标签：分析 干什么 万能 分析师 销量 基线 KPI1 数据

“我距离改变世界只差一个程序员！”

“给我一个数据分析师我将(带领业务)无往不利！”

--somebody

某些技术工种有时就会被给予过高的期待，身在其中感受更多的是责任，但有时不得不为此发声。这不是在有意manage somebody's expectation，但今天想聊聊数据分析师如何体现价值。

数据分析不是万能的，从数学角度来讲，数据分析只是一种让人理性思考和决策的工具和方法。而商业经营并不是纯靠理性的博弈就能赢的。

虽说数据分析不是万能的，但企业仍需要大量具备"上帝视角"的分析人员给公司运营者提供有价值与意义的分析报告。分析报告是分析师的唯一产出，从中充分体现分析师的能力与价值。那么如何让我的分析报告更有价值和意义呢？

1. 明确目标

在明确目标前，你还要搞清楚此次分析要解决的问题，分析目标往往建立在解决特定问题的基础上。当然，对上做高质量的汇报也常常是一个棘手的问题。但无论问题需求如何复杂，总会回到这四个目的一个或者多个上。它们相辅相成，依次递进。

• 了解现状

• 探寻原因

• 寻找基线

• 提出建议方案

了解现状是用数据判断业务状况

• 使用某些指标对比基线得出结论 

• 这里指标怎么选？基线怎么定？决定了分析结果的合理性

探寻原因也叫归因分析，是对业务向好/向坏的原因做进一步探索

• 拆解影响一级指标（例如，交易额或利润）的影响因子进而做具体分析

  UV × 转化率 × 客单价 = 销售额

• 一般分为内部归因和外部归因

寻找基线是连接定性与定量的基准，是将纯数字逻辑拉回到现实世界的绳子

• 建立特定数学模型推导基线（例如，某产品渗透率达到50%为合理）

• 要结合业务同学的心智模型（业务感知、体感）

建议方案往往是分析报告的终局，为业务的前进方向提供数据支持

• 通过提升某KPI的10%拉动大盘增长20%

• 预测模型在这里承担重要角色，同时要具备可解释性

2. 构思框架

你建立的分析框架要可以将数据转化为你想要的结果，并且这些结果能完美地契合你要讲述的故事。

3. 分析方法和工具

分析方法的选定要依据分析场景而定。

场景	可视化	算法/数理基础	举个栗子
分类		贝叶斯定理	判断A公司是否收购B公司
趋势	折线	线性回归	预测明年销量，定目标
因果	散点	A/B测试，假设检验	提高指标A拉动指标B增长
最优解		目标函数	规划生产计划，实现利益最大化
统计	直方图		验证二八法则

*上表仅仅列举部分场景及方法，使用细节会在后续文章中更新

分析工具是用来提效的，会用工具不等于会分析，切记切记！

4. 撰写报告

结论先行，数据加以佐证即可。这里分享一些数据描述素材：

• 9月份的销量与上年9月份相比略有增长，但仍属持平；销量与目标相去甚远，削减营销费用可能会影响销售达标能力；降价看来无助于销量达成。

• 除了KPI1，所有的变量都在有限的范围内波动。例如，KPI2最高0.32，最低0.31，波动不大。相反，KPI1则降幅巨大。12月是8月的一半，这是一个巨大的变化。进一步分析，KPI1与大盘销量下降相吻合。

• 5月利润跌穿地板，渠道A和渠道B的销量背道而驰，一个上升，另一个则下降。上个月的情况是AB渠道同时增长。

总结一下，一名优秀的数据分析师要同时具备：数据逻辑、结构化思维和商业认知能力。熟练运用工具让你更加独立、高效地完成分析，降低试错成本。

标签：分析,干什么,万能,分析师,销量,基线,KPI1,数据
来源： https://blog.csdn.net/MapleXia/article/details/122420828

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。