主页 > X生活禅 >资料分析师做成了提数工程师,该如何破局? >

资料分析师做成了提数工程师,该如何破局?

2020-05-28

资料分析师做成了提数工程师,该如何破局?
最近收到了不少资料分析朋友的吐槽和抱怨:
Title 是资料分析,结果天天做着提数的工作,没有技术含量
分析结论都是营运和产品向老闆彙报,没自己什幺事
别人家的大数据分析都是各种演算法和模型,为什幺到了自己就是提数和提数
上面这些情形不管是在大公司还是小公司都是很常遇见的,如果你经常处于类似的工作状态下,那幺一定时间后,你将失去两项核心竞争力:技术深度和业务深度。
本文聊一下三个内容:
为什幺资料分析会变成提数工程师
资料分析该如何改变提数工程师的命运,充分发挥资料分析的作用
聊一下其它岗位的类似情况
一、为什幺成了提数工程师?
为什幺做资料分析会变成提数工程师?我们来看一下资料分析的大致工作流程:
问题提出>资料获取>资料处理>资料分析与建模>资料结论输出。
由于现在大部分互联网公司的产品和营运相对更靠近业务,因此这两个角色更容易发现和提出问题,如果资料分析师的主动性比较弱,那就会变成了如下这样的工作分工:
(产品或营运)问题提出
(资料分析)资料获取
(资料分析)资料处理
(资料分析)资料分析与建模
(产品或营)资料结论输出
也就是说,问题提出 这个重要的环节不属于资料分析师负责,按照上面的模型运行的时间一长,资料分析基本就变成了説明产品或营运验证想法的工具。
因此我们可以得到第一个原因:问题提出权不在资料分析师,资料分析只能去实现产品和营运的想法!
如果问题不是由资料分析师提出,再加上资料分析师的主动性差一些,那就会变成这种情况:产品或营运提一个需求,分析师就按需求实现一下,不需要思考太多,按需求做就好。这样的结果是,很多分析问题都会很简单,因为产品和营运并不太了解资料分析师能提供的能力。
我们得到第二个原因:产品和营运可能会提出相对简单的问题,资料分析机械去执行即可,不需要过多的技术深度。
在上述两种原因的影响下,资料分析也会逐渐失去主动性,最终沦为提数工具。
二、如何优雅地进行资料分析工作
前面抛出了问题和可能的原因,那幺我们该如何去改进呢?毕竟没有谁愿意只做个机械的提数工具的。总的来讲,主观能动性是解决问题的最重要的因素。细分来讲,可以从下面几个角度来改变:
积极主动地发现和提出问题,如果产品或营运已经抛出了问题,那就去深入详细的了解问题的背景
提供更多的分析思路和自己的见解,説明产品和营运同学打开思路,让对方知道资料分析可以提供的能力
持续跟进分析结论的效果和回馈,不断改进和优化
优化资料分析的流程,加入资料分析师可以更多参与的环节
举个栗子
上面说的太虚,我们举个例子来说明:
需求:
假设营运同学提出了这样一个资料分析需求:最近我们网站的DAU降低了,麻烦你提个资料,看一下近30天我们各个模组的DAU是什幺样子的。
解决方案一:
假设我只是想简单地完成这个需求,那幺很简单,我只需要做这三件事即可:2. 资料获取;3. 资料处理;4. 资料分析与建模。到这个场景里面,可能就是从资料里面捞一下我们网站资料里面各个模组的DAU情况,提供给营运就行了,不需要多複杂的处理,甚至如果有现成的报表,简单汇出来一个excel即可。
那幺当营运拿到资料后,就可以看出哪一个模组的DAU降低,简单看一下原因后写在报告里面即可。
解决方案二:
我们当然不希望是上面这种解决方案这幺低的参与感。那幺,该如何做呢?
首先,我们可以改进我们的分析流程:
问题提出:透过监控或者主观的资料敏感度,提前来发现相应的资料问题,比如DAU下降,是可以透过监控平台来提前发现DAU的下降
确定分析目标和产品诉求:需求中只是要看各模组的DAU趋势,但营运同学更想要的是找到为什幺整体DAU会下降,找到原因并优化该问题。我们需要和营运童鞋沟通并get相应的点
收集假设:营运同学提出要看各模组的DAU,这只是营运提出的一种猜测,让我们提相应的资料去验证该猜测。我们既然知道了营运童鞋的诉求,在盲目地直接捞资料之前,可以提出一些假设,比如说:是不是某种流览器的相容出现了问题,是不是某种类型的用户对我们的网站感兴趣度降低了,是不是某个模组出现了问题等等。
设计指标:有了假设,我们就可以根据相应的假设设计一些统计指标或者相应的分析方法,比如看不同用户画像的使用者近期的访问情况、不同流览器使用者的访问情况、不同模组的访问情况。
设计验证方法和建模:有了假设,有了指标,我们就可以设计相应的方案来验证我们的假设是否正确,这时就可以用到相应统计学和机器学习的方法,当然用户画像也是很重要的一环。
确定分析结论和营运策略:最终,根据前面的步骤,我们再提供相应的分析结论给到营运侧,此时,我们提供的就不是简单的一个资料,而是一整套的资料分析报告。
效果验证和改进:一定要关注资料分析的效果,比如你的报告中提出了DAU降低是由于18-25岁年龄的用户大量流失,相应的营运策略是增加年轻化的内容,那你就要关注该策略上线前后的资料变化,资料是否按照你们假像的方向来发展,如果不符合预期就要相应的做调整。
如此,这才是相对优雅的资料分析流程。
在改进分析流程之外,我们可以提供更多的自助分析工具,比如BI软体工具。让产品和营运能够更多地自助验证自己的想法,将资料分析师的工作从提数中解脱。这一块,我之前写过不少用BI工具来做分析的方案,就不再展开细讲。
三、思考
其实,除了资料分析师之外,资料仓库和资料开发同学都会面临类似的困境,在很多分工不明确的公司中,这种提数需求是可以落在任意的资料同学身上,不同的是各个角色解决该问题的角度是不同的。简单来讲:
资料分析师:更多地要去深入到业务的需求中去,説明产品、营运或者老闆思考,透过更多的思考来帮助需求方设计更好的分析思路
数仓工程师:数仓同学的侧重点更多地在资料模型的设计,设计出更灵活的资料模型来支持多样性的分析提取需求
资料开发工程师:开发同学呢,则可以更多地侧重于工具的建设,比如OLAP系统的建设,自助分析工具的建设等等。
总结
总结一下本文的内容:本文透过【资料分析师做成了提数工程师,该如何改变这种现状?】 这一个问题,引出了造成这种现象的两大原因:
问题提出权不在资料分析师,资料分析只能去实现产品和营运的想法!
产品和营运可能会提出相对简单的问题,资料分析机械去执行即可,不需要过多的技术深度。
针对这两个原因,我们提出了两个解决方法:
改进分析流程
提供更多的自助分析工具
免费试用FineReport10.0>
获得帆软最新动态:数据分析,报表实例,专业的人都在这里!加入FineReport脸书粉丝团!
相关文章:
数据分析师需要掌握哪方面的电脑技能?——从基础到进阶
如何做好数据分析师的职业规划?

喜欢这篇文章吗?欢迎分享按讚,给予我们支持和鼓励!


上一篇: 下一篇:

相关推荐