如何成為一個優秀的資料分析師？

資料分析師是一個發展前景非常好的作業，時代的發展決定了在未來，資料分析師將成為必不可少的一個作業崗位，如果大家能夠有幸進入到這個行業，那么就好好珍惜，而對于那些還沒考慮未來就業方向的朋友來說，資料分析師絕對是一個不錯的選擇，

資料分析師在進階的道路上有多種選擇，可以成為資料技能超強的產品經理，也可以成為資料指導業務的運營VP，更可以進入到管理或者戰略層，而這些，都是在作業的程序中，開闊視野所帶給人們的，
比如我們要分析python的就業情況，那我們怎么要分析，這里肯定是使用我們的python資料可視化里面的一個內容matplotlib，包括pyecharts，具體怎么實作我這里就不過多去解釋了
可以看一下效果圖

這個就是我們日常資料分析要做的一些作業，

那么成為優秀資料分析師有那三個特點？

**1業務能力**

能跑數，不叫資料分析，和業務結合并產生價值才是資料分析,對業務的洞察力決定了ー個資料分析師的職業上限.
對行業和產品有熱情、熱愛學習
從事資料分析作業，首先必須要對進入的行業和產品感興趣，有好奇心，愿意學習一切未知的知識
關注資料分析對業務產生的價值
能夠把業務和資料結合起來，嘗試用資料量化業務狀態和結果，能夠用資料解釋潛藏的未被發現的業務邏輯
多問、多思考
當分析需求來的時候，要問下為什么要做這個分析，想解決什么問題
2. 技術能力
掌握并熟練應用基本的資料分析工具、分析模型和分析方法, 技術水平決定了資料分折師的下限
熟練使用各類分析模型和分析方法
對使用的模型能清楚其優劣勢
對沒用過的方法能有所了解，在遇到已有方法解決不了的問題時能夠聯想到嘗試其他方法是否可以解決，
一定的編程語言技能
SQL/Python/R：SQL是基礎，Python或R可以提升長期作業效率，
對資料有很高的敏感度，最好有一定的統計學基礎
能夠及時發現資料展現的問題，指出深挖的方向
對資料的理解有很強的邏輯性和科學性，
3. 溝通能力
具備高效聽說寫的能力和用資料講故事的能力，資料分析師總是需要通過說服產品和工程方面來改變產品，產生影響力
能夠跨部門高效溝通
與需求方溝通可以快速了解業務價值，分析背景
與開發部門溝通可以了解業務實作、資料來源
推動資料分析落地業務方需要跨部門溝通
良好的資料可視化能力和撰寫分析報告的能力
能夠把分析結果變得直觀、簡單、易理解
分析報告全面、有邏輯、經得住推敲
分析結論可靠、可驗證

