本篇文章3247字，读完约8分钟
雷锋。作者陈明，growingio的联合创始人和运营副总裁，毕业于斯坦福大学，先后在ebay和linkedin的数据分析部门工作，具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，这绝非偶然。
在过去十年左右的时间里，中国的互联网产业凭借人口红利和流量红利迅猛增长；随着交通获取成本的不断增加和运营效率的不断下降，这种粗放的商业模式已经不再可行。互联网公司迫切需要通过数据分析实现精细化运营，降低成本，提高效率；这就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发展、数据分析的价值体系、数据分析师的四种必备能力、七种常见观点和实际分析案例。
在介绍数据分析师之前，让我们先来看看这些历史数据，看看他们和数据分析师的渊源。
历史上著名的“分析家”
上面(从左到右，从上到下)显示的六位历史人物是张亮、管仲、小和、孙斌、鬼谷子和诸葛亮。他们是历史上著名的谋士，有些人还当过首相。他们博览群书，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-总结和分析-预测未来”的实践为他们的组织创造了巨大的价值，这是“数据分析师”的前身。
现在，数据分析师需要什么技能，他们如何成为优秀的数据分析师？
第二，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许多环节:收集、清理、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，消耗的时间和产生的价值也相差甚远。
数据分析师的价值金字塔
互联网企业数据分析系统中至少有三个方面的数据:用户行为数据、交易订单数据和客户关系管理数据。工程师从不同的来源收集数据，然后通过清理和转换将它们统一到数据平台上；然后，一个专门的数据工程师从数据平台提出数据。这些任务占据了整个过程的90%，但只产生了10%的价值。
在这个金字塔中，数据分析将与业务实践紧密结合，企业的业务决策将得到报告和可视化的支持，涵盖产品、运营、市场、销售和客户支持的一线部门。这部分只占整个链接的10%，但它可以产生90%的价值。
优秀的业务数据分析师应该以价值为导向，紧密结合产品、运营、销售和客户支持的实践，支持所有业务线发现和解决问题并创造更多价值。
第三，数据分析师的四项必备能力
数据分析师的四项基本能力
1.有一天，产品经理跑过来问我:嗨，你能帮我看看昨天新产品功能发送的数据吗？谢谢你！我会说:好的，我马上给你！然而，我礼貌地问:你为什么需要这些数据？产品经理回答:哦，新功能是昨天推出的。我想看看效果。知道了产品经理的目的，我可以有针对性的提取和分析数据，分析结果和建议更具有可操作性。
很多时候，数据分析师不能谈论数字，也不能从各种报告中解脱出来。一个优秀的数据分析师应该有一个全局的视角，在满足分析需求的时候退一步多问问为什么，这样才能更好的理解问题背景和分析目标。
2.专业数据科学家对一个企业的用户流失情况进行建模和预测，最终得到的用户流失模型的预测准确率高达90%。准确率如此之高，以至于商业分析师都不敢相信。经过检查，发现数据科学家模型中的独立变量之一是用户是否点击了取消按钮。点击“取消”按钮是用户流失的一个重要标志。完成此操作的用户基本上会被搅拌。使用这个独立变量来预测流失没有商业意义和可操作性。
数据分析师应展示其所在行业(如电子商务、o2o、社交媒体、saas、共同基金等)的专业水平。)，熟悉他/她的行业的业务流程和数据背后的含义，避免上述数据笑话。
3.想象商业环境变化越来越快，越来越复杂，一组商业数据背后的影响因素对普通人来说是不可想象的。数据分析师应该运用他们的想象力，根据他们的工作经验做出大胆的创新和假设。
