环节贡献比较大 ， 每个环节的贡献度分别是多少 ， 或者说不同的人群的贡献度分别是怎样的 。 到这里的话 ， 其实我们是从数据层面对整个问题进行了归因 。 还要更进一步发现说数据归因下面的业务本质原因是什么 。
这里给大家举个例子 。
【做数据分析已经会Excel了，还要学Python吗？（CDA成长导师）】最近发现DAU发生了比较明显的下降 。 我们通过各种分析方法 ， 最后得出来的数据结论是：因为23岁以下的用户群体发生了比较明显的下降 。 到这里我们只是发现了数据层面的原因 ， 那么为什么会下降呢？这里就需要去对业务进行了解 。
进一步发现23岁以下的用户主要是学生群体 ， 可能恰好赶上学校陆续开学 ， 从而影响了这段时间的活跃度 。 因此导致23岁以下用户群体发生了大幅度的下降 。
到这里其实我们才是对整个问题有了最本质的归因 。 数据层面看到是23岁以下的用户发生了下降 ， 最本质的业务原因是由于这部分学生群体开学了 ， 没有时间来活跃了 ， 这个其实是我们要做的 。
03、基于现有问题给出策略上建议
这里面之所以用建议 ， 是因为其实作为分析师可能对这个业务是没有决策权的 ， 只是建议权 。