編輯導語：數據分析是一個通過對原始數據進行分析，從而挖掘有效信息的過程。隨着大數據時代的到來，各行各業都意識到了數據的重要性，因此數據分析師崗位也被越來越多的人所知曉。那麼，數據分析師的日常工作是什麼？數據分析師之間又有哪些共性和非共性呢？本文作者做出了回答。
有同學會説，得先定義清楚數據分析。是的，想定義清楚數據分析，不能看他叫什麼，而要看他做什麼。適用於任何職位。
總結有4個方向可能影響到日常工作內容，按影響程度排列：
- 所在的部門
- 歷史工作年限+入職時長
- 個人的技術棧
- 數據部門的規模
既然是一個特定職業，那麼無論在什麼部門，無論工作多久，一定是有一定的共性的。就像畫家總會拿起自己的畫筆，司機自然會有一輛車~
一、數據分析師有哪些共性？我們先簡單定義分析師為：對數據進行一定的處理，並輔助需求方決策。
1. 對數據進行處理對數據處理的工具有很多，但是基本都繞不開兩個核心 EXCEL + SQL。
2. 瞭解業務想要輔助決策，首先要了解對方幹什麼。如何瞭解業務？通過數據看業務的表現，和需求方溝通，參與需求方的會議，到需求方進行輪崗等。
這些內容可以用流程圖+文檔記錄，幫助自己理解業務流程及細節。
3. 可視化傳遞信息需要將信息有效的傳遞到需求方中，需要使用合理的方式將信息傳遞。可視化是常見的且有效的方式，這裏一般使用EXCEL就可以完成對大多數的需求，但是更建議掌握一個BI工具。
推薦使用商業化產品，例如tableau,power bi等。彙報時，可以使用PPT，但是要注意效率問題，畢竟製作一個邏輯合理，美觀的PPT還是很肝的。
4. 總結無論你在什麼部門，什麼行業，EXCEL + SQL + BI + 流程圖（瞭解業務）對於小白來講，快速掌握以上幾點，是進入工作角色有力的保障。
二、非共性的部分1. 所在部門影響的工作內容1）數據中台組
當項目有多條業務執行線時，且部門對全部業務線服務時，該數據部門就可以定義為中颱組。比如，同時為產品、市場與渠道、運營提供數據支撐。
這個時候更多的會在底層數據服務，除共性內容外：
- 瞭解數據庫存儲邏輯，字段含義，瞭解數據指標具體定義及產出邏輯；
- 承接各需求部門提數需求，部分可能會需要python等腳本語言來處理；
- 數據埋點文檔產出；
- 為業務方提供的數據產品的配置及培訓等。
2）運營部門
- 活動運營：會統計每一次活動的效果，及流程轉化率，產出每次的數據結案，及是否優化建議。主要會關注到成本情況，效益情況，各流程轉化率情況，用户在活動後表現。
- 用户運營：瞭解用户生命週期。產出用户畫像及用户分層規則，並執行精細化運營的邏輯策略，同時統計效果。有能力需進行頻繁的AB測試，沉澱測試結論。
- 其他運營：略
3）市場及渠道部門
統計投放及效益數據，核心為成本模型的搭建。並測試出各種渠道的效果，可以根據不同的目標，進行投放的調整。
2021年了，除了傳統的渠道方式，現在更有私域渠道，社交媒體渠道。可能會要求瞭解新型營銷內容，技術上可能會要求爬蟲技能。
4）產品部門
- 主要為產品功能的數值監測，新功能數據覆盤，用户路徑分析；
- 功能AB測試，提供分析結果及測試建議；
- 尋找用户留存和活躍的魔法數值，該部分和用户運營重疊。
5）戰略情報部門
- 市場研究及競品分析
- 企業成本模型，用户分析
- 使用PPT進行信息傳遞
- 可能會要求爬蟲技能【工具】
6）算法組
注：算法與數據分析是兩碼事，已經完全是另外一種工作。
2. 歷史工作年限+入職時長這個主要是決定在 一線工作內容 和 資源協調溝通的 上的時間分配問題，比如：
- 實習生：一線工作內容 100%，還不一定可以做的很好；
- 初級數據分析師：一線工作內容90%，資源協調溝通 10%；
- 高級數據分析師：一線工作內容50%，資源協調溝通 50%；
- 管理：一線工作內容20%，資源協調溝通 80%。
從高級分析師開始，大概率已經會有partner或者開始帶人了。
3. 個人的技術棧不會python會影響數據分析麼，在絕大部分是不會的。但是會python的時候，在一定程度上可以做更多的事情。
- 比如將自己的某些需求自動化；
- 比如自己爬蟲一些內容；
- 比如會R在統計分析上，可能也會有一定的優勢；
- 比如只會power bi 或者只會 tableau的人，工作方式也會有一點點的不同。
但是這裏也有一個巨大的陷阱：
- 自己給自己的陷阱：過於專注於某一個技術手段，忽略了數據分析核心的內容。技術手段長遠來看，基本上都會被工具所代替。
- 公司給自己的陷阱：比如公司會讓你爬數據，而不單獨招一個工程師。相當於身兼多職，在數據分析方向投入的精力就會相對較小。
數據部門的規模大小，決定了大家的分工情況，這個數據部門也包含數倉等崗位。企業的數倉建立完善，報表工具高效，BI工具完善，埋點數據健壯，運營系統數據支持完備。
那麼分析師在這些環節就不需要投入太多的精力，會更多的投入到業務方向上。否則，哪裏有缺失，數據分析師作為潤滑劑或樞紐，就會在哪個環節人肉頂上。
本文由 @冷凡 原創發佈於人人都是產品經理，未經許可，禁止轉載
題圖來自 Unsplash，基於 CC0 協議