数据分析师的工作职责和工作内容是什么
数据分析师的工作职责和工作内容是什么
互联网本身具有数字化和互动性的特征，这种属性特征给数据搜集、整理、研究带来了革命性的突破。以往“原子世界”中数据分
析师要花较高的成本(资金、资源和时间)获取支撑研究、分析的数据，数据的丰富性、全面性、连续性和及时性都比互联网时代差很多。
与传统的数据分析师相比，互联网时代的数据分析师面临的不是数据匮乏，而是数据过剩。因此，互联网时代的数据分析师必须学
会借助技术手段进行高效的数据处理。更为重要的是，互联网时代
的数据分析师要不断在数据研究的方法论方面进行创新和突破。
就行业而言，数据分析师的价值与此类似。就新闻出版行业而言，无论在任何时代，媒体运营者能否准确、详细和及时地了解受众状
况和变化趋势，都是媒体成败的关键。
此外，对于新闻出版等内容产业来说，更为关键的是，数据分析师可以发挥内容消费者数据分析的职能，这是支撑新闻出版机构改
善客户服务的关键职能。
什么人适合做数据分析师【1】到如何通过数据衡量产品(measure)
费曼说过一句话，如果我们不能创造某样东西，那么说明我们还没有搞清楚(WhatIcannotcreate,Idonotunderstand)。
对于数据分析师来说，如果我们不能用数据衡量某个产品，那么说明我们还没有搞清楚。
这个问题看似简单，其实很麻烦。
比如说Uber在初期，有多少司机(供给方)可能是一个很重要的
指标，而发展一段时间之后可能是交易量。
再比如，同样是共享经济，Uber看用户的app使用时长，可能
是个意义不大的行为；而对Airbnb来说，用户的app使用时长可能
是一个很重要的指标。
思考题：为什么?
对于同一产品，针对不同的场景需要要的指标可能又是不一样的。
再以Uber为例，假设司机的月活数量是一个很重要的指标，可
以看公司长期的发展。
但是这个指标却并可能并不能作为日常做A/B测试的指标，想想这又是为什么?
【2】到如何可以驱动产品的指标
当知乎说自己发展的好、拉风投的时候会说有多少日活(好像是
七千万?)。
对于投资人、创始人来说，都是一个很好的'衡量产品发展的数据。
但是如果想要把产品进一步提高，日活这个数据就并没有什么用了，因为这是结果，不是手段。
数据分析师的工作，就是要到这么一个或几个指标，是跟公司的长期目标发展相关的，同时又能通过驱动这些指标达到长期发展
的目的。
现在产品的目标有了，驱动产品的方向也有了，那么具体怎么驱动呢?
默认关注一些话题会有什么好处?又会有什么坏处?
是在用户刚注册就让他们关注好，还是使用了一段时间之后再关注好?
如果有一些用户一个话题都没有关注，怎么办?
等等。
【4】帮助产品做决策
做决策，可能很多人第一反应想到的是做A/B测试，这的确是一方面，而且也是很重要的一方面。
但有时候容易忽略的是如何帮助产品/工程师设立优先级。
在互联网行业，任何时候都有几十上百甚至上千个事情需要做的，比如说八阿哥多多的网页版和被吐槽多多的编辑器。
那么哪个是最重要的、最需要解决的?
哪些改变是有可能带来产品的改进的?
同时有十个新的产品特性可以加的，应该先做哪个?甚至哪些是
没有必要做的?
毕竟工程师这么贵，招人也不容易，所以很多时候需要做一些聪明的选择，比如救助于数据分析。
回到A/B测试，数据可以做的就更多了。
比较直接的，如果写pipeline抓取数据，做假设检验这些，更
重要的，回到了第一点和第二点，做A/B测试不会只有一个指标，
通常会有好几个。
如果有些升了有些聊了，怎么权衡?
比如说Airbnb订单量增加了，但是用户减少了，这是个好的方
向吗?
或者说Uber司机收入增加了，但是评价降低了，高峰期添价(SurgingPricing)出现得更频繁了，应该选哪个?
A/B测试本身技术方面不是最难的，难的是如何根据数据做决策。
【5】产品数据追踪
如果Amazon的网站挂了，对Amazon的收入会有很大的影响。
如果Amazon云挂了，那不只对收入有影响，还会影响大批客户。
所以需要有工程师二十四小时值班(oncall)。
类似的，如果发现知乎日活异常增加，或者降低，怎么出原因?怎么解决?
这些也都属于数据分析师工作的一部分。
要对产品做数据追踪，就离不开不同维度的数据，把它们做成报表，所以需要数据分析师，有时候也可能是dataengineer的工作。
【6】寻新的领域
在产品的不同发展时期，侧重点可能是很不一样的。
比如在产品发展的初期，可能是社区运营，到好的种子用户，打造一个良好的社区。
在产品发展的初期，可能是增加普通用户的数量，扩大用户基数。
如何确定产品在哪个时期?在不同的时期又如何出可以推进产
品的方法?
这些方法可能是从产品、用户体验的角度出发，比如说如果加个「想法」会怎么样?
也有可能是从工程师的角度出发，比如说页面载入时间过长等等。
也有可能是从数据的角度出发，比如说发现很大一批用户喜欢发长篇评论，但是却并不点赞，那么试试开发一个功能评论的同时也
分享到时间线?
【7】给团队设定目标
前面提到数据可以帮助团队决定做哪些方向，那么这些方向可以达到一个什么样的目标?
如果目标定得太高，最后团队没有完成，一次两次还好，如果总是这样，那么必然会打击团队士气。
如果目标定得太低，团队总是轻松完成，那么就起不到激励团队的作用了。
注意这里的设定目标并不是做了什么事情，投入了多少时间，而是最后对产品的指标有什么影响。
比如说Uber的交易量增加了多少，或者是知乎的日活增加了多少如此种种。
【8】长期投入
大部分时候的数据分析是基于当前的状态的，但是也需要考虑到用户、产品、环境等的变化。
所以很多时候也需要看以前的数据。
如果以前的数据没有了，那就就再也不回来了。
种一棵树最好的时间点是十年前，第二好的就是现在了。
所以把目标放长远点，三年之后五年之后十年之后，我们需要什么样的数据，现在就可以准备好的。
如果三五十年之后自己还在公司的话，那么一定会庆幸自己现在做好的铺垫工作。
如果已经离开公司，那么一定会有个人默默的谢谢你的。
如果公司处于一个高速发展状态，那么这两项职责的重要性不言而喻。
如何让新人快速有效的入手，如何高效率高精度的识别优质候选人，一方面可以让自己的影响力快速增长，另一方面也是公司增长的保障。
如果公司处于一个相对平台的状态，那么多少也还是会有新老交替，带新人和面试的能力也是必不可少的。
【10】提供数据支持
团队里合作方有时候会需要数据分析师提供帮助，比如说在解决oncall的问题的时候，工程师可能会需要数据分析师一些pattern;

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。