一名优秀的分析师是怎样炼成的?
一、数据分析师的前世今生
1 :历史上大名鼎鼎的 “ 分析师 ”
“ 历史统计 —— 总结分析 —— 预测未来 ” 的实践为自己的组织创造了绝大的价值,而这就是 “ 数据分析师 ” 的前身。
二、数据分析师的价值金字塔
图 2 :数据分析师的价值金字塔
用户行为数据、交易订单数据和 CRM 数据。工程师把不同来源的数据采集好,然后通过清理、转化等环节统一到数据平台上;再由专门的数据工程师从数据平台上提出数据。这些工作占用了整个环节 90% 的时间,然而产生的价值却只占 10% 。
10% 的时间,但是却能产生 90% 的价值。
三、数据分析师必备的四大能力
图 3 :数据分析师必备的 4 大能力
(一)全局观
产品经理跑过来问我: Hi, 能不能帮我看一下昨天产品新功能发送的数据?谢谢!条件反射我会说:好,我马上给你!不过我还是礼貌性地问了一句:为什么需要这数据呢?产品经理回复道:哦,昨天新功能上线了,我想看看效果。知道了产品经理的目的,我就可以针对性地进行数据提取和分析,分析的结果和建议也就更加具有可操作性。
(二)专业度
90% 多。准确率如此之高,让商务分析师都不敢相信。经过检验,发现数据科学家的模型中有一个自变量是 “ 用户是否点击取消按钮 ” 。而点击了 “ 取消 ” 按钮是用户流失的重要征兆,做过这个动作的用户基本上都会流失,用这个自变量来预测流失没有任何业务意义和可操作性。
(电商 、 o2o 、社交、媒体、 SaaS 、互金等等)展示她 / 他的专业度,熟悉自己行业的业务流程和数据背后的意义,避免上面的数据笑话。
(三)想象力
KPI ( Facebook 的 4-2-2 准则, LinkedIn 的 connection 规律),我们也想找到互联网企业驱动增长最核心的 KPI 。基于我们的想象力和“无埋点 ” 全量数据采集的优势, 我们创造了“ GrowingIO 留存魔法师” 。通过全量采集的数据,智能自动的后端计算,以及简单的使用交互,留存魔法师可以帮助企业迅速找到与其留存最相关的用户行为,就像魔法师轻轻挥动魔法棒一样简单。例如某 SaaS 产品 ,在一周内创建过 3个图表的用户 ( 群 ) 留存率非常高,那么 ” 一周 +3 个 + 图表 ” 就是我们驱动用户增长的魔法数字。
(四)信任度
四、数据分析常见的七种思路
(一)简单趋势
图 4 :通过【实时分析】监测分钟级流量走势
图 5 :通过【概览】分析每周趋势
(二)多维分解
/ 手机应用、设备品牌、 APP 版本等等维度。
图 6 :通过【单图】分析访问用户的多维度属性
(三)转化漏斗
7 借助漏斗模型分析总体和每一步的转化情况。常见的转化情境有注册转化分析、购买转化分析等。
图 7 :通过【漏斗分析】展示注册每一步的流失
(四)用户分群
图 8 :利用【用户分群】定位用户
(五)细查路径
图 9 :通过【用户细查】分析用户的行为规律
(六)留存分析
/app” 的比例。 数据分析师通过分析不同用户群组的留存差异、使用过不同功能用户的留存差异来找到产品的增长点。
图 10 :通过【留存分析】发现 “ 创建图表 ” 用户留存度高
(七) A/B 测试
五、数据分析实战案例
EDM ( Email Direct Marketing ,电子邮件营销)的形式向目标用户推送,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%-20% 之间;但是8 月下旬开始注册转化率急剧下降,甚至不到 5% 。
图 11 : EDM 注册转化率急剧下降
EDM 转化率骤降?
EDM 注册转化率骤降的可能性罗列如下:
ETL 延迟或者故障,造成前端注册数据缺失,注册转化率急剧下降;
ETL (数据抽取-转换-载入)的理解和认识;其实是全局观,对季节性、公司等层面的业务有清晰的了解;最后是专业度,对 EDM 业务的流程、设计等了如指掌。
本文作者:陈明, GrowingIO联合创始人 & 运营副总裁。陈明毕业于斯坦福大学,先后就职于 eBay 、 LinkedIn 数据分析部门,有丰富的商务分析经验。本文首发于 GrowingIO 博客和公众号,授权转载
2016-12-1 16:25
关键字:产品经理, 大数据, 数据
版权声明
本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符,请点击 举报 进行投诉反馈!