資料分析師的思考
網上看到一篇文章,寫的是對資料分析的思考,覺得不錯,借用過來,轉載自:http://blog.sina.com.cn/s/blog_61d5bb730101112v.html
在一家較為有名社交遊戲公司做了一年零五個月的資料分析師,從一個畢業生做到BI主管,然後離職,從大公司跑到目前的小公司組建自己的資料團隊,這個過程多多少少會有自己對資料的一些感悟……可是,要寫起來還真的是一件頭疼的事情。
遊戲資料整理和分析是一項非常繁瑣而枯燥的工作, 急性子是很難處理好這樣的工作的,但這貌似又是一個資料分析師不得不做的事情。資料分析師畢竟不像資料研發的同事,技術是最重要的,而我覺得資料分析師面向的直接是業務層和決策層,從繁瑣中得到予以別人幫助的東西,而這個東西就是怎樣使利益最大化。當自己當了BI的主管之後,更能深切感受到這些繁瑣工作所佔資料分析師的大量時間,而如何使自己這些時間減少到最小(報表?),如何讓資料分析師感覺到自己在做有價值的分析,如何讓資料分析師有所提升,也是不得不考慮的問題,貌似偏題了,貌似這樣講似乎也很廣泛……具體的以後再慢慢細說,呵呵
尤記當時作為主管給BI組的思考以及定位,現在再看看,感覺很稚嫩。
BI工作深入思考:
一、性質:利用資料探勘將產品中現有的資料轉化為知識,幫助產品做出明智改進決策。
二、價值:用準確的資料結果來支援決策。
三、定位:BI要做的事情是在資料的基礎上,讓資料產生價值。
四、目標:發現問題、分析問題、提供建議、預測產品(深入資料分析並運用於業務)
五、方式:必須讓任何一個BI組同事慢慢接觸公司的實際業務。目前初步做法是:第一、在本組瞭解情況;第二、深入專案組一段時間;第三、加入深度資料分析團隊來。
六、原則:必須是一個核心的、獨立的BI隊伍。橫向瞭解的重要性:資料彼此之間有關係,真正的資料驅動需要把點狀的資料連成線或者面,不只是看一個專案組的資料就可以分析出來答案的,需要用多重資料來看。當然,這僅是最基礎的資料分析,真正上升到用資料做決策的話,更需要全盤瞭解使用者屬性&行為資料。
BI發展階段:
階段一:BI團隊在發展初期,其他部門讓跑什麼資料就跑什麼資料,你去幫我看一下為什麼今天的買家突然增長了?但是如果BI團隊只是停留在這個水平,那麼它只是一個跑資料的機器,而不是一個驅動公司發展的“參謀”了。【目前我們處於這個階段,BI要進步,所以要不斷縮短這一部分佔用的時間】
階段二: BI團隊主動思考,會問出一些如果這樣做會有那樣的可能嗎?會給出研究課題,深入分析,解決問題,提出改進優化建議。【深入資料分析初期階段】
階段三:真正的深入產品的資料分析,集組內人員之智慧,做到真正用於提升產品業務的資料支援【終極目標】
每一個BI人都應該善於問的問題:Is it possible
在一家較為有名社交遊戲公司做了一年零五個月的資料分析師,從一個畢業生做到BI主管,然後離職,從大公司跑到目前的小公司組建自己的資料團隊,這個過程多多少少會有自己對資料的一些感悟……可是,要寫起來還真的是一件頭疼的事情。
遊戲資料整理和分析是一項非常繁瑣而枯燥的工作, 急性子是很難處理好這樣的工作的,但這貌似又是一個資料分析師不得不做的事情。資料分析師畢竟不像資料研發的同事,技術是最重要的,而我覺得資料分析師面向的直接是業務層和決策層,從繁瑣中得到予以別人幫助的東西,而這個東西就是怎樣使利益最大化。當自己當了BI的主管之後,更能深切感受到這些繁瑣工作所佔資料分析師的大量時間,而如何使自己這些時間減少到最小(報表?),如何讓資料分析師感覺到自己在做有價值的分析,如何讓資料分析師有所提升,也是不得不考慮的問題,貌似偏題了,貌似這樣講似乎也很廣泛……具體的以後再慢慢細說,呵呵
尤記當時作為主管給BI組的思考以及定位,現在再看看,感覺很稚嫩。
BI工作深入思考:
一、性質:利用資料探勘將產品中現有的資料轉化為知識,幫助產品做出明智改進決策。
二、價值:用準確的資料結果來支援決策。
