平衡长期项目和短期需求

  • 配合好 ad-hoc 的数据需求和长期战略目标。

明确的目标

  • 重要的工作应该有清晰的项目背景和目标。
    • 这一点不论是在工作总结还是项目经历中，都是十分重要的！
  • 量化你的成果。

发掘价值点

  • 学会寻找业务增长的重点，评估增长的可行性。
  • 速度。优秀的分析师要能够尽快地从数据中找到可以分析的点。
    • 先想到业务价值，然后再考虑统计学的问题，如果有专设的统计学家，甚至可以让统计学家来做后续的分析。
    • 这个要求，本质上是把管理者的问题分析中的问题嗅探，给外包给分析师了。如果将分析能力单独出来看，确实如此。

  • 确保花费足够的时间来探索和可视化数据，需要有足够的好奇心。

    关于学习

  • 业务、商业知识和分析技能一样重要，哪一边短缺都会造成短板。

  • 坚持学习，但学习的内容必须结合实际应用。
    • 优先关注业务，而不是技术和工具库。
  • 掌握的分析技术必须知道其有效的先决条件。

傅一平：如何避免成为一台取数机器

  • 熟悉你的数据。做到快、准、好的取数。不能基于建模师提供的宽表，要能够自己深入到底层，了解原始数据、基础数据的来龙去脉。如果有兴趣，可能可以往数据仓库、数据建模、平台调优、取数功能产品化等方向上发展。做好取数专家，是即需要知道底层的数据，也需要知道业务层用法的。
  • 理解业务方的数据需求。为业务方的取数给出建议，优化他们拿到的数据和可以分析的点，更好得满足业务方数据需求的同时，提高自己对业务理解，和对数据分析思路的掌握。
  • 培养数据感，能够在取数的结果中发现一些结论。借和业务方沟通的机会，进行数据分析上的交流。可以发现自己相对于业务人员的优势，发挥这个优势，让自己得到业务方的认同，形成平等的合作关系。
  • 对数据展开分析。能够在给到数据的时候，同时给到数据结论，逐步让业务方接纳你，成为业务的一员。
  • 业务时间补充数据分析、数据挖掘的技能，做业务人员所不能做，掌握分析主动权。

数据感的培养*

  • 数据感：数据敏感度，数据直觉。在接触到已有数据或者潜在可收集的数据的短时间内，潜意识能主动地，而不是主观意识强制调动地，认知数据的含义，快速理解数据变动代表的实际情况，以及认识到数据变化的潜在影响。
    • 感知 Awareness：能发现可以收集的数据，并且准确理解数据的含义。
    • 量化：能根据当前关注点将数据抽象成合适的数据指标，明确计算得到该指标的方式。
    • 计算：能通过对指标的恰当的计算来获得衍生指标，更准确更明确地表征物理世界中我们关心的对象。
    • 解释：能清晰无误地解释指标的含义，及指标值变动的含义，呈现相应的数据洞见。
  • 数据感可以帮助我们较快地注意到以下问题，避免犯下明显的错误：
    • 数据值的真伪：有些数据虽然给出了，但是根据实际的计算逻辑，是不可能得到这样的结果的。是显然的错误。
    • 业务解释的逻辑是否正确。有些看似头头是道的分析，其实逻辑错误或者计算错误。
    • 业务健康度判断：当前指标是否运行在合理区间。这个是需要足够的业务理解的。
  • 养成习惯
    • 留心留意
    • 记住常用的参考值：如业务一般的水平值。
    • 理解指标的业务含义，计算方式。明白指标的变动的实际含义。
    • 关注异常
    • 培养批判性思维
  • 参考资料