資料分析師的日常工作是什麼？

有同學會說，得先定義清楚資料分析。是的，想定義清楚資料分析，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：

1. 所在的部門
2. 歷史工作年限+入職時長
3. 個人的技術棧
4. 資料部門的規模

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、資料分析師有哪些共性？

我們先簡單定義分析師為：對資料進行一定的處理，並輔助需求方決策。

1. 對資料進行處理

對資料處理的工具有很多，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？透過資料看業務的表現，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+文件記錄，幫助自己理解業務流程及細節。

3. 視覺化傳遞資訊

需要將資訊有效的傳遞到需求方中，需要使用合理的方式將資訊傳遞。視覺化是常見的且有效的方式，這裡一般使用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）資料中臺組

當專案有多條業務執行線時，且部門對全部業務線服務時，該資料部門就可以定義為中颱組。比如，同時為產品、市場與渠道、運營提供資料支撐。

這個時候更多的會在底層資料服務，除共性內容外：

1. 瞭解資料庫儲存邏輯，欄位含義，瞭解資料指標具體定義及產出邏輯；
2. 承接各需求部門提數需求，部分可能會需要python等指令碼語言來處理；
3. 資料埋點文件產出；
4. 為業務方提供的資料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，產出每次的資料結案，及是否最佳化建議。主要會關注到成本情況，效益情況，各流程轉化率情況，使用者在活動後表現。
• 使用者運營：瞭解使用者生命週期。產出使用者畫像及使用者分層規則，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

統計投放及效益資料，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

1. 主要為產品功能的數值監測，新功能資料覆盤，使用者路徑分析；
2. 功能AB測試，提供分析結果及測試建議；
3. 尋找使用者留存和活躍的魔法數值，該部分和使用者運營重疊。

5）戰略情報部門

1. 市場研究及競品分析
2. 企業成本模型，使用者分析
3. 使用PPT進行資訊傳遞
4. 可能會要求爬蟲技能【工具】

6）演算法組

注：演算法與資料分析是兩碼事，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；
• 初級資料分析師：一線工作內容90%，資源協調溝通 10%；
• 高階資料分析師：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%。

從高階分析師開始，大機率已經會有partner或者開始帶人了。

3. 個人的技術棧

不會python會影響資料分析麼，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。

但是這裡也有一個巨大的陷阱：

1. 自己給自己的陷阱：過於專注於某一個技術手段，忽略了資料分析核心的內容。技術手段長遠來看，基本上都會被工具所代替。
2. 公司給自己的陷阱：比如公司會讓你爬資料，而不單獨招一個工程師。相當於身兼多職，在資料分析方向投入的精力就會相對較小。

4. 資料部門的規模

資料部門的規模大小，決定了大家的分工情況，這個資料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，埋點資料健壯，運營系統資料支援完備。

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，哪裡有缺失，資料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 原創釋出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