毕业三年学Python，发现搞数据分析的，跳槽越来越难了 _大数据

你是不是经常被老板问的一脸懵逼？
比如——
“上周环比周活明显下降，怎么办？”
“互动率下降，如何提升上来？”
“要提升新客 ARPU 值，如何优化现有定价策略？”
有的数据分析师遇到这种问题真是满脑子黑人问号——
数据分析师不就是取数的，会用Excel ，会跑一下 SQL 不就行了。什么时候还得分析这种问题了？
不懂业务，你就 OUT 了
其实，现在结合业务进行数据分析才是大趋势。我好几个做数据分析的朋友，现在都已经转型业务数据分析了。
看一下现在的招聘需求就能发现，对数据分析师的要求，绝对不止跑数、取数、做报表就完事了，业务分析的比重非常大，而且要直接给出策略。
一遇到这种问题，很多数据分析师就犯难了，如何进行业务分析？如何提供可行的方案？
今天就给大家详细讲讲。
举个例子
某天，你负责的资讯类 App 新用户次日留存、7 日留存均低于竞品，达不到 5% 的绝对值，且新用户流失率极高。
如何优化产品，达到提升用户留存 5% 绝对值的目标？
一个合格的数据分析师，一般会从渠道侧、产品侧、用户侧三个方面入手分析。
渠道侧包括UV、一级渠道的次留、7 留，二级渠道的次留、7 留等。
产品侧包括功能渗透率，关键漏斗数据等。
用户侧包括目标用户群体是哪些，用户行为分布情况等。
比如，我们知道人均浏览文章篇数是 3-4 篇，但有多少用户只阅读 1 篇，有多少用户 1 篇都不看，这些都需要细化。
通过排查这些数据，我们发现两个问题：
关键路径数据发现曝光 PV 到点击 PV 的 CTR 很低。
某个量大的二级渠道次留明显要低于其他渠道。
对于 CIR 低就要进一步分析，对于新用户应该曝光什么，以及曝光的位置和时机。
对于该二级渠道，要分析到底是竞品的原因，还是渠道本身质量和用户匹配度的问题。
同时，还要对比高留存的渠道本身的特征是什么。
通过一步步的细化问题，配合A/B test进行测试，最终找到优化空间。
这样的问题在互联网产品中非常常见，因为涉及渠道、产品、用户等多方面的分析，所以很难迅速找到切入点。
但要是不会分析，只能单纯的给个“上升了”、“下降了”的结论，那估计离收拾东西走人也不远了。
所以数据分析师的业务分析，就是通过数据排查、提出问题、产品分析、落地策略等，形成闭环，从而提升产品整体的竞争力，并最终驱动业务增长。
这样的数据分析师，才是各互联网大厂争抢的对象，月薪也远超底层数据分析师。
如何成为大厂争抢的数据分析师？
当然，罗马不是一天建成的，要想成为优秀的数据分析师，一定要有下面这几种能力。
一是要有强悍的数据分析技能储备。
但不要以为只会 Excel、SQL 就行了，、、、数据清洗、统计学这些现在都是标配。
二是要有数据分析思维和模型。
起码知道出了问题怎么排查，去哪埋点，如何建立长效统计模型等。