前言:
數據分析師對技術有要求,需要掌握匹配于企業的工具來滿足日常分析需要,但技術不是全部,業務理解的重要性會在數據分析師的功能日益深入后愈發體現出來。針對工具類應用技術的原則是:不拘泥于技術,但掌握必備技能。
精通項:Excel,SQL,統計學基礎
加分項:Hive常見命令,Python、R等
業務儲備行動原則:首先要確定行業意向,然后學習細分行業業務知識(1~2個)
什么是業務?
-- 把產品以合理的方式通過渠道賣給消費者以賺取利潤。
什么是業務需求?
-- 即業務方提出的需求;在實際業務中過程中,常常需要依據數據進行決策與監督,此時就會產生數據相關的業務需求。
業務知識包括:1、利潤;2、組織架構;3、產品;4、渠道;5、運營;6、用戶
據此,針對特定行業和企業,需要了解:
1、行業的業務模式,收支模式
靠搜靠問,利用搜索引擎、觀察經驗、業內好友,多了解相關資訊。
2、企業的組織架構
了解你在企業中會打交道的部門、不同角色的KPI目標、關注點,相應可能需要哪些數據(靠搜靠問,通用的)。
3、體驗和使用產品
了解產品賣點和用戶;同時了解競品;了解產品運營推廣活動,搜索目標產品都采用了哪些玩法,心中有數。了解產品優化有哪些指標,數據是如何指導產品優化的。
產品設計過程的數據需求?前:宏觀數據;中:定位問題,指建立標體系,埋點設計;后:監測情況,產品迭代
產品迭代需要哪些數據?1、用戶量;2、客群結構(可能由此影響產品模塊/功能設計);3、功能點使用情況
添加功能點需要考慮哪些問題?1、要不要加;2、加了會影響多少人;3、怎么加;4、加了之后的結果如何
4、了解銷售
了解常見業績/拉新相關指標;了解銷售方式、銷售流程/特點;觀察銷售行為。
渠道包括:線上渠道、線下渠道
渠道目標包括:拉新、銷售
渠道指標包括:業績、客單價、成交量、訂單數、新增客戶、渠道成本等,相較于線上指標,線下指標更不可控,不可靠
5、運營知識
可系統學習一下運營知識,如果時間不足則定向了解常見運營方式,了解每種方式下關注的指標。
運營職責分類:內容運營,提升業績,服務用戶
運營成果指標:內容:到達率、響應度;業績:短期業績、長期業績、成本、ROI(回報率);用戶:用戶量、使用率、滿意度
6、熟悉用戶
行業內可收集的用戶數據,了解不同維度用戶分層方法,不同維度的用戶標簽。
用戶畫像/分層的角度包括?1、用戶價值,如RFM模型;2、用戶生命周期,如AARRR模型;3、活躍度;4、業務相關特征
用戶價值包括?1、存在價值;2、帶來消費;3、轉介紹/高影響力,帶來流量和新客戶
RFM模型:最近一次消費(recency)消費頻率(frequency)消費金額(monetary)
AARRR模型:獲客(acquisition)激活(activation)留存(retention)變現(revenue)推薦(refer)
參考書籍:
《精益數據分析》、《增長黑客》、《網站分析實戰》