蓝盟IT小贴士，来喽！
|0x00数据分析要做什么
数据分析的定义如下：百度百科介绍说：“通过适当的统计分析方法分析收集到的大量数据，将它们汇总理解消化，从而使数据的功能最大化，发挥数据的作用。” 这句话的理解很困难，但简单地说，数据分析就是发现有用的信息，提供结论，帮助决策。
有句话叫做“数据在手，天下我有”，但是如何在数据中发现潜在的价值是分析师的重要工作。
数据分析大致有两个不同的方向。 一个偏向于业务分析，需要对业务有深刻的理解。 在此基础上，从数据中寻找业务增长的路径，如用户增长、网站分析、经营分析等；另一个偏向于数据挖掘，更注重技术特别是算法能力的应用，需要熟练应用常见算法在实际工作中，由于数据挖掘需要非常好的技术基础，所以大部分人都偏向于业务进行分析。
|0x01数据分析的工作内容
那么数据分析的童鞋，日常主要做什么呢？ 简单来说，就是业务的现状是什么，为什么会发生，将来会怎么样，或者如何改善，这三件事。
现状分析是指告诉商业决策者过去发生了什么，并通常作为报告呈现。 因此，分析师不仅需要日报和周报，还需要自己构建报告平台，通过分析重要指标来把握业务运营状况。
原因分析是根据业务现状，分析为什么会发生这些事情。 例如，指标上升或下降，原因是什么？ 或者是分析不同的路线对最终的转换有何贡献。 分析的过程通常以主题的形式表示。
分析是告诉业务将来会发生什么。 预测其实是一项很重要的工作，无论是企业经营目标的制定，还是相关策略的执行，都需要预测未来可能的情况，以保证业务的健康可持续发展。 例如，如果销售额因EC的到来而大幅增长，对应的预算、物流、商家如何应对，将依赖数据提供预测。
|0x02相关概念的解释
还是“数据分析”、“数据科学”、“数据驱动”、“商业智能”，这些概念有何不同？
首先，对“商业智能”进行说明。 英语是商务智能系统。 这就是常说的BI。 其主要价值在于通过一系列的数据技术，从数据中挖掘隐藏的客观规律，总结这些规律背后的原因，指导公司业务的发展。 BI分析师的工作往往是用SQL和Python等语言，将已经汇总的数据与数据模型和分析框架结合，对业务进行各种分析，使其成为有价值的报告和报告的形式，供业务方面进行分析说到“数据科学”，这个概念很广泛，通常意味着在跨学科领域中找到通过数据解决问题的方法。 数据科学的概念其实很模糊，是一个宽口径的概念，不同行业所做的事情可能完全不同。 在互联网行业，数据科学代表着首先通过搜索分析发现问题，然后通过数据建模解决问题。
那么，“数据驱动”怎么理解呢？ 数据驱动型是指以数据为生产资料，用科学的方法推进业务优化。 在互联网行业，数据驱动还可以分为数据驱动产品、数据驱动业务两个方向，如通过A/B测试寻找最佳推荐算法，或通过设计实验指导产品迭代更新的方向。
因此，在一家公司中，不同数据岗位的分工大致如下。 数据工程师负责数据平台的建设、数据仓库的建设，以确保数据正确计算、方便获取； 数据分析师根据数据说明和分析问题。 其中包括用于编写报告的商业智能，以及用于搜索数据模型的数据科学。 最终，“数据驱动”业务增长和产品迭代。
|0x03数据分析方法
数据分析所需的基础知识非常多，属于入门门槛较高的类型，但实际工作大致遵循以下步骤，细节可以有所不同。
明确分析目的-确定构想框架-准备数据-分析数据-展示数据-报告。
第一，明确分析的目的非常重要，如果目的不明确，分析的过程就会变得非常盲目。 在这里，分析师需要了解业务，并且有自己对业务的了解，如果没有相应的专业知识，通常分析的结果就没有特别大的价值。 那么，什么是了解业务？ 基本上，您需要了解企业的商业模式是什么样的，什么样的关系会产生商业价值。 2B方向的话，需要了解经营学的内容，数据如何辅助公司的经营管理。
二是确定思路框架，用什么指标、什么角度进行分析。 其实，业界有几个非常清晰的方法。 这保证了我们在迅速开展业务的同时，对《MECE原则》也就是一个重要议题，可以进行不重复、不遗漏的分类，从而有效地把握问题的核心，成为有效的解决方法。
一般的思路框架包括决策树管理分析法、PEST行业分析法、5W2H问题分析法、4P营销理论、SWOT竞争力分析模型……这里的方法论非常多，有些细分方向也有自己的配套理论。 例如，经常用于“用户成长”的AARRR漏斗理论、RFM理论等。 这里不一一展开。 虽然在网络上可以找到庞大的资源，但有需要注意的地方。 一个是掌握模型。 因为各模型是相应知识体系的总结，只能交给思维方式，不能交给应该避开哪个漏洞、在什么情况下不起作用等。
文/上海蓝盟 IT外包专家
中文
电话咨询
微信咨询
公众号
