衡量数据分析员是否称职的关键是什么？

你知道吗？在过去的一分钟里，Instagram上有1736111个赞，Snapchat上有284722张照片/视频分享，Tinder上有590278个“翻牌”。移动应用程序和移动游戏的快速发展催生了大量的数据。这些数据生动地描绘了用户的使用轨迹和行为习惯，其价值难以估量。因此，对这些数据进行专业研究的数据分析师已经成为一个热门话题，他们的分析结论可能会对产品的发展趋势产生很大影响。作为一名数据分析师，在大量数据中找到有意义和有价值的内容并不容易。过去，绝大多数数据分析师来自统计学或编程学人才。随着越来越多的企业发现数据分析师应该同时具备数据分析能力和业务运营能力，这种情况近年来才发生了变化。衡量数据分析师是否有足够的能力来解释数据、问“正确”问题和回答问题的灵活性是关键。数据分析师Paveltrejbal拥有认知信息学硕士学位，在Appagent工作(为移动游戏工作室和创业团队提供营销服务的企业)。他的学术领域涉及经济教育学、心理学、脑科学、语言学、人工智能和哲学等多个学科。Pavel说：“我不敢说我是这些领域的专家，但对这些领域的广泛理解确实帮助我从一个意想不到的角度找到解决方案。“在数字海洋中翻滚了六年，Pavel有很多成功的表现，也有很差的分析结论。在这里，他与我们分享了数据分析师最常犯的五个错误，以及相应的预防方法/建议。错误1：执着于完美的算法显然有现成的、简单的但非常适用的方案，但花时间在数据算法的角落，这是数据分析师犯的最常见的错误。与其花一整个月的时间交出一份非常详细的长文报告，不如在短时间内交出一份简单的数据分析。也许后者在一些细节上不够准确，但你的上级迫切需要有直接参考价值的结论。直击重点是最有效的做法，时间在商业战争中太重要了！错误二:不要这样做迷信完美通用的方法论。每一个业务，每一个分析，都是有区别的。完美通用的方法论听起来很漂亮，但具体的方案必须自己思考。每一次分析都要面对新的挑战，开放思考，亲自分析，不能依赖过去的类似案例。错误3：只看数据，忽略其他分析依据。如果在数据分析过程中发现一些特别突出的数据变化，请记住：三人行必须有我的老师。结论出来之前，主动找产品运营、社区运营或者游戏策划商量。毕竟这些同事是最直接接触用户，最了解产品的人。不同的数据变化往往来自不科学的解读方法或数据采集过程中的技术错误。错误4：清理数据的方式不科学。数据清理是数据分析中一个无聊的过程，通常需要大部分时间，但这个过程不容忽视。在清理数据的过程中，你会知道哪些地方分析错误或遗漏，哪些地方限制了你的解释能力。如果跳过这个过程，分析结果很可能不可靠，甚至得出与客观情况完全相反的结论。错误5：无法区分不同的工具和指标，因为总是有不同的技术设置或指标定义，所以每个数据分析工具都是独一无二的。在使用这些工具之前，一定要知道区别在哪里。最近，我们对GoogleAnalytics采样分析中的转化率和收入数据进行了A/B测试。一开始，A变量在两个指标中都比B变量表现得更好，但我们并没有直接采用这个结论。下载原始数据进行手动分析。分析结果与以前完全相反，A变量在两个指标中都比B变量差得多。离开座位，多走Pavel确信，作为一名数据分析师，无论如何都不应该留在自己的“象牙塔”里。相反，数据分析师应更多地参与公司的日常业务，如参加运营营销系统和产品策划团队的会议。通过这种方式，数据分析人员可以更好地了解规划者和决策者的需求，接收更多与产品直接相关的信息，并及时提出提高产品性能的数据分析方案。此外，决策者还能更好地理解数据分析的价值，激发整个团队的研究精神。数据分析是一个非常重要的环节，虽然非常复杂，但在掌握了一定的逻辑和方法后，应该说不会有太多的困难。而且，这难道不是我们前车之鉴吗？不要再犯这些错误了。