数据分析师日常都分析哪些数据?

发布网友 发布时间：2022-04-19 09:57

我来回答

共5个回答

热心网友 时间：2022-05-27 11:16

数据分析有：分类分析，矩阵分析，漏斗分析，相关分析，逻辑树分析，趋势分析，行为轨迹分析，等等。 我用HR的工作来举例，说明上面这些分析要怎么做，才能得出洞见。

01） 分类分析
比如分成不同部门、不同岗位层级、不同年龄段，来分析人才流失率。比如发现某个部门流失率特别高，那么就可以去分析。

02） 矩阵分析
比如公司有价值观和能力的考核，那么可以把考核结果做出矩阵图，能力强价值匹配的员工、能力强价值不匹配的员工、能力弱价值匹配的员工、能力弱价值不匹配的员工各占多少比例，从而发现公司的人才健康度。

03） 漏斗分析
比如记录招聘数据，投递简历、通过初筛、通过一面、通过二面、通过终面、接下Offer、成功入职、通过试用期，这就是一个完整的招聘漏斗，从数据中，可以看到哪个环节还可以优化。

04） 相关分析
比如公司各个分店的人才流失率差异较大，那么可以把各个分店的员工流失率，跟分店的一些特性（地理位置、薪酬水平、福利水平、员工年龄、管理人员年龄等）要素进行相关性分析，找到最能够挽留员工的关键因素。

05） 逻辑树分析
比如近期发现员工的满意度有所降低，那么就进行拆解，满意度跟薪酬、福利、职业发展、工作氛围有关，然后薪酬分为基本薪资和奖金，这样层层拆解，找出满意度各个影响因素里面的变化因素，从而得出洞见。

06） 趋势分析
比如人才流失率过去12个月的变化趋势。

07）行为轨迹分析
比如跟踪一个销售人员的行为轨迹，从入职、到开始产生业绩、到业绩快速增长、到疲惫期、到逐渐稳定。

通过面向企业业务场景提供一站式大数据分析解决方案，能够为企业在增收益、降成本、提效率、控成本等四个角度带来价值贡献。

1、增收益

最直观的应用，即利用数据分析实现数字化精准营销。通过深度分析用户购买行为、消费习惯等，刻画用户画像，将数据分析结果转化为可操作执行的客户管理策略，以最佳的方式触及更多的客户，以实现销售收入的增长。

下图为推广收支测算分析，为广告投放提供决策依据。

下图为渠道销量分析，为渠道支持提供数据支撑。

2、降成本

例如通过数据分析实现对财务和人力的管理，从而控制各项成本、费用的支出，实现降低成本的作用。

下图为生产成本分析，了解成本构成情况。

下图为期间费用预实对比分析，把控费用情况。

3、提效率

每个企业都会出具相关报表，利用数据分析工具，不懂技术的业务人员也能够通过简单的拖拉拽实现敏捷自助分析，无需业务人员提需求、IT人员做报表，大大提高报表的及时性，提高了报表的使用效率。

通过数据分析工具，能够在PC端展示，也支持移动看板，随时随地透视经营，提高决策效率。

4、控风险

预算是否超支？债务是否逾期？是否缺货了、断货了？客户的回款率怎么样？设备的运行是否正常？哪种产品是否需要加速生产以实现产销平衡？...其实，几乎每个企业都会遇到各种各样的风险问题。通过数据分析，能够帮助企业进行实时监测，对偏离了预算的部分、对偏离了正常范围的数值能够进行主动预警，降低企业风险。

下图为税负率指标，当综合税负率过高，可以实现提示和预警。

下图为重要指标预警，重点监控项目的毛利率。

热心网友 时间：2022-05-27 11:16

1.分析竞争对手

企业想要迅速发展，是一定要了解自己竞争对手的。比如说我们是一家电商公司，那么我们一定要了解竞争对手这个月的主营产品、销售额、折扣优惠等等。这样才有利于我们做好调整，更好的去安排。

2.推广渠道效果监测

当你为企业做广告投放的时候，你是不是需要提前对这些推广渠道的数据进行监测。比如说账号的活跃度、曝光量，只有把这些东西计算好了，你才能预估出这个广告可以为我们带来多首收益。

这个反馈完全可以给以后继续做营销做决定，按效果去调整哪些渠道继续投放广告，哪些渠道砍预算，哪些渠道不投放了。

是一个非常复杂和耗时的过程。这涉及到很多高技术知识。这些公司提供的是一套处理数据摄取、清理、建模和显示的工具。有些人什么都做，有些人只做一部分，这取决于他们想要探索的细分市场。

3.产品的用户群体

当我们一款新的产品上线时，首先要知道店铺里的哪些用户可以首批付费使用，这个和我们的日常监测以及标签有关。平台就可以发信息推送给这类用户，就可以分析出我们的产品用户是否满意，数据分析准不准确了，那里是需要调整的。

关于数据分析师日常都分析哪些数据，青藤小编就和您分享到这里了。如果您对大数据工程有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于数据分析师、大数据工程师的技巧及素材等内容，可以点击本站的其他文章进行学习。

热心网友 时间：2022-05-27 11:17

热心网友 时间：2022-05-27 11:18

数据分析本来是一份枯燥的工作，它需要你有较好的逻辑分析能力，熟练的业务能力，敏锐的行业洞察力，最终才能做到用数据驱动商业化决策。

数据分析岗位经常被称为数据运营，我认为这是除了PM和客服之外又一个接触用户的岗位。好的数据运营甚至可以成为一名优秀的产品经理、公司管理层：不仅对用户行为做到心中有“数”，对于活动及效果监控也能做到面面俱到；甚至可以预测到行业发展趋势，对公司重大决策给出决定性建议。

