专访星链技术总监黄中伟：开发高性能智能网关，助力工厂设备安全互联 -看到新力量NO.112
06-17
雷锋网记者：作者陈明、GrowingIO联合创始人&副总裁行动，毕业于斯坦福大学，曾就职于eBay、LinkedIn数据分析部门，拥有丰富的商业分析经验。
近年来，互联网公司对数据分析师职位的要求越来越高。
这并非偶然。
近十几年来，中国互联网产业依靠人口红利、流量红利疯狂发展，但随着流量获取成本不断增加、运营效率不断下降，这种粗放的商业模式已经不再可行。
互联网企业迫切需要利用数据分析实现精细化运营、降低成本、提高效率；而这也对数据分析师提出了更高的要求。
本文将与您分享数据分析师的演变、数据分析价值体系、数据分析师的四大必备能力、七个常见想法以及实际分析案例。
一、数据分析师的前世今生在介绍数据分析师之前，我们先来看看这些历史人物，看看他们和数据分析师有着怎样的关系？上图所示的六位历史人物（从左到右，从上到下）分别是历史上著名的“分析家”：张良、管仲、萧何、孙膑、鬼谷子和诸葛亮。
他们都是历史上著名的谋士，有的甚至还担任过宰相。
他们博学多才，眼光独到。
他们通过总结大量历史事实发现了许多规律，并在实践中成功地预测了许多事件。
他们通过“历史统计——总结分析——预测未来”的实践，为自己的组织创造了巨大的价值，而这就是“数据分析师”的前身。
那么现在，数据分析师需要哪些必备技能，如何成为一名优秀的数据分析师呢？ 2、数据分析师的价值金字塔 一个完整的企业数据分析系统涉及多个环节：采集、清洗、转换、存储、可视化、分析和决策等。
其中，不同环节的工作内容不同，所消耗的时间和成本也不同。
产生的价值也有很大不同。
数据分析师的价值金字塔互联网企业数据分析系统至少包含三方面的数据：用户行为数据、交易订单数据和CRM数据。
工程师从不同来源收集数据，然后通过清洗、转换等过程统一到数据平台上；然后专门的数据工程师从数据平台中提取数据。
这些任务占据了整个流程的90%，但只占产生的价值的10%。
再往上金字塔，数据分析与实际业务紧密结合，通过报表、可视化等方式支持公司的业务决策，覆盖产品、运营、营销、销售、客户支持等所有一线部门。
这部分只占整个流程的10%，但却可以产生90%的价值。
优秀的业务领导者应该以价值为导向，紧密结合产品、运营、销售、客户支持等实践，支持各业务线发现和解决问题，创造更多价值。
三、数据分析师的四大必备能力 数据分析师的四大必备能力 1、总体看法 有一天，产品经理来找我，问：你好，你能帮我看一下昨天新产品功能发来的数据吗？谢谢！作为条件反射，我会说：好的，我马上给你！但我还是礼貌地问：为什么需要这些数据？产品经理回复：哦，新功能昨天上线了，我想看看效果。
知道了产品经理的目的，我就可以进行有针对性的数据提取和分析，分析的结果和建议会更具可操作性。
很多时候，数据分析师不能只谈数字，而陷入各种报道中无法自拔。
一个优秀的数据分析师应该有大局观。
遇到分析需要时，应该退一步，多问为什么，这样才能更好地理解问题背景和分析目标。
2、专业性某公司数据科学家对用户流失情况进行了建模和预测，得到的用户流失模型预测准确率高达90%以上。
准确率之高，连商业分析师都不敢相信。
经过测试，发现数据科学家模型中的自变量之一是“用户是否点击了取消按钮”。
点击“取消”按钮是用户流失的重要标志。
做过这个动作的用户基本上都会流失。
使用这个自变量来预测流失没有任何商业意义或可操作性。
数据分析师需要展示其在行业（如电子商务、O2O、社交网络、媒体、SaaS、互助金融等）的专业水平，熟悉其行业的业务流程及其背后的含义数据，避免上面的数据笑话。
3、想象力：业务环境变化更快、更复杂，一组业务数据背后的影响因素是常人难以想象的。
数据分析师应该发挥自己的想象力，根据自己的工作经验做出大胆的创新和假设。
根据硅谷公司的核心KPI（Facebook的4-2-2准则、LinkedIn的连接规则），我们也想找到互联网公司驱动增长的核心KPI。
基于我们的想象力和“无埋点”全数据采集的优势，我们创造了“GrowingIO保留魔术师”。
