DAY1 -> 数据分析都做什么
个人介绍：22年毕业从事数分工作，校招最高拿到55w总包offer(BAT SSP)。工作后经历2段大厂工作，跳过槽，拿过最高绩效，工作之余总结个人经验，为求职朋友们了解数分的工作内容、实际应用和价值体现。
不定期随缘更新，喜欢的朋友望关注、收藏！！！
-----------------------------------------------------------------------------------------------
1.数据分析的工作拆解
广泛来讲，数分的工作分为理解需求->取数->可视化->分析->拿收益
- 理解需求：明白自己要做什么
- 取数：通过sql把数据从数据库取出来
- 可视化：将数据加工成人类好懂的形式，如表格、图形
- 分析：经过思考和分析，得出结论并同步给合作方（老板、产品经理、算法、开发）
- 拿收益：合作方通过“结论”落实xx行为，给公司xx指标带来xx的涨幅
因此对数分而言，“结论”是数分的产出，取数、可视化、分析只是得出“结论”的过程。但许多人在学习数据分析时往往本末倒置，只学取数(sql)和可视化(excel\powerbi\tablue)，却忽略了分析和拿收益的过程。
数据分析师 | 包子师傅 | |
理解需求 | 明白自己要做什么 | 想清楚要做菜包、肉包还是豆沙包 |
取数 | 把数据从数据可取出来 | 把面粉、馅料从冰箱里拿出来 |
可视化 | 把数据做成表格、图形 | 把面粉和馅料做成包子的形状 |
分析 | 经过思考和分析得出结论，并同步给合作方 | 把包子呈现给客户 |
拿收益 | 合作方通过“结论”落实xx行为 | 客户买走了包子 |
2.数分的需求有哪些
- 先给几个常见的需求给大家感受下
1 | 我们想在产品页面上线一个新的样式，但不知道收益有多大，能帮忙评估下吗 |
2 | 我们想选一波商品推荐给用户，但不知道怎么选商品，能帮忙定义下吗 |
3 | 我们打算搞一个xxx活动，需要有一些数据观察活动情况，能帮忙设计下吗 |
4 | 最近收入跌得好惨，能看看是为什么吗 |
5 | 想上线一个功能，能不能帮忙设计下实验策略，科学衡量功能的效果 |
- 基于上述案例，我们发现合作方往往会提供给数分1个命题，而分析师基于命题得出“结论”，只要将需求分类，就能大致得到数分的工作职责。一般我们会将需求分为5大类，基本可以包含99%+的数分工作场景
分类 | 目标 | 案例 | 结论 |
1.收益评估 | 判断xxx想法是否有收益空间，从而决定要不要做 | 我们想在产品页面上线一个新的样式，但不知道收益有多大，能帮忙评估下吗 | 做 Or 不做 |
2.策略设计 | 判断一个xx策略具体如何制定 | 我们想选一波的商品首页推荐给用户，但不知道怎么选商品，能帮忙定义下吗 | 如何做 |
3.指标体系（配合做看板） | 设计指标观察xx项目进展 | 我们打算搞一个xxx活动，需要有一些数据观察活动情况，能帮忙设计下吗 | 做的怎么样 |
4.异动归因 | 分析为什么xx指标变化的原因 | 最近收入跌得好惨，能看看是为什么吗 | 为什么做的不好 |
5.AB实验 | 设计实验方案，判断xx策略是否置信正向，能否上线 | 想上线一个功能，能不能帮忙设计下实验策略，科学衡量功能的效果 | 怎么判断做的怎么样 |
3.数分要掌握哪些技能
- 许多新手往往被“培训机构”忽悠，花了大量时间学习技术（机器学习、sql、爬虫），到求职就被嘲讽不懂业务。也有许多小白，觉得业务最重要，但一问业务啥也说不清楚，试时遇到代码、机器学习、AB实验直接歇菜
- 因此，“只追求技术”和“只追求业务”都是数分的2种极端，真正的数分应当业务技术2手抓，在业务场景中利用技术能力挖掘数据价值。
技术 | 逻辑 | |
理解需求 | 业务理解 | 懂业务逻辑才能听明白需求和背景 |
取数 | sql、python | sql为主，要准确&高效的从数据库中取出想要的数字 |
可视化 | excel、powerbi、tableau | 画图软件，以表格、趋势图、柱状图、箱线图等为主 |
分析 | 业务理解、机器学习、统计学、AB实验、因果推断 | 根据场景决定合适的分析方法 |
拿收益 | AB实验 | 决策是否置信正向，能否推全上线 |
- 以求职为目标，作为小白需要掌握的全部内容包括sql、业务理解、统计学、机器学习、AB实验、因果推断其中：sql+业务是找到工作的基础，统计学、机器学习、因果推断是加分项当然随着求职难度的不断提升，加分项也慢慢会变成标配
- 给这些能力排个序
- 未入门（找工作中）：sql和业务是找到工作的必要条件，而其他能力学充分但不必要
- 刚入门（2-3年）：统计学、机器学习、AB实验、因果推断是个人的壁垒和竞争力。请不要怀疑现在的数据分析师绝大部分都是sql boy+girl，真正深入掌握的同学将会成为组里的香饽饽。（即便是只会写sql的老板也期望组里能出一些高深的统计学应用对外装逼）
- 资深（3-5年）：随着工作经验的增加，业务能力越发重要，只有真正了解业务，才能明白如何在业务中发挥数据价值，将个人有限的精力花在有收益的事情上。对绝大部分普通人而言，业务决定上限（大佬除外）
- 再往后就不知道了，没做到那个位置。
1. 背景：校招同学缺少实战经验，面对面试高频出现的业务问题缺乏认知回答不到重点。在异动归因、指标体系等高频题中只会死记硬背，常常被评价没有个人思考，想提高又无从下手 2. 内容：重点讲解大厂中数据分析的实际工作和应用，帮助同学感受分析价值。同时内容中包含大量业务逻辑、业务讲解、业务分析思维，帮助同学带入实战视角看待数据分析 【99为虚数，代表尽自己所能多更新】
