首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >【每天一个数据分析师】几乎任何一种分析,都可以用矩阵式分析来引出思路

【每天一个数据分析师】几乎任何一种分析,都可以用矩阵式分析来引出思路

作者头像
小莹莹
发布2018-04-20 18:22:30
1.1K0
发布2018-04-20 18:22:30
举报

论坛君

“每天一个数据分析师”在第五期采访到的是一位萌妹子Yuki,她毕业于复旦大学,目前在上海从事互联网金融行业的数据分析,主要从事业务和用户方向的数据分析和研究。下面进入正题。

DA:您是如何入行的?

Yuki:我本科学习的专业就是计算数学,毕业之后在一家美资咨询公司中国总部做数据化咨询,后来就一直在做数据分析相关的工作了。

DA:能聊一聊您的工作经历吗?目前您的工作职责是什么,以及您的职业规划?

Yuki:刚毕业的几年一直都是在咨询行业,所以有机会接触到各种不同行业,以及形形色色的分析项目。包括现在已经开始广泛普及的数据化运营、数据化营销、预测模型等等。后来加入了互联网行业,开始做更偏重运营和用户的数据分析。主要是做一些基于用户特征的分层营销和推荐模型,中间也有基于用户的偏好特征,做一些面向市场的整体行业分析研究。

职业规划的话,未来还是会继续把数据分析进行到底。也希望能够在工作过程中,不断充实提升自己的同时,把经验和教训总结下来,分享给更多小伙伴。

DA:能否给我们讲讲您在工作中遇到的印象深刻的困难及其成因?

Yuki:其实也谈不上困难,不过作为一个数据分析师,肯定经常会遇到五花八门的分析需求,有些场景可能是并不熟悉的领域。困难在于,遇到这种情况时应该以怎样的思路解决问题?和相关业务部门沟通是必须的。但是总不能两眼一抹黑地抱着完全求学的态度去,先不说对方有没有时间耐心教导,即使有,业务角度的讲解也并不一定能够帮我们快速打开分析思路。

成因的话,其实一方面是因为数据分析是个不断积累,又不断遇到新挑战的工作,所以总会有新的、不熟悉的问题出现,也一定会有思路断片,一时无从下手的时候。另一方面在于这毕竟还是个偏后方的工作,可能一线实地经验积累起来相比业务小伙伴们会慢一些。

DA:您是怎么解决这个困难的?

Yuki:在long long ago,就有一群神奇的科学家和社会学家,不约而同、略分先后地给我们指明了方向。如果说三角形是一种最稳定的图形(毕竟它看上去就很稳重),那么矩形大概就是最适合用来分类的图形了。几乎任何一种分析,都可以用矩阵式分析来引出思路,起个好头。

首先,我们还是先来概括性地看看这种“万金油”式的方法。正如构建直角坐标系需要一个x轴和一个y轴一样。矩阵式分析,需要同样需要两个变量(因素)。当然,这两个因素之间并不一定需要严格的因果关系。也可以只是简单的并列关系。然后……这个概括就结束了。还是放个例子比较清晰一点。

场景:小A的公司产品非常多,销量不一,价格各异。

最简单的一种选择,是用产品的利润和销量进行组合。根据产品的销量和利润,很容易地把现有的产品划分到了四类里面。并且根据每类的特征,一个比较概括的下一步调整方向也呼之欲出了。

当然变量的选择,也可以视需要而定。想要分析业务价值,那么可以用利润和销量;想要分析竞对情况,可以用市场份额和销售额;想要分析客户价值,可以用消费次数和消费单价。最后这一个,听上去有一些耳熟。再加上一个维度——最近一次消费,就变成了大名鼎鼎的RFM模型。

这个方法使用的时候还有三个要注意的地方:

第一,这个方法虽然能够帮助快速打开思路,但是适用情况广泛,有广度,就难免有失深度。所以这种情况下很多分析结论,只能抛砖引玉,给下一步地分析进行一个思路的开拓。

第二,四个模块的分类方式,很多时候太过粗浅。这也是为什么会延伸出三维度,九宫格等各种分析方式。具体分类的颗粒度需要因情况改变。

最后,也是最重要的一个问题——原点的确认。我们都知道不同坐标轴的类比需要原点,同样地,在分类问题上原点也很重要。手一松,可能分类就大不相同。但是往往在实际中,很多变量的分类标准,我们是不得而知,并无明文规定的,这就需要利用经验进行判断。这个过程很感性,也很容易出错,切记不能够被希望得到的结果牵着鼻子走。由结果反推标准,得出来的结论就变得毫无意义了。

DA:谢谢您深入浅出的分析,请问您对希望从事数据分析行业的职场人有哪些建议?

