【數據分析師到底是做什么的】數據分析師是負責收集、組織和分析行業數據,并通過專業方法挖掘商業價值的專業人員。數據分析師主要負責從大量數據中提取有用的信息,并通過分析這些信息幫助企業和組織做出更明智的決策。

數據分析的模型

KANO模型將用戶需求分為基本類型、期望類型、激發類型和未分化類型。基本需求是痛點,必須得到滿足。提供預期需求會提高滿意度,而不提供預期需求會降低滿意度。興奮型需求是超出預期的令人驚訝的功能。沒有差異化需求的用戶不會在意。如果業務提出8個功能,使用KANO模型讓業務人員填寫滿意度調查問卷,對基本類型(痛點功能)進行優先級排序,合理規劃產品功能的優先級。

數據分析的問題明確

這是最容易被忽視的一步,但實際上是最重要的一步。當你收到一個模糊的問題,比如一個產品經理說,"新用戶的數量最近有所下降。,很多人的*反應是打開數據庫查看數據,運行圖表。但事實上,這種"直接開始"的方法是效率*的。
你需要先問自己:哪個渠道的用戶在減少?有季節的影響嗎?用戶注冊后是否完成密鑰轉換路徑?
只有清楚地分解問題,我們才能知道應該查看哪些字段、檢查哪些表,以及通過哪些維度減少時間、用戶和事件,從而避免在無效信息上浪費時間。

數據分析的方法

一些常見的分析方法對應于這三種形式。例如:

杜邦分析法對應于全成分指標體系。它主要用于評估企業經營質量,分解財務指標,監控經營活動的結果。

UJM方法對應于基于流程的索引系統。主要用于梳理用戶行為路徑(尤其被互聯網企業廣泛使用),清晰了解用戶轉化方式。

RFM方法對應于一個并行的指標體系,主要用于對用戶的消費行為進行分類,區分高、中、低消費和需要喚醒的緊迫性。

數據分析的基本流程

1. 為什么分析?

首先,你要知道為什么要分析?弄清楚這個數據分析的目的。例如,什么類型的客戶總是延遲交付日期?你所有的分析都圍繞著回答這個"為什么"展開。避免不符合目標的重復返工。這個過程會很痛苦。

2. 分析的目標是誰?

有必要記住明確的分析因素。統計維度是供應商的數量、產品、行業競爭趨勢,還是供應商的規模等。避免將數量作為產品來計算。將產品計算為數量將導致非常不同的結果。

3. 你想達到什么效果?

通過對各維度產品類型、公司采購周期、采購條款的分析,找出真正的問題所在。例如,對于本分析中的薄弱環節供應商,無論是集中采購還是維持現狀都不符合利益*化原則。通過分析,找出了問題的真正根源,發現精細化的采購管理變得極為必要。

以上就是【數據分析師到底是做什么的】相關內容,更多資訊請關注深港在線考試考證欄目。