数据分析师成长攻略 _数据分析师

每日忙于取数、缺少领导指导、对业务不熟悉，是阻碍数据分析师成长的三座大山。如果再加上：被追着屁股要报告 + 报告被嫌弃没深度，简直就是“五雷轰顶” 。最典型的，比如这位星友，简直是各种困难都集齐了：

文章插图
图片
因为问题太过典型，所以今天专门分享一下破局思路，有相似难题的同学做参考哦。
理清解题步骤用数据分析解答业务问题是有固定步骤的：
第一步：基于业务流程，梳理数据指标体系
第二步：基于指标体系，诊断业务发展中问题
第三步：基于问题诊断，分析业务行动有效性
因此，到一个新环境，第一步要先了解业务流程，梳理指标体系。像这位同学，随手写出的指标很零散，看不出主次，这就是第一步解题动作。
梳理数据指标体系之所以叫指标“体系”，是因为零散的一堆指标很难看出问题，需要有逻辑地组织起来。常见的组织有三种：并列式、总分式、漏斗式。这位同学主要做的是toB销售，因此适合用总分式，先理清：GMV、客单价、频次、毛利、净利润关系（如下图）。

文章插图
图片
之后，可以结合新客户拜访流程/老客户下单流程，理清销售过程指标（如下图）。

文章插图
图片
数据指标体系也需要分类维度的配合，销售类指标体系，一般搭配人（客户）货（商品）场（销售渠道）作为分类维度。

文章插图
图片
这样就搭起来指标体系的骨架，后边可以根据业务流程细节做修修补补，也能进行诊断性分析。这一步是基础工作，得先熟悉业务场景，理清指标关系，不然后边都很困难。
建立问题诊断逻辑有了数据指标体系以后，诊断问题就很轻松，一般按照“由远到近，从大到小”的原则，构建诊断问题逻辑：
1、是否符合常规销售周期（剔除报假警）
2、是否持续性下跌（从下跌源头开始追查）
3、是客户数少了，还是下单金额少了（下钻）
4、是大客户少了，还是散客少了（人的维度）
5、是时令生鲜少了，还是硬通货少了（货的维度）
6、是销售开发少了，还是自主下单少了(场的维度)
这一步，1、2、3问题，不需要拆分，只看整体指标即可，因此可以很快上手。4、5、6问题比较麻烦。一来，需要拆分数据，观察很多次。二来，不同时间点，问题可能不一样，因此需要在不同月份更换拆分维度。三来，需要积累业务标签，才方便解读数据。

文章插图
图片
这个过程需要分析经验的积累+不断尝试，因此可能消耗较多时间。伴随着积累的增加，也显得一个数据分析师在行业经验越来越丰富。
衡量业务行为效果“选商户经常购买的品类提升价格”，就是一个业务做的提升业绩的动作。这种对具体业务动作的分析，要先提分析假设，这样很容易推出结论。
比如涨价提升业绩，最好的情况下：选品是高溢价、高品质的非标品，比如小青龙，车厘子之类，客户很难横向对比价格，加上本身品质不错，对价格没那么敏感，那涨价也能接收。
最差的情况下，选品是普通的、品质区分度不大的标品，比如米面油蛋，客户一看“诶呀，你比市场价贵那么多！”就跑掉了。
在做分析的时候，可以把上述假设表述如下：

文章插图
图片
这样数据出来以后，直接观察结果就行了
1、活动上线以后，整体业绩是上升（成功）还是持平、下跌（失败）
2、活动刺激的品类，哪些价格敏感度高（失败）哪些敏感度低（成功）
3、参与活动的客户，是否整体消费减少（失败）是否转向采购未提价商品（失败）
评估1次活动效果是相对简单的，作为数据分析师，只要能理清活动目标，活动达成目标的业务逻辑，就能快速输出评估结果。这是数据分析师们应优先培养的能力。
但回答业务部门：“我要怎么做才能提升业绩”，则是需要较长时间沉淀的。因为提升业绩的手段不止一种，得在实践中见多识广，多了解一些业务手段，才好做出建议。这就需要数据分析师们多做记录了，把围绕同一目标的不同业务动作整理出来，之后才好对比效果。