近些年,互聯(lián)網(wǎng)公司對數(shù)據(jù)分析師崗位的需求越來越多,這不是偶然。
過去十多年,中國互聯(lián)網(wǎng)行業(yè)靠著人口紅利和流量紅利野蠻生長;而隨著流量獲取成本不斷提高、運(yùn)營效率的不斷下降,這種粗放的經(jīng)營模式已經(jīng)不再可行。互聯(lián)網(wǎng)企業(yè)迫切需要通過數(shù)據(jù)分析來實(shí)現(xiàn)精細(xì)化運(yùn)營,降低成本、提高效率;而這對數(shù)據(jù)分析師也提出了更高的要求。本文將和大家分享數(shù)據(jù)分析師的演變、數(shù)據(jù)分析價(jià)值體系、數(shù)據(jù)分析師必備的四大能力、七大常用思路以及實(shí)戰(zhàn)分析案例。
數(shù)據(jù)分析師的前世今生
在介紹數(shù)據(jù)分析師之前,我們先來看一下這幾個(gè)歷史人物,看看他們都跟數(shù)據(jù)分析師有著怎樣的淵源?
歷史上大名鼎鼎的分析師
上面展示的六個(gè)歷史人物(從左往右,從上往下)分別是:張良、管仲、蕭何、孫斌、鬼谷子和諸葛亮。他們是歷史上大名鼎鼎的謀士,有的還做過丞相。他們博覽群書、眼光獨(dú)到,通過對大量史實(shí)進(jìn)行總結(jié)發(fā)現(xiàn)了很多規(guī)律,并且在實(shí)踐中成功預(yù)測了很多事件。他們通過 “歷史統(tǒng)計(jì)——總結(jié)分析——預(yù)測未來”的實(shí)踐為自己的組織創(chuàng)造了絕大的價(jià)值,而這就是“數(shù)據(jù)分析師”的前身。
那么現(xiàn)在,數(shù)據(jù)分析師需要哪些必備技能,如何成為一名優(yōu)秀的數(shù)據(jù)分析師呢?
數(shù)據(jù)分析師的價(jià)值金字塔
一個(gè)完整的企業(yè)數(shù)據(jù)分析體系涉及到多個(gè)環(huán)節(jié):采集、清理、轉(zhuǎn)化、存儲、可視化、分析決策等等。其中,不同環(huán)節(jié)工作內(nèi)容不一樣,消耗的時(shí)間和產(chǎn)生的價(jià)值也相差甚遠(yuǎn)。
數(shù)據(jù)分析師的價(jià)值金字塔
互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)分析體系中至少有三方面的數(shù)據(jù):用戶行為數(shù)據(jù)、交易訂單數(shù)據(jù)和CRM數(shù)據(jù)。工程師把不同來源的數(shù)據(jù)采集好,然后通過清理、轉(zhuǎn)化等環(huán)節(jié)統(tǒng)一到數(shù)據(jù)平臺上;再由專門的數(shù)據(jù)工程師從數(shù)據(jù)平臺上提出數(shù)據(jù)。這些工作占用了整個(gè)環(huán)節(jié)90%的時(shí)間,然而產(chǎn)生的價(jià)值卻只占10%。
這個(gè)金字塔再往上數(shù)據(jù)分析就和業(yè)務(wù)實(shí)際緊密結(jié)合,以報(bào)表、可視化等方式支持企業(yè)的業(yè)務(wù)決策,涵蓋產(chǎn)品、運(yùn)營、市場、銷售、客戶支持各個(gè)一線部門。這個(gè)部分占用了整個(gè)環(huán)節(jié)才10%的時(shí)間,但是卻能產(chǎn)生90%的價(jià)值。
一個(gè)優(yōu)秀的商務(wù)數(shù)據(jù)分析師應(yīng)該以價(jià)值為導(dǎo)向,緊密結(jié)合產(chǎn)品、運(yùn)營、銷售、客戶支持等實(shí)踐,支持各條業(yè)務(wù)線發(fā)現(xiàn)問題、解決問題并創(chuàng)造更多的價(jià)值。
數(shù)據(jù)分析師必備的四大能力
1.全局觀
