學完68個Python函式,為啥還做不好資料分析?

趙鈺瑩發表於2018-06-08

  資料分析老鳥都知道,相比於自己作出好的資料分析報告,“教別人如何入門資料分析”這事情簡單多了。什麼for迴圈,def函式,print輸出,自變數a賦值,字串和數字轉換,相關分析,迴歸分析,方差分析,聚類分析,判別分析,決策樹分析等。函式太多,方法太多,套路太多,技巧太多……可現實是,大多數人聽了無數道理依舊庸碌一生,學完68個Python常見函式卻依舊做不好資料分析。

學完68個Python函式,為啥還做不好資料分析?

  這很正常,因為我們依舊太年輕,資料分析並沒有那麼簡單。

  本文不屬於具體的資料分析技巧,而是如何積累資料分析經驗、提升自己邏輯思維能力的建議,希望你能盡情釋放自己對資料分析的激情。

  做一個資料分析精分人

  好的資料分析師,會從市場需求的角度進行分析。所有的資料分析都是有市場目標的,而你要學會從資料的維度對目標做拆分,用資料落地目標。

  作為一個月薪6000的資料分析師,如何為百萬甚至千萬的專案提供資料分析方向指導?

  專案投入產出需要如何調整?推廣費用如何分配?市場走向如何預測?

學完68個Python函式,為啥還做不好資料分析?

  C君認為,關鍵點在於“學會用市場檢驗你所做的資料分析”

  1、用資料拆分目標

  想做好資料分析,第一點就要明確目標,用資料的方式理解你正在做的業務,需要面臨的問題。進而用資料拆分目標,對目標進行細分,確定資料處理問題的優先順序。

學完68個Python函式,為啥還做不好資料分析?

  注:本案例資料純屬舉例,不具備參考價值

  以2018年CDA課程銷售業績為例,假設2018年CDA課程銷售的業績為1000萬,那麼作為資料分析師,就要學會細分2018年的業績指標,細分到一個季度250萬的業績指標,每個專案承擔多少的銷售指標,然後再繼續拆分到每門課程(例如CDA等級班、CDA脫產就業班、CDA週末班、CDA大資料就業班、CDA區塊鏈學院等),每門課程需要承擔多少的銷售指標。

  2、用資料論證觀點

  分解完目標,就要去一步步落地,然後自己在整理資料過程中,逐步形成自己對資料的認知,從中獲得點狀的啟發。而在收集資料和整理資料的過程中,最主要的是要形成認知,透過認知對比資訊,或者透過建模和資料探勘來論證所需變數和自己的業務之間的關係。

學完68個Python函式,為啥還做不好資料分析?

  當你再執行2018年度的計劃之前,首先要整合2017年甚至2016年的資料,從這兩年的資料中提取資訊,形成自己對2018年規劃和推廣的認知,並找到各個渠道推廣成本和收益關係,找到自己對2018年規劃中如何進一步最佳化專案的推廣渠道和減少推廣成本,決定CDA資料分析師2018年課程推廣的重點方向指導。

  3、用資料提出建議

  基於之前的認知分析和建模論證等,你已經形成了自己資料分析的結論,還需要你根據具體的業務方向,專案具體情況,將結論抽象成和業務協定的建議。

  透過2017年和2016年的收益與成本比,整理推論出的結果表明,CDA資料分析課程在推廣的成本較高,收益能達到最優。

  4、用資料表達觀點

  前面講了全部都是理論層面的東西,最後呈現給老闆的必然是資料分析報表。這時候展現出了資料分析師的表達能力,如何深入淺出的講述自己的報表,是自己資料分析是否落地的核心。

  此處C君藉助別人家的報表進行簡單分析給大家提供一個簡單的模板,供大家參考。

  首先,你需要根據活動目標確定你的目標達成率,完成百分比,提升百分比。

  評定某次活動的成果,首先要註明目標情況,如:

  CDA資料分析師公眾號目標 10W+粉絲,1月粉絲1W,完成率90%,同比提升20%等

  其次,你需要有充足的資料支撐,核心的資料走勢圖(一般適用於月報)

學完68個Python函式,為啥還做不好資料分析?

  在這張圖裡,要對每個資料的拐點做分析,比如圖中1月17日的資料之間增長有明顯提升,你需要分析這個波動形成的原因,你需要找到並寫在報告裡。

  再次,接下來進行粉絲分析,粉絲來源如何分佈,不同渠道的流量轉化率情況

  粉絲量漲了,但是為什麼粉絲會漲?要找到是哪個渠道帶來的粉絲,為什麼漲了?接觸公眾號的人都知道,公眾號粉絲的來源分為公眾號搜尋、掃描二維碼、圖文頁右上角選單、圖文頁內公眾號名稱、名片分享、支付後關注、其他等幾種來源方式,你要做的是將幾個渠道進行分析,較好能製作出餅圖,更好的展現出各個渠道粉絲佔比。

學完68個Python函式,為啥還做不好資料分析?

  注:圖為CDA資料分析師一天粉絲資料,不具備實際參考性

  由上圖可以明線看到該天公眾號的粉絲來源中公眾號搜尋與圖文頁內公眾號名稱為主要來源,兩個的佔比都接近35%,則意味著我們有必要修改渠道的投入比例,最佳化粉絲增長。

  最後,改進及最佳化

  根據上面簡單的資料分析,大致瞭解了粉絲增長的一些規律和技巧,為以後的粉絲增長進行了經驗的積累,不斷的沉澱更新升級,走上資料分析的升級打怪之路。

  切忌盲目迷信資料

  最後,要明確一點,資料不是萬能的。

  第一點,在資料量不充足的情況下,資料只能作為參考,不能真正的適用於正常市場業務的判斷,通常這點適用於初創公司;第二點,切忌深挖資料分析單一指標,而應權衡各個指標合理分析,否則耗時耗力,事半功倍得不償失。

  最後,祝你成為一個對資料瞭若指掌的網際網路人。

來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/31077337/viewspace-2155817/,如需轉載,請註明出處,否則將追究法律責任。

相關文章