根据硅谷公司的核心关键绩效指标(脸书的4-2-2标准和领英的联系规则)，我们还想找到互联网企业驱动增长的核心关键绩效指标。基于我们的想象力和“无隐藏点”完整数据收集的优势，我们创建了“增长保留向导”。通过全面的数据收集、智能和自动的后端计算以及简单的使用交互，保留向导可以帮助企业快速找到最相关的用户行为，就像一个向导轻轻挥动魔杖一样。例如，在saas产品中，在一周内创建了三个图表的用户(组)的保留率非常高，因此“一周+三个图表+图表”是我们推动用户增长的神奇数字。
4.信任以销售职位为例。销售人员必须首先与用户建立信任；如果用户不信任你，他们很难信任或购买你的产品。同样，数据分析师应该与各部门的同事建立良好的人际关系，以形成一定程度的信任。各部门的同事信任你，让他们更容易接受你的分析结论和建议；否则，你会事半功倍。
4.数据分析的七个常见想法1。简单趋势通过实时访问趋势来了解产品的使用情况，这有利于产品的快速迭代。访问用户的数量、访问来源和访问用户的行为对趋势分析具有重要意义。
分钟级实时趋势分析
与周周期的趋势比较
2.多维分解数据分析师可以根据分析需要从多个维度分解指标。例如，浏览器类型、操作系统类型、访问源、广告源、地区、网站/手机应用、设备品牌、应用版本等。
访问用户属性的多维分析
3.转换漏斗根据已知的转换路径，利用漏斗模型分析整体转换和每一步的转换情况。常见的转换情况包括注册转换分析和购买转换分析。
漏斗分析显示了每个注册步骤的周转率
4.用户分组在精细分析中，经常需要分析和比较具有特定行为的用户组；数据分析师需要将多维多指标作为聚类条件来优化产品，提升用户体验。
5.仔细查看路径数据，分析师可以观察用户的行为轨迹，探索用户和产品之间的互动过程；然后发现问题，启发或检验假设。
通过仔细检查路径来分析用户的行为规律
6.保留分析保留分析是探索用户行为和回访之间的关系。一般来说，保留率是指在一定时间内“新增加的用户”返回网站/应用的比例。数据分析师通过分析不同用户群和使用不同功能的用户的保留差异来发现产品的增长点。
保留分析发现“创建图表”的用户保留率更高
a/b测试a/b测试是同时并行测试多个方案，但每个方案只有一个变量不同；然后，根据一些规则(如用户体验、数据指标等。)，则选择最佳方案。在这个过程中，数据分析人员需要选择合理的分组样本，监控数据指标，事后分析数据，评估不同的方案。
V.数据分析案例:edm转换率分析一个社交平台推出了付费高级功能，以edm(电子邮件直销)的形式推给目标用户。用户可以直接点击电子邮件中的链接完成注册。该频道的注册转换率一直在10%至20%之间；然而，自8月下旬以来，注册转换率大幅下降，甚至不到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，什么因素可能导致edm转换率直线下降？
一名优秀的数据分析师应该具有全球视野和专业精神，并从业务现实出发，整合各方面的可能性。因此，edm注册转换率突然下降的可能性如下:
1.技术原因:etl延迟或失败导致前端注册数据丢失，注册转换率大幅下降；
2.外部因素:该时间节点是否有节假日，最近是否有其他部门向用户发送过促销邮件，可能会分散用户的注意力；
3.内部因素:邮件的副本和设计是否发生了变化；邮件的到达率、打开率和点击率是否正常；邮件登记流程是否顺畅。
经过逐一检查，数据分析师在注册过程中锁定了原因:产品经理在注册过程中添加了绑定信用卡的内容，导致用户提交注册的意愿大幅下降，转换率大幅下降。
一个看似简单的转换率分析问题，其背后是数据分析师各方面能力的体现。首先是技术层面，理解和理解etl(数据提取-转换-加载)；事实上，这是一种全球视角，对季节性和公司层面的业务有着清晰的理解；最后，专业程度，对edm的业务流程和设计了如指掌。
实践数据分析的力量不是一夜之间的成功，而是在实践中不断的成长和升华。一名优秀的数据分析师应该以价值为导向，着眼于全局，立足于业务，善待他人，并利用数据推动增长。
注:原文发表在成长科技博客和微信公众账户上，授权发布雷锋(搜索“雷锋”公众账户)。