通过充分收集的数据、智能自动的后端计算以及简单的用户交互，留存魔术师可以帮助企业快速找到与其留存最相关的用户行为，就像魔术师挥舞着魔杖一样。
例如，对于某个SaaS产品，一周创建3个图表的用户（群体）的留存率非常高，那么“每周+图表”就是我们驱动用户增长的神奇数字。
4.信任。
以销售岗位为例，销售人员首先要与用户建立信任；如果用户不信任你，他就很难信任或购买你的产品。
同样，数据分析师需要与各部门的同事建立良好的人际关系，形成一定的信任。
一旦你的各部门同事信任你，他们就会更容易接受你的分析结论和建议；否则，你就会事倍功半。
4、数据分析的七大常见思路 1、简单趋势：通过实时趋势了解产品使用情况，有利于产品快速迭代。
访问用户数、访问来源、访问用户行为三大指标对于趋势分析具有重要意义。
分钟级实时趋势分析和周趋势对比 2、多维度分解 数据分析师可以根据分析需要，从多个维度对指标进行分解。
例如浏览器类型、操作系统类型、访问来源、广告来源、地区、网站/移动应用、设备品牌、APP版本等。
多维度分析访问用户的属性 3、转化漏斗 根据已知的转化路径上，采用漏斗模型来分析整体和每一步的转化情况。
常见的转化场景包括注册转化分析、购买转化分析等。
漏斗分析展示了注册每一步的流失率。
4、用户分组在精细化分析中，往往需要对具有特定行为的用户群体进行分析和比较；数据分析师需要以多维度、多指标作为分组条件，有针对性地优化产品，提升用户体验。
5. 仔细检查路径。
数据分析师可以观察用户的行为轨迹，探索用户与产品的交互过程；然后发现问题、激发灵感或验证假设。
通过详细的考察路径分析用户行为模式 6.留存分析 留存分析是探究用户行为与回访之间的关系。
一般来说，我们所说的留存率是指一段时间内“重新访问网站/应用”的“新用户”的比例。
数据分析师通过分析不同用户群体的留存差异以及使用过不同功能的用户的留存差异，找到了产品的增长点。
留存分析发现，“创建图表”的用户留存率更高 7. A/B 测试 同时进行多个场景的并行测试，但每个场景只有一个不同的变量；然后利用一定的规则（比如用户体验、数据指标等）并选择最佳的解决方案。
数据分析师在此过程中需要选择合理的群体样本、监测数据指标、事后数据分析以及评估不同的选项。
5、数据分析案例：EDM转化率分析某社交平台推出付费付费功能，以EDM（Email Direct Marketing）的形式推送给目标用户。
用户可以直接点击邮件中的链接完成注册。
该渠道的注册转化率一直在10%到20%之间；但8月下旬注册转化率开始大幅下降，甚至不足5%。
如果你是公司的数据分析师，你会如何分析这个问题？换句话说，哪些因素可能会导致EDM转化率直线下降？一个优秀的数据分析师应该有大局观和专业精神，从商业实际出发，综合考虑各方面的可能性。
因此，EDM注册转化率突然下降的可能性列举如下： 1、技术原因：ETL延迟或故障导致前端注册数据缺失，注册转化率大幅下降； 2、外部因素：该时间节点是否有节假日、其他部门近期是否给用户发送过促销邮件，这些因素可能会淡化用户的注意力； 3、内部因素：邮件的文案、设计是否发生变化；邮件到达率、打开率、点击率是否正常；邮件的注册流程是否流畅。
经过一一排查，数据分析师将原因定位到了注册过程：产品经理在注册过程中添加了绑定信用卡的内容，导致用户注册提交意愿、转化率大幅下降。
暴跌。
看似简单的转化率分析问题，背后却是数据分析师各方面能力的体现。
首先是技术层面，对ETL（数据提取-转换-加载）的理解和理解；其实是全局观，对季节、公司等层面的业务有清晰的认识；最后是专业性，EDM业务流程、设计等等。
发展数据分析的古老力量不是一朝一夕就能实现的，而是在实践中不断成长和升华。
一个好的数据分析师应该以价值为导向，顾全大局，聚焦业务，与人为善，用数据驱动增长。
注：原文发表于GrowingIO技术博客和微信公众号，经雷锋网授权发布。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-06
06-17
06-06
06-17
06-06
06-17
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态