专栏首页CDA数据分析师为什么你学完了68个Python函数,却依旧做不好数据分析?

为什么你学完了68个Python函数,却依旧做不好数据分析?

作者 Gam

本文为CDA数据分析师原创作品,转载需授权

数据分析老鸟都知道,相比于自己作出好的数据分析报告,“教别人如何入门数据分析”这事情简单多了。

什么for循环呀,def函数呀,print输出呀,自变量a赋值呀,字符串和数字的转换呀;什么相关分析呀,回归分析呀,方差分析呀,聚类分析呀,判别分析呀,决策树分析呀等等等等。

函数太多,方法太多,套路太多,技巧太多……

可现实是,大多数的人,听了无数道理依旧庸碌一生,学完68个Python常见函数却依旧做不好数据分析。

这很正常,因为我们依旧太年轻,数据分析并没有那么简单。

本文不属于具体的数据分析技巧,而是如何积累数据分析经验、提升自己逻辑思维能力的建议,希望你能尽情释放自己对数据分析的激情。

做一个数据分析精分人

好的数据分析师,会从市场需求的角度进行分析。所有的数据分析都是有市场目标的,而你要学会从数据的维度对目标做拆分,用数据落地目标。

作为一个月薪6000的数据分析师,如何为百万甚至千万的项目提供数据分析方向指导?

项目投入产出需要如何调整?推广费用如何分配?市场走向如何预测?

C君认为,关键点在于“学会用市场检验你所做的数据分析”

1、用数据拆分目标

想做好数据分析,第一点就要明确目标,用数据的方式理解你正在做的业务,需要面临的问题。进而用数据拆分目标,对目标进行细分,确定数据处理问题的优先级。

注:本案例数据纯属举例,不具备参考价值

以2018年CDA课程销售业绩为例,假设2018年CDA课程销售的业绩为1000万,那么作为数据分析师,就要学会细分2018年的业绩指标,细分到一个季度250万的业绩指标,每个项目承担多少的销售指标,然后再继续拆分到每门课程(例如CDA等级班、CDA脱产就业班、CDA周末班、CDA大数据就业班、CDA区块链学院等),每门课程需要承担多少的销售指标。

2、用数据论证观点

分解完目标,就要去一步步落地,然后自己在整理数据过程中,逐步形成自己对数据的认知,从中获得点状的启发。而在收集数据和整理数据的过程中,最主要的是要形成认知,通过认知对比信息,或者通过建模和数据挖掘来论证所需变量和自己的业务之间的关系。

当你再执行2018年度的计划之前,首先要整合2017年甚至2016年的数据,从这两年的数据中提取信息,形成自己对2018年规划和推广的认知,并找到各个渠道推广成本和收益关系,找到自己对2018年规划中如何进一步优化项目的推广渠道和减少推广成本,决定CDA数据分析师2018年课程推广的重点方向指导。

3、用数据提出建议

基于之前的认知分析和建模论证等,你已经形成了自己数据分析的结论,还需要你根据具体的业务方向,项目具体情况,将结论抽象成和业务协定的建议。

通过2017年和2016年的收益与成本比,整理推论出的结果表明,CDA数据分析课程在推广的成本最高,收益能达到最优。

4、用数据表达观点

前面讲了全部都是理论层面的东西,最后呈现给老板的必然是数据分析报表。这时候展现出了数据分析师的表达能力,如何深入浅出的讲述自己的报表,是自己数据分析是否落地的核心。

此处C君借助别人家的报表进行简单分析给大家提供一个简单的模板,供大家参考。

首先,你需要根据活动目标确定你的目标达成率,完成百分比,提升百分比。

评定某次活动的成果,首先要注明目标情况,如:

CDA数据分析师公众号目标 10W+粉丝,1月粉丝1W,完成率90%,同比提升20%等

其次,你需要有充足的数据支撑,核心的数据走势图(一般适用于月报)