三、定位:BI要做的事情是在資料的基礎上,讓資料產生價值。
四、目標:發現問題、分析問題、提供建議、預測產品(深入資料分析並運用於業務)
五、方式:必須讓任何一個BI組同事慢慢接觸公司的實際業務。目前初步做法是:第一、在本組瞭解情況;第二、深入專案組一段時間;第三、加入深度資料分析團隊來。
六、原則:必須是一個核心的、獨立的BI隊伍。橫向瞭解的重要性:資料彼此之間有關係,真正的資料驅動需要把點狀的資料連成線或者面,不只是看一個專案組的資料就可以分析出來答案的,需要用多重資料來看。當然,這僅是最基礎的資料分析,真正上升到用資料做決策的話,更需要全盤瞭解使用者屬性&行為資料。
BI發展階段:
階段一:BI團隊在發展初期,其他部門讓跑什麼資料就跑什麼資料,你去幫我看一下為什麼今天的買家突然增長了?但是如果BI團隊只是停留在這個水平,那麼它只是一個跑資料的機器,而不是一個驅動公司發展的“參謀”了。【目前我們處於這個階段,BI要進步,所以要不斷縮短這一部分佔用的時間】
階段二: BI團隊主動思考,會問出一些如果這樣做會有那樣的可能嗎?會給出研究課題,深入分析,解決問題,提出改進優化建議。【深入資料分析初期階段】
階段三:真正的深入產品的資料分析,集組內人員之智慧,做到真正用於提升產品業務的資料支援【終極目標】
每一個BI人都應該善於問的問題:Is it possible
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/30316686/viewspace-2063539/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 如何像資料分析師一樣思考?
- 資料分析師都要具備以終為始的思考邏輯
- 大資料分析師,比資料分析師厲害在哪大資料
- 資料分析師招聘分析2.0
- 網易資料分析高階總監:10年資料分析老司機的深度思考
- 資料架構師、資料分析師、資料工程師,有啥不同,哪個工資高?架構工程師
- 資料分析師如何應對資料庫取數後的離線分析資料庫
- 資料分析師到底是幹啥的?
- 一文了解資料分析師與商業分析師的區別(二)
- 一文了解資料分析師與商業分析師的區別(一)
- 如何快速成為資料分析師?
- 2018 資料分析師成長指南
- 資料分析師之SQL入門SQL
- 快收藏!資料分析師不能不知道的三種資料分析方法
- 資料分析師如何寫一篇“有用”的分析報告
- 影響資料分析師薪資水平的因素有哪些?
- 資料分析師必須知道的知識:資料倉儲的特點
- 一張圖:資料分析師的完整資料視覺化指南圖視覺化
- 資料分析師:因為稀缺,所以高薪高薪
- 資料分析師必備技能都有哪些?
- 優秀的資料分析師是這樣煉成的
- 分析工程師 – 資料團隊中的新角色 - KDnuggets工程師
- 漫談對大資料的思考大資料
- 資料分析師與資料科學家有什麼不同? - Reddit資料科學
- 資料分析師、資料科學家、大資料專家三個職位的區別資料科學大資料
- 深度分析| 資料防洩露技術再次“翻紅”的思考與建議
- 資料分析師之如何學好Python(四)Python
- QuickBI助你成為分析師-資料建模(一)UI
- AB test | 資料分析師面試必知 !面試
- 7000字長文 | 資料分析師能力模型模型
- 從事Python資料分析師,必須掌握的Python工具!Python
- Python 資料分析實戰 | 網際網路寒冬下,資料分析師還吃香嗎?Python
- CDA資料分析師 - SQL資料庫基礎 查詢&連線SQL資料庫
- 重新思考資料輸入
- 關於資料視覺化的思考視覺化
- Reddit網友談資料分析師和資料科學家的職業區別資料科學
- 工程師筆記:我對資料庫系統雲原生化的一些思考工程師筆記資料庫
- 你還敢說不會做資料分析?做程式設計師必須掌握的資料分析思維!程式設計師
- 商業資料分析師——IT和商業之間的紐帶