Yuki:建议其实也说不上吧,就分享下个人的体会吧。

记得刚入行的时候,数据分析这个概念还并不是很火,可能很多有过咨询经历的小伙伴都了解analyst在咨询行业差不多算是一个入门的职位。但是好像是2013年的时候,大数据的概念袭来,带着数据分析一下子都高大而神秘起来。这大概也算是某种程度的厚积薄发。不过可能也会带来一定后遗症就是在很多人眼里数据分析被技术化或者神化。

因为工作原因,也和很多刚入行的小伙伴聊过。很多时候,他们会困惑于究竟学R好还是python更有用。但是却不太关注于分析思路的梳理或拓展。其实,虽然现在大数据领域一直是技术快速迭代的状态,但是受到影响的更多是架构师,而不是分析师。

面对同样的场景,完全没有高科技工具的时候,分析师仍然可以有一些模糊的判断。而随着工具的提升,对于分析师而言,提升的是工作效率,是分析结果的准确性和精细度。但是如果用excel时候找不到分析思路的问题,其实换成R、python、甚至未来更多智能化的工具,依然还是会找不到分析思路。

甚至会因为这种包办式的工具,错误地选用一些“高大上”的软件包,导致出一些错误的结论。

举个例子,比如现在标签化,推荐系统,一直是个热论不休的话题。似乎一说到数据分析,就要把亚马逊和关联规则拿出来遛一遛。但是其实标签的设定,是一个需要基于业务和实际经验判断,谨慎而为的事情。很多时候“好”的标签,未必是“对”的数据。

比如,静静非常喜欢吃明明超市中的桃子,几乎每天都会去购买。某一周桃子和梨捆绑组合做促销。恰好这时候数据员小A开始对用户喜好做分析。如果无视掉桃子和梨捆绑的背景因素,在计算的时候把桃和梨简单地作为两个独立变量来处理,从而得出简论,静静爱吃梨和桃子。那么现在是忽视了自变量之间的联系,得出了不够正确的结论。

所以希望越来越多小伙伴是因为真的喜欢数据分析这件事情加入到这个行业,而非是现在被媒体包装过的“大数据”。耐下心来,认认真真地做一张简单的表格,处理一些琐碎的数据。因为,数据分析真的不是一场show,而是一个踽踽独行的旅程。

DA:请您推荐一些平时在网络上学习专业知识的平台吧。

Yuki:经管之家是必须要推荐的,第一次完整系统地上数据分析类的培训课程也是在这里。而且就一些案例和老师们的课后讨论也非常有收获。论坛上也有很多电子书籍和在线课程。

再就是比较熟知的网上课堂了,网易课堂和Coursera都有很多国内外的优秀课程,特别是后者现在专门有数据分析系列的课程包。如果更想要补充学术知识的话,可以多去听听,顺便还能够锻炼英语呢。:)

DA:感谢您对我们的支持。平时工作之余您都做些什么呢?有什么特长爱好呢?

Yuki:工作之余,如果在家的话一般是看书、整理笔记,或者lol什么的,当然最近加上了看《琅琊榜》。如果是出去的话,一般就是和朋友看看电影。最近鉴于身体原因,加入了健身的活动。

特长的话,读书特别快算么?哈哈。实在没发现自己有什么特长,在学的技能就有日语、法语,还有ps设计和手绘吧。毕竟多学习些不同领域的知识,还是很有助于开拓分析的思路的。

DA:的确丰富多彩,相信后台会有不少小伙伴有共鸣。方便留下您的联系方式以便交流吗?

Yuki:如果有想要交流的小伙伴,可以加我QQ :179646086或者邮件:sally0224@126.com。

当然啦,也可以关注下我的个人公众号,有空的时候会把日常工作或者学习中的一些笔记或者案例整理上去。(所以更新不太定时,因而基本就是一个个人的学习笔记)

公众号:Yuki的数据分析笔记(DataNote_Yuki)

DA:谢谢您。今天的采访到此结束,我们再会。

后记

这是“每天一个数据分析师”的第六期采访,非常感谢受访的各位老师以及订阅读者向我们提出的各种建议,我们期待更多的声音!我们计划每天采访一个数据分析师(覆盖各行各业),听TA在从业路上的故事,讲TA在工作中遇到的种种困难以及采取的解决方案。欢迎大家踊跃推荐或者自荐。联系我们请直接在微信留言或发邮件到:adaaday@pinggu.org。

简介:我们是经管之家(原人大经济论坛)CDA数据分析师培训旗下的公众账号“每天一个数据分析师“。旨在通过采访数据分析师来讲述数据分析在各行业应用情况或其他重要问题,藉此展示分析师自身水平和风采,打造个人品牌,助力升职加薪和求职。同时也让社会公众了解数据分析师这个群体。每一篇头条专访将会给您带来大量关注,这是为您精心打造的炫丽舞台,请善用这个共同的平台。

来源:每天一个数据分析师

1、回复“数据分析师”查看数据分析师系列文章

2、回复“案例”查看大数据案例系列文章

3、回复“征信”查看相关征信的系列文章

4、回复“可视化”查看可视化专题系列文章

5、回复“SPPS”查看SPSS系列文章

6、回复“答案”查看hadoop面试题题目及答案

7、回复“爱情”查看大数据与爱情的故事

8、回复“笑话”查看大数据系列笑话

9、回复“大数据1、大数据2、大数据3、大数据4”查看大数据历史机遇连载

PPV课大数据ID: ppvke123 (长按可复制)

大数据人才的摇篮!专注大数据行业人才的培养。每日一课,大数据(EXCEL、SAS、SPSS、Hadoop、CDA)视频课程。大数据资讯,每日分享!数据咖—PPV课数据爱好者俱乐部!

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2015-10-21,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 PPV课数据科学社区 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档