关于产品数据运营日常数据分析工作，我认为可以从一下几个角度着手：

用户肖像分析：

用户画像分析是获取产品目标用户的主要方法之一，也是日常数据分析工作的一部分。通过性别、年龄、收入、地域等信息为用户打标签，如果能通过账户体系将用户其他行为（如访问行为、付费行为）打通，那么将形成完善的用户画像数据库，对精准化营销起到决定性作用（用户画像做的最好的应该就是京东、淘宝等电商网站了，甚至于它可以预测到你未来的某一段时间里可能需要某样商品，从而通过电邮、短信、微信等方式推送针对性商品促销信息）。

获取到用户肖像有很多种方法，这里着重写一些常用的，大家可以根据自家产品定位及内部资源自行选择最适合的：

方法1

可以在产品中嵌入用户基本资料的相关功能，通过任务引导及适当的奖励制度鼓励用户完善个人信息。我还见过一些产品的部分高级功能是通过完善个人信息后开启的，这种方法也不错。需要注意的是，一定不要让用户花费太多的时间去完善资料，同时也不要涉及过多用户隐私，避免用户反感进而造成流失；

方法2

利用一些第三方监控平台：如友盟、Google Analytics（GA）、或者百度指数等等；这些平台对于基础的用户画像都有统计和分析（当然受制于cookies影响，当用户清空或者拒绝读取cookies时会对数据产生些许偏差，需要数据采集后进行清洗）利用这些平台的好处是可以和广告投放数据相打通，也可以获取到行业竞品的数据发展趋势。

方法3

定期倾听用户的声音，比如调查问卷，回访等方式，用抽样的方法预测整体用户画像水平，同时因为问题设置的灵活性，也可以获取到很多关于同行业竞品的信息。

流量监控：

流量监控是需要从产品诞生之日起就要着手去做的一件事，因为它不仅涉及到产品迭代的方向发展，同时也可以用数据告诉我们哪些功能好用，哪些功能不好用需要优化，甚至哪些功能是没用的需要舍弃。对于活动运营而言，流量监控也是活动效果总结最重要的参考依据之一。

无论是内部技术团队自行埋点还是利用第三方工具进行数据监控（这里我想多说一句，选择自己研发还是利用第三方工具进行监控统计，一定要根据产品实际需求以及团队资源来考量。大公司资源较多，经常会选择自行研发，因为涉及到数据安全及精准性；小产品可以考虑选择市面较好的第三方工具进行数据埋点），一定要趁早做，而且要尽可能做的精细。

对于网站而言，完整的网站地图就是必不可少的功能之一，每个页面都需要放置正确的监控代码，用以监控到用户访问（PV / UV）、跳出（bounce rate）、页面停留时间、页面访问深度（即访问多少个页面）、访问渠道来源（从哪个网站来的，以什么方式来的）、留存率（次日流量、3日留存、7日留存、14日留存、28日留存）等。关键流程一定要部署正确，如注册流程（涉及到新用户）、购买流程（涉及到转化）等等，这时候转化漏斗就是帮助我们做页面分析的重要工具。通过漏斗看到各个关键页面的流量进入与转化，用户离开比例，如果一个漏斗的某一个流程数据发生异常，就需要着重看一下是否是产品功能上出现问题。如果使用GA等监控工具，可以做到广告投放与用户访问行为数据互通，利用归因模型分析出射手渠道和助攻渠道，不仅可以做到广告优化提升转化率，还可以发现新的合作渠道甚至于新的用户集中群体。

对于App而言，DAU、MAU、Interactions、访问深度等等就是我们需要着重观察的数据，相比较网站监控来说，app的数据监控更适合从账户体系着手，每个用户就是独立的个体，用户独立的访问行为；同时与国能与画像数据打通，就可以拿到不同类型的用户对于产品访问行为、产品功能需求的重要依据。

收入（转化）监控：

收入监控是衡量产品商业化水平的重要依据，产品的目标形态是实现商业化，所以不同类型的产品都要要求有持续的可变现能力，否则会逐渐被市场竞争所淘汰。

日常监控的数据有收入流水、盈利、盈利率（同比、环比）、补贴、补贴率、用户首次付费、再次付费数、留存率等等。这类数据一般来讲都是直接写入后台数据库的，也就是说产品内部员工才可以查看，同时可能会被分配不同的查看权限。一些公司也需要产品数据运营人员有一定的SQL能力，可以读懂数据库代码，能写或者能描述清楚需求让技术帮你写。

以上是简单介绍了产品数据运营日常的监控工作及我自己在工作中的一些思考。数据分析工作本身需要员工对于行业的熟知，同时在工作中不断积累经验，利用好一些资源将数据进行整合分析，单纯的只看某一项或者某一方面获取到的信息肯定是片面的。

能够在数据中发现问题，形成产品优化的有效建议，再到最后的商业化产品的指导意见，数据产品运营的工作还有很多很多。

如果想知道数据分析师更多相关的信息可以先去CDA认证中心看一下。现在CDA已进行500多期线上线下数据分析及大数据培训课程，培养学员10万+人次；已在全国70+城市举办15届CDA数据分析师认证考试，报考考生数万人。

热心网友 时间：2022-05-27 11:18

需要借助一些大数据平台，比如百度指数网页链接