不管那一家公司里面的資料分析師都必須是要與業務結合起來才叫我們的資料分析師，
1.為什么業務重要
唯有理解業務，才能建立完整的一套體系，簡稱業務資料模型，
想進入某個行業的資料分析，盡量需要一些業務知識，敲門磚，
2.經典的業務分析指標
模型未動，指標先行，
如果你不能衡量它，你就不能無法增長它
運用第一周的核心思維：結構化、公式化和業務化，形成指標，
指標建立的要點：
核心指標（公司和部門都認同的大目標，根據實際公司情況而認定）
好的指標應該是比率
好的指標能帶來顯著效果
好的指標不應該虛榮（如投入的錢很多，新增用戶量大）
好的指標不應該復雜
3.市場營銷指標
市場營銷領域：
1.客戶/用戶生命周期
企業/產品和消費者再整個業務關系階段的周期，
不同業務劃分的階段不同，傳統營銷中，分為潛在用戶，興趣用戶，新客戶，老客戶，流失客戶，
2.用戶價值
業務領域千千萬萬，怎樣定義最有效用戶？
用戶貢獻=產出量/投入量100%
用戶價值=貢獻1+貢獻2+…
金融行業的用戶價值，大概可以為存款+貸款+信用卡+年費+…-風險
RFM模型
具體看業務背景，確立RFM模型中的重心，進行更改和修正，
用戶分群，營銷矩陣
提取用戶的幾個核心維度，例如RFM，用象限法將其歸納和分類
3. 產品運營指標
AARRR框架
用戶獲取，用戶活躍，用戶留存，營收，傳播
1.用戶獲取
渠道到達量：俗稱曝光量，有多少人看到產品推廣相關的線索，
渠道轉換率：有多少用戶因為曝光而心動Cost Per，包含CPM、CPC、CPS、CPD和CPT等，
渠道ROI：推廣營銷的熟悉KPI，投資回報率，利潤/投資 100
日應用下載量：App的下載量，這里指點擊下載，不代表下載完成，
日新增用戶數：以用戶注冊提交資料為基準
獲客成本：為獲取一位用戶需要支付的成本
一次會話用戶數占比：指新用戶下載完App，僅打開過產品一次，且該次使用時長在2分鐘以內，（衡量渠道可靠程度）
2.用戶活躍
日/周/月活躍用戶應用下載量：活躍標準是用戶用過的產品，廣義上，網頁游覽內容算用，公眾號下單算用，不限于打開APP，
活躍用戶占比：活躍用戶數再總用戶數的比例，衡量的是產品健康程度
用戶會話session次數：用戶打開產品操作和使用，直到推出產品的整個周期，5分鐘無操作，默認結束
用戶訪問時長：一次會話的持續時間，
用戶平均訪問次數：一段時間內的用戶平均產生會話次數，
3.用戶留存
用戶在某段時間內使用產品，過了一段時間后仍舊繼續使用的用戶，
4.營收
付費用戶數：花了錢的
付費用戶數占比：每日付費用戶占活躍用戶數比，也可以計算總付費用戶占總用戶數比
ARPU：某個時間段內，每位用戶平均收入
ARPPU：某時間段內每位付費用戶平均收入，排除了未付費，
客單價：每一位用戶平均購買商品的金額，銷量總額/顧客總數
LTV：用戶生命價值周期，和市場營銷的客戶價值接近，經常用在游戲運營電商運營中，
LTV(經驗公式)：ARPU1/流失率（比如說，一月份有一百個用戶，這個月用戶流失率0.3，那么1/流失率=3.3，那么一月份這批客戶在3.3個月后流失光，這段時間的LTV=ARPU（用戶的平均消費100元） 3.3 =330元），適合敏捷專案
5.傳播
K因子：每一個用戶能夠帶來幾個新用戶
K因子=用戶數平均邀請人=人數邀請轉換率
用戶分享率：某功能/界面中，分享用戶數占游覽頁面人數占比
活動/邀請曝光量：線上傳播活動中，該活動被曝光的次數
4. 用戶行為指標
1.用戶行為
沒有特別重要的框架，主要在于理解與應用，
功能使用率：使用某功能的用戶占活動總活躍數之比，（比如點贊、評論、收藏、搜索等等）
用戶會話：會話（session），是用戶在一次訪問程序中，從開始到結束的整個程序，在網頁端，30分鐘內沒有操作，默認會話操作結束
2.用戶路徑
路徑圖：用戶在一次會話的程序中，其訪問產品內部的游覽軌跡，通過此，可以加工出關鍵路徑轉換率，
全產品路徑如上，但是關注關鍵路徑才重要，比如下單的路徑，觀察各個路徑的情況，進行優化，
5.電子商務指標
購物籃分
筆單價：用戶每次購買支付的金額，即每筆訂單的支出，對應客單價
件單價：商品的平均價格
成交率：支付成功的用戶在總的客流量中的占比
購物籃系數：平均每筆訂單中，賣出了多少商品，與商品關聯規則有關，
復購率：一段時間內多次消費的用戶占到總消費用戶數之比（忠誠度）
回購率：一段時間內消費過的用戶，在下一段時間內仍然有消費行為的占比（消費欲望）
6. 流量指標
1.游覽量和訪客量
PV：游覽次數，以發起請求次數來判定
UV：一定時間內訪問網頁的人數，UV會通過cookie或IP的訪問次數來判定次數
? 微信中的網頁，UV是不準確的，微信不會保存cookies，
2.訪客行為
新老客戶占比：衡量網站的生命力（適宜就好，過高過低就不行）
訪客時間：衡量內容質量，不是看內容的UV，而是內容的訪問時間，
訪客平均訪問頁數：衡量網站對訪客的吸引力，是訪問的深度
來源：與多維分析相關，訪客從哪里來，游覽方式？手機機型？通過來源網站的引數提取，
退出率：從該頁退出的頁面訪問數/進入該頁的訪問數（衡量網頁產品結構）
跳出率：游覽單頁即退出的次數/訪問次數（衡量落地頁、營銷頁）
7.怎么生存指標
組合！
訪客訪問時長+UV=重度訪問用戶占比（游覽時間五分鐘以上的用戶占比）
用戶會話次數+成交率=有效消費會話占比（用戶在所有的會話中，其中有多少次有消費？）
機器學習，PCA學習，指數法，生成指標，（偏應用）
8.總結
通過三大核心思維，分解-理解-尋找，得到重要的指標，
根據不同行業，運用不同合適的模型
公司在不同時期、階段和模式都有不同的指標，需要有根據目的，從更高層次去尋找有效的指標，
技術能力最常見的就是資料可視化
1.有用的圖表
? 對于資料可視化，大多數人下意識是要好看，下意識的去追求美感，覺得高大尚，其實，美麗的圖表應該是有用的圖表，

? 資料可視化的目的是讓資料更高效，讓讀者更高效的進行閱讀，而不是自己使用，好的可視化能突出背后的規律，突出重要的因素，最后才是美觀，

? 資料可視化的最終目的：資料作用的最大化，

**

2.常見的圖表

**
1.散點圖
核心：展現資料之間的規律
呈現出一定規律的散點圖可增加趨勢線，并通過選項將規律用公式表示出來，
改進圖：
氣泡圖：散點圖的變種，引入第三個度量單位作為氣泡的大小
單軸散點圖

2.折線圖

3.柱形圖

4.餅形圖

用面積區分大小，很多情況下肉眼是很難區分的，上圖為玫瑰圖—餅圖的變種

5.漏斗圖

6.中國地理圖

7詞云圖

8柱形圖與折線圖結合

滿滿干貨，學會這些方法技巧，你還學不會嘛？