全部回答 已有 3人回答

• 

  13*******28 2023-05-02
  首先他要了解業(yè)務近期的發(fā)展方向和目標，與業(yè)務就下一步的分析方向進行討論。他要將上次會議中確定的分析結果告知業(yè)務部門，并跟進數據分析結果，還得不定期將行業(yè)數據分析報告與業(yè)務進行分享。
  
  比如，答主之前曾經在職場社交網絡公司領英做過數據分析的工作，當時的任務是負責領英給會員發(fā)送郵件的數據分析，我們每天會搜集系統(tǒng)給會員發(fā)送的郵件有哪些類型，發(fā)送頻率如何，每天發(fā)送時間，還要搜集會員看到郵件之后的反應，有沒有點擊鏈接，有沒有登錄網站，以及這之后的每日用戶量是否顯著上漲，這些指標都是我們每天要看的內容。
  
  對于數據提取，是為下一步業(yè)務數據分析來做準備，一般而言有專門的數據庫工程師來幫忙準備，如果自己不太忙時會自己做，這樣比較快。
  
  接下來，也是最重要的，就是分析數據。按照職業(yè)性質的不同，主要分為技術型分析和業(yè)務型分析。技術型分析一般是通過編程實現，主流的數據分析編程語言是 Python, R, scala 等，比如在亞馬遜公司，數據分析師要寫 scala 語言來分析每天不同品牌體育用品的交易量，以此來給品牌打分，告訴用戶什么品牌最受歡迎。
• 

  13*******37 2023-05-02
  本文描述的是互聯(lián)網行業(yè)數據分析師的日常工作：
  
  一、指標波動排查
  
  今天的日活為什么降了，用戶使用時長突然漲了 10%等等，這些比較重要的指標，如果出現較大的波動，都需要去排查原因，給出合理的解釋。
  
  具體分析的方法就是拆分維度，比如分操作系統(tǒng)、分渠道、分新老用戶、分版本等維度去看某個指標的波動，大部分情況下都能找出問題。當然分析時一定要剔除節(jié)假日的影響，同比一下往年的歷史數據，沒準也能發(fā)現一些平常注意不到的點。
  
  
  
  二、做各種報表
  
  日常的核心指標，以及產品、運營要監(jiān)控的一些數據，都需要做成 BI 報表。
  
  不同的公司做報表的方式不同，有些可能直接購買了做報表的軟件，如 Tableau、Power BI 等，還有些可能是公司內部開發(fā)的報表平臺。怎么做報表并不重要，重要的是一定要做報表，不然老板上哪看數據呢？
  
  
  
  三、寫分析報告
  
  運營搞了一個促活的活動，想對活動的效果做個復盤，需要找數據分析師出個報告。
  
  產品改版了，某個大功能做了 AB 測試，出個報告對比一下效果唄，好的話就全量了。
  
  這些都是配合需求方需要出的報告，數據分析師自己寫可以做一些探索性的分析，比如研究一下用戶留存的影響因素，流失用戶的特征分析等等，最后出個報告，整理總結一下自己的勞動成果。
• 

  13*******32 2023-05-02
  瀉藥，看來我要跟其他幾位的答案區(qū)別很大了。
  
  我本人一直在互聯(lián)網行業(yè)，但是工作履歷上其實線上線下都做過，目前所在的公司規(guī)模比較大。大公司對分析師所帶來的好處是很多的，最大的好處是在數據基礎建設方面會做得很好，定時郵件報表、dashboard什么的也不用太費心思，內部都有現成數據工具；數據量也足以證明分析結論；也因為組織架構的原因，所以不需要接常規(guī)需求，精力非常集中，基本產出都是專項分析，而這部分才是分析師的精華所在。
  
  日常工作的話，學習是一部分，對你沒看錯，學習也是工作的一部分，但我指的不是分析工具如R、python的學習，這種只算是入門門檻。我所說的是學習內部文檔、其他部門做過的事情、現有的執(zhí)行規(guī)劃、已經沉淀下來的相關業(yè)務的方法論，這些都對之后日常工作的幫助較大。
  
  第二個是探索性分析，就算公司規(guī)模很大了，也不代表有些東西就都被徹底分析完畢了，真要認真看的話，有些東西做的也不是盡善盡美。探索性分析多半會出現在專項分析中，因此會有試錯成本，只有在分析后，才能準確地告訴別人，這個項目哪里比較好入手，哪里最好就別考慮了，有些東西雖然沒有成果，但可以沉淀為方法論。這中間還會與同事腦暴，探討分析思路，共同摸索。