写给刚入门的数据分析师的几点建议

机器学习 1639 Views

1.数据是有立场的,立场决定解读

2.数据质量永远是数据分析立项后首先要考虑的

3.缺乏落地的数据没价值,除非是市场分析

  • 4.数据解读能力和业务应用能力永远大于工具应用能力,不要迷信算法和模型

    5.业务需求是数据分析的起点,但之前你需要培养业务的数据意识

    很多时候我们希望等待我们的业务自己上门提需求,并且以需求为数据分析的起点,似乎很多教材也是这么说的,基于业务需求的数据分析目的更明确,分析结论和效果落地也会阻力更小,但实际情况是业务通常是数据不敏感的,主要表现在:

    业务没有数据决策的意识。大多数业务的第一行动引导因素还是业务经验,无论是基于事实的经验还是拍脑袋决策,数据绝对不是行动前必须参考的因素;

    业务不知道数据在哪些方面能帮到他。业务很多时候只是有个想法,想让数据证明点什么,但说不清楚。通常业务的措辞是“我们想知道这次活动的效果怎么样”、“我们想了解广告效果为什么不好”。至于具体效果指的是什么业务自己也说不清楚,甚至是业务自己也不知道到底想要什么。

    业务不相信数据。如果数据结果出来时和业务设想的不同,那业务的第一反应是怀疑数据,无论是数据的出处、分析过程还是结论,业务总想找到能证明自己观点对的东西。所以我们会感觉,业务用数据的目的只是为了证明自己当初设想的正确性。

    作为数据分析师,我们不能要求业务必须要懂数据、理解数据,但是我们需要把数据能解决什么问题,怎么解决的,解决之后会给业务带来哪些改进以及效果上的优化,如果能预测出一个具体数值或最起码有一个范围,业务会更加相信数据的真实性、准确性。如果培养业务的数据意识?

    数据意识是一个不断积累的过程,需要每周至少2~3次专项沟通,每次沟通至少持续半个小时,大概半年之后业务会形成一定的数据意识,最起码意识到在某些时候,数据会解决一些问题;

    每次沟通时,明确告诉业务数据能给他们带来哪些好处,能实现什么,在哪些主要业务点上能发挥作用,这样业务会认为数据会是一个能帮到自己的东西;

    数据不只是在业务执行之后才会发生作用的,在业务执行前的预测与计划,在业务执行过程中及时预警与恶意数据监控都是数据能发挥作用的场合,并且这些都能在“坏数据”、“坏结果”出来之前通过数据区去改善,这些将比结果出来后再去分析要更有意义。

    作为数据分析师,需要不断提高自身能力。能力包括业务理解能力和数据分析能力,既能把业务“粗糙的要求”转换成数据需求,又能将数据结果转化成业务可理解、可执行、有时间限制、能验证结果的数据输出。

    我相信数据是一门艺术,良好的数据能力可以处处在业务中展现能力,并且确实可以提高业务价值,这是数据存在根本,也是数据分析师立足的根本。

    限于篇幅,暂时只能抛砖引玉,待与大家讨论。期待大家的沟通。

  • 如未说明则本站原创,转载请注明出处:NULL » 写给刚入门的数据分析师的几点建议