某日,產(chǎn)品經(jīng)理跑過來問我:Hi, 能不能幫我看一下昨天產(chǎn)品新功能發(fā)送的數(shù)據(jù)?謝謝!條件反射我會說:好,我馬上給你!不過我還是禮貌性地問了一句:為什么需要這數(shù)據(jù)呢?產(chǎn)品經(jīng)理回復(fù)道:哦,昨天新功能上線了,我想看看效果。知道了產(chǎn)品經(jīng)理的目的,我就可以針對性地進(jìn)行數(shù)據(jù)提取和分析,分析的結(jié)果和建議也就更加具有可操作性。
很多時(shí)候,數(shù)據(jù)分析師不能就數(shù)說數(shù),陷入各種報(bào)表中不能自拔。一個(gè)優(yōu)秀的數(shù)據(jù)分析師應(yīng)該具有全局觀,碰到分析需求的時(shí)候退一步多問個(gè)為什么,更好地了解問題背景和分析目標(biāo)。
2.專業(yè)度
某企業(yè)的數(shù)據(jù)科學(xué)家針對用戶流失情形進(jìn)行建模預(yù)測,最終得到的用戶流失模型預(yù)測準(zhǔn)確率高達(dá)90%多。準(zhǔn)確率如此之高,讓商務(wù)分析師都不敢相信。經(jīng)過檢驗(yàn),發(fā)現(xiàn)數(shù)據(jù)科學(xué)家的模型中有一個(gè)自變量是 “用戶是否點(diǎn)擊取消按鈕” 。而點(diǎn)擊了“取消”按鈕是用戶流失的重要征兆,做過這個(gè)動作的用戶基本上都會流失,用這個(gè)自變量來預(yù)測流失沒有任何業(yè)務(wù)意義和可操作性。
數(shù)據(jù)分析師要在所在行業(yè)(例如電商、O2O、社交、媒體、SaaS、互金等等)展示她/他的專業(yè)度,熟悉自己行業(yè)的業(yè)務(wù)流程和數(shù)據(jù)背后的意義,避免上面的數(shù)據(jù)笑話。
3.想象力
商業(yè)環(huán)境的變化越來越快、越來越復(fù)雜,一組商業(yè)數(shù)據(jù)的背后涉及到的影響因素是常人難以想象的。數(shù)據(jù)分析師應(yīng)該在工作經(jīng)驗(yàn)的基礎(chǔ)上發(fā)揮想象力,大膽創(chuàng)新和假設(shè)。
根據(jù)硅谷公司的核心KPI(Facebook的4-2-2準(zhǔn)則,LinkedIn的connection規(guī)律),我們也想找到互聯(lián)網(wǎng)企業(yè)驅(qū)動增長最核心的KPI?;谖覀兊南胂罅?rdquo;無埋點(diǎn)”全量數(shù)據(jù)采集的優(yōu)勢, 我們創(chuàng)造了” GrowingIO留存魔法師” 。通過全量采集的數(shù)據(jù),智能自動的后端計(jì)算,以及簡單的使用交互,留存魔法師可以幫助企業(yè)迅速找到與其留存最相關(guān)的用戶行為,就像魔法師輕輕揮動魔法棒一樣簡單。例如某 SaaS產(chǎn)品 ,在一周內(nèi)創(chuàng)建過3個(gè)圖表的用戶(群)留存率非常高,那么”一周+3個(gè)+圖表”就是我們驅(qū)動用戶增長的魔法數(shù)字。
4.信任度
以銷售崗位為例,一個(gè)銷售人員首先要和用戶建立起信任;如果用戶不信任你的話,那他也很難信任或者購買你的產(chǎn)品。同理,數(shù)據(jù)分析師要和各部門同事建立良好的人際關(guān)系,形成一定的信任。各個(gè)部門的同事信任你了,他們才可能更容易接受你的分析結(jié)論和建議;否則事倍功半。
數(shù)據(jù)分析常見的七種思路
1.簡單趨勢
通過實(shí)時(shí)訪問趨勢了解產(chǎn)品使用情況,便于產(chǎn)品迅速迭代。訪問用戶量、訪問來源、訪問用戶行為三大指標(biāo)對于趨勢分析具有重要意義。
2.多維分解
數(shù)據(jù)分析師可以根據(jù)分析需要,從多維度對指標(biāo)進(jìn)行分解。例如瀏覽器類型、操作系統(tǒng)類型、訪問來源、廣告來源、地區(qū)、網(wǎng)站/手機(jī)應(yīng)用、設(shè)備品牌、APP版本等等維度。
3.轉(zhuǎn)化漏斗
