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！