在这张图里,要对每个数据的拐点做分析,比如图中1月17日的数据之间增长有明显提升,你需要分析这个波动形成的原因,你需要找到并写在报告里。

再次,接下来进行粉丝分析,粉丝来源如何分布,不同渠道的流量转化率情况

粉丝量涨了,但是为什么粉丝会涨?要找到是哪个渠道带来的粉丝,为什么涨了?接触公众号的人都知道,公众号粉丝的来源分为公众号搜索、扫描二维码、图文页右上角菜单、图文页内公众号名称、名片分享、支付后关注、其他等几种来源方式,你要做的是将几个渠道进行分析,最好能制作出饼图,更好的展现出各个渠道粉丝占比。

注:图为CDA数据分析师一天粉丝数据,不具备实际参考性

由上图可以明线看到该天公众号的粉丝来源中公众号搜索与图文页内公众号名称为主要来源,两个的占比都接近35%,则意味着我们有必要修改渠道的投入比例,优化粉丝增长。

最后,改进及优化

根据上面简单的数据分析,大致了解了粉丝增长的一些规律和技巧,为以后的粉丝增长进行了经验的积累,不断的沉淀更新升级,走上数据分析的升级打怪之路。

切忌盲目迷信数据

最后,要明确一点,数据不是万能的。

第一点,在数据量不充足的情况下,数据只能作为参考,不能真正的适用于正常市场业务的判断,通常这点适用于初创公司;第二点,切忌深挖数据分析单一指标,而应权衡各个指标合理分析,否则耗时耗力,事半功倍得不偿失。

最后,祝你成为一个对数据了若指掌的互联网人。

本文分享自微信公众号 - CDA数据分析师(cdacdacda)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-03-08

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 经验 | 3要点解构数据分析的思维模式

    数据分析(DataAnalysis)——这个词真的是如雷贯耳,装B一绝啊!甭管什么玩意,上来先整一通再说。“数据分析”甚是被提上了神坛,找工作或者聊点行业内的动...

    CDA数据分析师
  • 译文|大数据不必大系统!

    本文由CDA数据分析研究院翻译,译者:王晨光,转载必须获得本站、原作者、译者的同意,拒绝任何不表明译者及来源的转载! 我已经就大数据及其益处和挑战写过不少东西了...

    CDA数据分析师
  • CDA数据分析师与中国社科大经济学院签署战略合作框架协议

    10月26日,CDA数据分析师董事长赵坚毅访问社科大,并与中国社会科学院大学经济学院签署战略合作框架协议。社科大经济学院执行院长何辉、党委书记钟德寿出席仪式。双...

    CDA数据分析师
  • 基础知识 | 每日一面(14)

    小林:没有。编译器没有简单的好办法实现结构比较 (即, 支持结构的 == 操作符),这也符合 C 的低层特性。简单的按字节比较会由于结构中没有用到的 “空洞” ...

    C语言入门到精通
  • 聊聊通常构建数据指标体系,告别数据初级民工

    “没有一套合理的数据指标体系,纵然你有再多的数据,分析起来根本无从下手。”做数据分析时的你是否深有同感?

    用户7010445
  • 浅谈数据分析的魅力和能力要求!

    我们生活在一个数据和分析可以为任何人所用的时代,你可以运用数据分析的威力找出什么可行,什么不可行,沿着最有效的路走向成功。

    Datawhale
  • 数据团队思考:数据人的通用技能要求

    最近经常遇到有朋友问下面这类问题,结合最近的一些思考,本篇聊一下,数据人该具备哪些通用的技能。

    石晓文
  • 数据团队思考:数据人的通用技能要求

    最近经常遇到有朋友问下面这类问题,结合最近的一些思考,本篇聊一下,数据人该具备哪些通用的技能。

    数据森麟
  • 为啥你的报表越看越丑,而别人的却永远高大上?

    腾讯大讲堂
  • 重磅发布!2020上半年数据分析人才及CDA持证人行业报告

    2020年5月6日,人力资源和社会保障部发布《新职业—大数据工程技术人员就业景气现状分析报告》,报告显示:预计2020年中国大数据行业人才需求规模将达210万,...

    CDA数据分析师

扫码关注云+社区

领取腾讯云代金券