按照已知的轉(zhuǎn)化路徑,借助漏斗模型分析總體和每一步的轉(zhuǎn)化情況。常見的轉(zhuǎn)化情境有注冊轉(zhuǎn)化分析、購買轉(zhuǎn)化分析等。
4.用戶分群
在精細(xì)化分析中,常常需要對有某個(gè)特定行為的用戶群組進(jìn)行分析和比對;數(shù)據(jù)分析師需要將多維度和多指標(biāo)作為分群條件,有針對性地優(yōu)化產(chǎn)品,提升用戶體驗(yàn)。
5.細(xì)查路徑
數(shù)據(jù)分析師可以觀察用戶的行為軌跡,探索用戶與產(chǎn)品的交互過程;進(jìn)而從中發(fā)現(xiàn)問題、激發(fā)靈感亦或驗(yàn)證假設(shè)。
6.留存分析
留存分析是探索用戶行為與回訪之間的關(guān)聯(lián)。一般我們講的留存率,是指“新增用戶”在一段時(shí)間內(nèi)“回訪網(wǎng)站/app”的比例。數(shù)據(jù)分析師通過分析不同用戶群組的留存差異、使用過不同功能用戶的留存差異來找到產(chǎn)品的增長點(diǎn)。
7.A/B 測試
測試就是同時(shí)進(jìn)行多個(gè)方案并行測試,但是每個(gè)方案僅有一個(gè)變量不同;然后以某種規(guī)則(例如用戶體驗(yàn)、數(shù)據(jù)指標(biāo)等)優(yōu)勝略汰選擇最優(yōu)的方案。數(shù)據(jù)分析師需要在這個(gè)過程中選擇合理的分組樣本、監(jiān)測數(shù)據(jù)指標(biāo)、事后數(shù)據(jù)分析和不同方案評估。
數(shù)據(jù)分析實(shí)戰(zhàn)案例
某社交平臺推出付費(fèi)高級功能,并且以EDM(Email Direct Marketing,電子郵件營銷)的形式向目標(biāo)用戶推送,用戶可以直接點(diǎn)擊郵件中的鏈接完成注冊。該渠道的注冊轉(zhuǎn)化率一直在10%-20%之間;但是8月下旬開始注冊轉(zhuǎn)化率急劇下降,甚至不到5%。
如果你是該公司的數(shù)據(jù)分析師,你會如何分析這個(gè)問題呢?換言之,哪些因素可能造成EDM轉(zhuǎn)化率驟降?
一個(gè)優(yōu)秀的數(shù)據(jù)分析師應(yīng)該具有全局觀和專業(yè)度,從業(yè)務(wù)實(shí)際出發(fā),綜合各個(gè)方面的可能性,因此,EDM注冊轉(zhuǎn)化率驟降的可能性羅列如下:
技術(shù)原因:ETL延遲或者故障,造成前端注冊數(shù)據(jù)缺失,注冊轉(zhuǎn)化率急劇下降;
外部因素:該時(shí)間節(jié)點(diǎn)是否有節(jié)假日,其他部門近期是否有向用戶發(fā)送推廣郵件,這些因素可能稀釋用戶的注意力;
內(nèi)部因素:郵件的文案、設(shè)計(jì)是否有改變;郵件的到達(dá)率、打開率、點(diǎn)擊率是否正常;郵件的注冊流是否順暢。
經(jīng)過逐一排查,數(shù)據(jù)分析師將原因鎖定在注冊流程上:產(chǎn)品經(jīng)理在注冊環(huán)節(jié)添加了綁定信用卡的內(nèi)容,導(dǎo)致用戶的注冊提交意愿大幅度下降,轉(zhuǎn)化率暴跌。
一個(gè)看似簡單的轉(zhuǎn)化率分析問題,它的背后是數(shù)據(jù)分析師各方面能力的體現(xiàn):首先是技術(shù)層面,對ETL(數(shù)據(jù)抽取-轉(zhuǎn)換-載入)的理解和認(rèn)識;其實(shí)是全局觀,對季節(jié)性、公司等層面的業(yè)務(wù)有清晰的了解;最后是專業(yè)度,對EDM業(yè)務(wù)的流程、設(shè)計(jì)等了如指掌。
練就數(shù)據(jù)分析的洪荒之力并非一朝一夕之功,而是在實(shí)踐中不斷成長和升華。一個(gè)優(yōu)秀的數(shù)據(jù)分析師應(yīng)該以價(jià)值為導(dǎo)向,放眼全局、立足業(yè)務(wù)、與人為善,用數(shù)據(jù)來驅(qū)動增長。