百里想做數據分析.
如下是帆軟數據運營官及數據分析一些學到的東西
一:數據分析師方向:
1:業務型: 業務是數據分析的根本,只有透徹了解業務,才能從中分析出問題所在.業務型對分析師的業務理解能力要求非常高。
2:數據研發型:這個發展方向要求你對技術非常熟練，能夠通過技術對數據進行分析。
3:算法型:算法型要求你數學功底要好，而且課題的研究能力非常強。
二:數據分析師日常該做什么:
1:日報/周報/月報;
2:臨時數據;
3:常規工作的修改;(改變當前工作現狀提升產能)
A:為什么要看日報呢:?
通過日報可以了解最清楚的了解業務現狀.; 可能會存在每天業務數據就那個樣子不動的情況.
如果數據一致保持那樣, 說明公司業務出問題,此時數據分析師應該指出問題所在.體現自己的價值
B:通過日報培養自己的數據敏感性!
通過每天查看業務數據,關注業務數據波動,培養自己業務敏感度.
為業務提供發展建議，因為數據波動時肯定需要尋找波動原因，為何漲跌，久而久之你就會發現產品或運營在做出何種調整后數據會出現漲跌，進而能夠為業務發展提供更合理的發展建議。
C:通過日報/周報/月報 了解分析的本質.
數據敏感性和業務的發展建議都是從日報/周報/月報的分析總結中不斷積累的，而對於大部分公司來說日/周/月報只是常規性的經營分析，羅列數字，很多時候失去了數據分析的本質意義。重要點是了解波動原因.波動原因是痛點.
D:臨時數據處理技巧
拿到數據業務口徑(知道數據從哪里來的),通過sql 把結果數據顯示出來.
原則上不做提數機器. 針對業務單點維濤.追根溯源,建立該業務類的分析框架，由點及面徹底解決該類問題。
E: 常規工作的技巧
第一個技巧關於日報處理，如果每一天都需要花費很多時間去分析，不如交給機器處理，比如通過 Python 搭建日報分析框架減輕工作壓力。
第二個技巧就是因為分析師每天都很忙，會有大量的業務需求需要數據支撐，這時便需要保持一顆清醒的頭腦，能夠將需求進行合理的優先級排期。
第三個技巧就是遇到自己不能解決的問題時，及時與自己的領導進行溝通，不要低頭盲目做事，很多時候他們會看得更高，難題往往可以迎刃而解。
三:專題分析
專題分析比較考驗分析師的思維、技術、時間管理、演講能力等，
所以做好一份專題分析並不容易，主要可以分為 4 步：
1:需求解讀；
2:建立邏輯樹；
3:SQL 提數及分析；
4:撰寫報告的三個建議。
1:需求解讀
我們知道要花費20% 時間在溝通需求上
原始需求-->了解需求-->本質需求
原始需求:目標訴求需求,詢問需求有點到面.該需求有哪些數據組成.希望預習獲取的結果
了解需求:完成后對需求有哪些幫助,提升了哪些相關產能.對日活有哪些幫助,及放大當前操作問題.
本質需求:該如何優化.哪些功能不滿足,該如何滿足
2: 建立邏輯樹
建立邏輯樹
建立邏輯樹的目的是讓思路更加簡潔清晰，比如針對四月份的活動運營分析，涵蓋了活動前、中、后，同時活動前又包括了流量和收入。以流量為例，流量包括活動前每天的流量效果，因為活動前往往會做一些預熱，所以會出現流量波動。
同時在活動中，也涉及流量和收入，比如 DAU/MAU 是否提升，拉新情況，老用戶喚醒情況，活動中連續訪問情況，上線頻次分布，等等。同時還需要注意各類活動的橫向對比情況，進而可以對業務提出優化建議，而不只停留在簡單的數字上。
而活動后的流量涉及拉新用戶的沉淀效果如何？不活躍的老用戶在活動中的表現，后續活躍度如何？以及匯總數據和復盤數據分析。
面對需求一定要建立合理的邏輯樹，有了邏輯樹才能知道具體需要分析的點是哪些。
使用效果前內容---->需求解決后效果--->后續內容沉淀(功能復盤)