数据化运营系列:数据分析师是怎样养成的?

也许你还未毕业,也许你才刚刚步入职场开始接触数据,也许你已经是做数据分析好几年的老炮了…

不管你属于哪一类,在出发之前都得知道,你现在在哪里

因此,小编把数据工作者分为三类人

讲“数据分析师如何炼成”之前,我们先来看看,你在哪里

第一种人只会做数据,他们被叫做“表哥”“表姐”

数据化运营系列:数据分析师是怎样养成的?

第二种人会在做数据的同时,进行关联思考

为什么要做这份数据这份数据说明了什么我的取数逻辑与分析模型是否正确我的论点是否与需求匹配……

这种人,他们被叫做“数据分析”。

数据化运营系列:数据分析师是怎样养成的?

第三种人在做数据的同时,会站在零售与商业的高度,把数据用活

这份数据对公司现有运营体系有什么指导

对公司后续的战略如何形成补充与支撑意见…

这种人,他们就是自带荣耀光环的,数据分析师!

数据化运营系列:数据分析师是怎样养成的?

以上三种人,绝对不是小编随意划分的。

这三种人,其实代表了对于”数据”理解的三重境界。

数据化运营系列:数据分析师是怎样养成的?

这些境界层次的划分和理解,是小编在最近两年多的时间里不断观察与思考、并且结合行业里面前辈的经验,总结而来的。

因此,这是来自实践、并且非常具有导向性的。

希望各位小伙伴们认真理解。

练级宝典:

数据化运营系列:数据分析师是怎样养成的?

第一重境界:数据就是数据

数据化运营系列:数据分析师是怎样养成的?

典型特征:

(1)EXCEL表格用得滑溜滑溜的,各种公式随手拈来,用键盘比用鼠标还快;

(2) 不了解数据内在逻辑,为了做数据而做数据;

(3) 懒于思考习惯于接收指令;

(4) 缺少有效的思维和分析方法;

进阶宝典:

(1) 空杯心态、空杯心态、空杯心态

空杯心态的反面,就是自满、自傲、自以为是。

任何行业里面,处于基层的许多人,往往都是缺少空杯心态的人;

而真正的精英、骨干,都会有谦卑的品质。

如果您不具备空杯心态,那您还是安安心心做一名“表哥””表姐“吧;

(2) 多问为什么

向自己的上级问。了解报表里面数据的关联与逻辑;

向业务部门问。了解数据背后的业务现象;

向同事问。了解他人的经验与成果;

(3) 多看书

看锻炼“数据思维”逻辑的书。

推荐书单有:《数据化管理》、《不贰:数据化思考》、《麦肯锡思维》等;

(4) 多画思维导图

作为第一重境界的你,电脑上一定要装一个思维导图软件,如Xmind;

因为此时的你一定还没有养成在草稿上随手画流程图和思维图的习惯,所以用软件来固化思维习惯是非常有必要的。而且软件里面本身会有许多经典的思维框架图,非常适合培养思维方式之用;

(5) 反复看数据分析网的文章

相信会对你有所帮助;

第二重境界:数据就是思维

数据化运营系列:数据分析师是怎样养成的?

典型特征:

(1) 能够抓住核心数据指标,并阐述数据背后的业务现象;

(2) 能从数据体系中还原业务现状,并找出其中关键节点;

(3) 能够主动、自发性的寻找业务需求,以数据驱动业务运营;

(4) 缺少商业思维高度,只着眼于企业的执行层,不能满足决策需求;

进阶宝典:

(1) 向上汇报、向上汇报、向上汇报

多向决策层汇报,(注意,不是叫你越级上报)

汇报的好处是,一是加强上级对你的信任,二是多了解上级的想法和需求;

如果你能知道上级最关注的问题是什么,你的报表自然不至于找不到分析重点;

(2) 多观察、思考企业现状

此时的你,应该给自己多留一点观察和思考的时间。

“领导最关注的三个问题是什么”

“企业下个月要解决的问题是什么”

“我们在上个月做对和做错了哪些事情”

(3) 多看书

看介绍和拓展“商业模型”的书。

推荐书单有:《自商业》、《颠覆式创新》、《产品型社群》等。

看书的过程中,需要解读商业模型和商业热词。如“用户力”“产品力”“参与感”等。

(4) 多看行业数据、思考行业现状与趋势

相关的数据工具有:取真经、百度指数、淘宝指数等;多与优秀同行们交流,讨论,分享。

第三重境界:数据就是商业

数据化运营系列:数据分析师是怎样养成的?

典型特征:

(1) 想决策层之所想,作决策层之所需;

(2) 参与战略会议;

(3) 画战略简图;

画的过程,即是帮自己拓展思维的过程,也是帮别人加深理解的过程。

(4) 参与战略决策。

进阶宝典:

最后,一个自带荣耀光环的数据分析师出炉了。

来源:取真经网(本文已获得授权)

链接:http://www.quzhenjing.com/articles/hAQANNXQRMVgw8Sx5j0TUl1iyu8uwZBaI7olK_1nNB0

本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流,内容版权归原作者所有,如涉作品、版权和其他问题请给「我们」留言处理。

(0)
大数据精选的头像大数据精选编辑
上一篇 2016-06-13
下一篇 2016-06-14

相关文章

关注我们
关注我们
分享本页
返回顶部