1.4　數據分析的具體工作內容

小白：老姜，聽了您的講述，使我更加深入地了解了數據分析的崗位類型。除此之外，也想聽您說說數據分析具體有哪些工作內容，綜合評估一下入行的難易程度。

老姜：當然沒問題，那你要做好筆記哦！雖然數據分析崗位有多種類型，但工作內容存在很多交集。這里和你分享一些核心且普適性的工作內容，未來工作中大概率會接觸到，其中核心內容也會在后面的章節中詳細講解。

小白：太好了，這正是我目前想學習的！

老姜：那我們開始吧，從數據流轉的角度來看，數據分析的工作內容主要包含五個層面，分別為數據埋點層、數據倉庫層、數據分析層、數據BI層、數據報告層，如圖1-2所示。

1.4.1　數據埋點層

正所謂“巧婦難為無米之炊”，數據分析的前提是有數據，而數據生產恰好是保障有數據的前提條件。由于數據分析師是最接近數據應用層的崗位，因此，更需要對數據的來源及準確性有充分的了解，前置介入數據生產是很有必要的。

數據埋點是數據生產的核心環節，通過在App界面內植入統計代碼，采集用戶在端內的行為數據。埋點主要由產品經理、數據產品、數據分析、研發測試人員共同執行完成，其中數據分析師的具體工作內容如下。

·　埋點設計：負責設計及維護數據埋單方案，保障埋點的規范性。

·　埋點校驗：負責具體業務埋點后的驗收工作，保障數據準確無誤地傳輸至底層數據中。

1.4.2　數據倉庫層

依據數據的流轉順序，數據生產后的步驟為數據加工，而數據倉庫則為數據加工的“場所”。數據倉庫的建設及維護，一般由數據工程師（Data Engineer，DE）直接負責，而數據分析師的具體工作內容如下。

·　核心表設計：負責數據鏈路中核心表字段及邏輯的設計，并指引DE進行開發。

·　應用層數據建設：負責數據倉庫偏應用層的數據建設及維護。

1.4.3　數據分析層

數據分析層是數據倉庫的下游，也是數據分析師的核心工作，70%的工作內容在此完成。數據分析層的核心，是將倉庫中提取的數據，結合科學的分析方式，輸出對業務有價值的數據結論。數據分析師的具體工作內容如下。

·　業務指標體系搭建：負責梳理數據鏈路，搭建業務化的指標體系。

·　業務指標問題排查：負責監控業務核心指標，并通過歸因分析，找出影響異動的本質原因。

·　業務指標預測分析：負責預測業務核心指標走勢，幫助高層形成心理預期，輔助其決策。

·　產品迭代探索分析：負責通過科學的分析方法，探索產品現階段問題，并對未來發展提出迭代改進建議。

·　產品迭代實驗分析：負責通過小流量實驗，驗證改進方案是否有效，是否可以將迭代方案放量到全量用戶人群。

·　用戶增長體系分析：負責研究產品是否能服務好不同階段的用戶，其中涵蓋潛客期用戶、新增用戶、成長期用戶、成熟期用戶、衰退期用戶、流失期用戶；探索如何提高用戶對于產品的黏性。

·　競對發展研究分析：負責監控競對的發展動態，有針對性地調整業務策略。

1.4.4　數據BI層

隨著分析的落地，很多數據需要例行化產出及可視化展現，供業務方中長期使用。因此，數據分析會涉及數據BI層的工作，具體工作內容如下。

·　搭建數據看板：負責日常數據看板的搭建，供業務方時時關注指標動態。

·　搭建指標監控：負責將核心指標及其歸因分析方法例行化自動輸出，供業務方排查應用。

·　輔助建設BI平臺：BI平臺建設一般由數據產品及開發負責，但由于數據分析師是最接近業務的崗位，因此需要負責輔助搭建BI平臺，收集業務方的反饋建議。

1.4.5　數據報告層

數據分析的價值，往往通過匯報的方式輸出給業務方，因此，數據分析師需要花一部分時間撰寫報告，具體工作內容如下。

·　出具日常周報／月報：負責將日常常規分析結論，定期輸出給業務方。

·　出具產品分析報告：負責將產品問題及探索分析結論，不定期輸出給業務方。

·　出具市場分析報告：負責定期對市場環境進行調研，并將結論匯總輸出給業務方。

·　出具競對分析報告：負責關注競對動態，定期匯總成分析報告，輸出給業務方。