数据分析-思维分析逻辑day01

一、国企数据分析工作

招聘解析

根据招聘网站罗列的进行解读

常规工作

• 日报、周报、月报
• 临时数据:管理层需要、业务执行人员需要
• 常规工作技巧：机器人发日报、目标建立、寻找领导帮助

专题分析

• 需求解读
• 建立逻辑树
• sql提数及分析
• 撰写报告

软技能及面试技巧

• 软技能：吹水力、展示力、时间管理力、预判力
• 面试技巧：正装微笑、多看书、框架性、大心脏

二、BAT企业数据分析工作

主要有：数据异常排查、融入专项背KPI、还有很多如埋点、指标体系等。

数据异常排查

• 背景：数据异常需要有一套标准化流程去做。
• 前期准备：业务理解、指标口径、当前数据产出过程。
• 方法论：判断是否异常、最大概率法则归类（假期效应、热点事件、活动影响、政策影响、底层系统故障、统计口径）、闭环（持续跟踪后期数据是否再次异常、记录沉淀文档化、邮件化）。

专题分析

1、特点：

• 有目标：紧贴项目KPI
• 有节奏：2-3周输出一份完整报告
• 所有报告都说人话、做人事

2、例子

新用户存留整体分析，寻找优化切人点，不断重复前两阶段、同时进行竞品分析、营销活动分析、用户流失分析等等。

• 渠道侧：渠道uv，一级渠道次留、7留，二级渠道次留、7留
• 产品侧：功能渗漏率、关键漏斗数据
• 用户侧：用户基础画像、用户行为分布

面试

1、准备

• 简历数据熟悉、说话条例逻辑性、自信、带专题报告
• 准备一些技术、了解宏观知识、多使用app
• 一个代表性项目要考虑的非常全面

2、三个必问的问题

流量波动问题、三个常用的app、商业模式（之前产品的cpc\cpm）

3、三个必问的问题解答

• 流量波动模型：常识判断（节假日）、竞品数据、外部事件（社会负面新闻）、产品变化（发布新版本、功能有缺陷）、用户行为（订单地域分布）、数据问题（数据采集）
• 三个常用app：说应聘相关的，产品亮点和吐槽点，产品经理如何解决槽点，如何评估这样做能够带来指标的提升：先小流量AB测试、再慢慢放量、若效果不错就全量；对AB测试的理解。
• 商业模式：举例一款工具类产品，说说如何商业化的？；目前产品的主要商业化收入来自哪里，各自的cpm大概多少？；当前产品商业化提升的痛点是什么，之前做过哪些优化方案，效果如何？

三、中小型企业数据分析工作—斜杠青年

工作内容

• 横向：埋点、口径、指标体系、报表统计、数据清洗、平台研发、专题报告、数据培训
• 纵向：对接产品、运营、市场、财务、销售

转型分析

1、规划好自己，再评估和准备

数据分析师这个职位未来有三条线：

• 业务线：适合对事物感到好奇并深入研究、思维发散并且能收敛的同学，喜欢展示自我，逻辑思维较强
• 研发线：适合写代码的同学，喜欢安静独处，计算机功底好，天生的程序员基因
• 算法线：适合做研究的同学，数学功底好，很多时候要看各种国外论文

2、评估自己

业务线的考量标准有：

• 产品理解力：各种数据熟悉度、用户从哪里来、进来后做了什么、用户反馈最多的问题是什么，竞品数据怎么样
• 分析方法论：常用分析方法有哪些、ab测试、最大概率分析法则、28定理、幸存者偏差理解怎么样
• 可视化能力：ppt功底、专题报告逻辑性、金字塔原理、审美怎么样
• 演讲能力：表达能力、将故事能力、形象化能力、大心脏能力
• 协作能力：跟产品、业务、研发沟通时的软技能，如何再团队中定义好自己的位置并让其他人很舒服
• 逻辑思维：分析推导过程的全面性、合理性、价值型
• 技术：excel常见操作、sql能不能闭着眼睛写、r能不能搭建模型并知道有哪些坑，python是否能很好的用上。

3、优化自己

评估后补短板：

• 产品理解：先从当前业务的产品为切入点，先熟悉最核心数据，再了解功能渗透率和关键路径；再以这些数据为切入点，去思考当前产品有哪些问题，并以产品沟通如何优化。同时要去看竞品数据和行业数据，最重要的深入了解而不是略懂
  略懂：通过搜集网上数据，知道dau、mau、核心功能，整个行业规模
• 深入了解：对整个行业，各个不同阶段的领头羊是谁，他们依靠什么成为领头羊，又因为什么出现增长瓶颈，当前各自的打法侧重什么，对我们自身的app有什么借鉴，后续我们要看监控哪些数据，只有这一步才是你自己的洞见
• 方法论：能快速从一个较全面、逻辑性的角度去分析，而不是单点无构架性分析，所有方法论都是通过不断提炼、总结、实践得出的，这是评估一个分析师的重要标准。（指标体系方法论、流量分析方法论、路径方法论、产品分析方法论、营销活动分析方法论、用户流失分析方法论）

4、寻找对象并实践

• 挑选3家一般公司—面试训练
• 挑选2家规模较大、知名度较高的公司—保底要进（简历单独修改，重视）
• 挑选2家业内知名公司—尝试

四、数据分析工具介绍

• 1、数据分析整体流程：明确问题、搭建框架、数据提取、数据处理、数据分析、数据展现、撰写报告、报告演讲、报告闭环
• 2、工具说明：mysql、hive、execl、R、python
• 3、execl对比分析（筛选和色阶功能）、时间序列拆解分析（透视图功能）、相关性分析（常用函数功能）、临界点分析（插入图表复杂功能）
• 4、如何训练sql：一旦表关联较多、内部逻辑稍微复杂，就怀疑自己的代码准确性。Sql常见问题：max函数处理字符串类型、日期处理、先聚合再计数、一列变多行、取TOP、避免数据倾斜（小标在左大表在右，使用mapjion，同时对空值进行过滤）
• 5、R语言机器学习：分析诸多因素对留存的影响重要性，可以用随机森林、逻辑回归、决策树来实现
• 6、python相比R的其他价值：爬虫、文本挖掘、自定义函数、对研发同学：个性化推荐、底层运维、web开发，还有强大的第三方库

五、总结：

• 国企数据分析：打磨好综合技能
• BAT的数据分析：方法论研究
• 中小企业数据分析：如何准备去转型
• 数据分析工具：常见的工具操作、关键还是提升业务