数据分析师缺少核心竞争力,该怎么做?
0x00 前言
本文来自,一位数据分析师朋友对数据分析发展方向的困惑,觉得自己没有核心竞争力。这个问题也很常见,居士的观点是如下:
明确自己岗位在行业、公司、团队中的定位,先确定什么是核心竞争力!
确定什么是核心竞争力之后,再考虑如何增加竞争力
很多小伙伴,在最开始并没有抓住方向,感觉没有核心竞争力就开始各种去学,有点病急乱投医。
当然,第一步如何明确核心竞争力也往往是最难的,这一点并没有统一的答案,需要不断去认识行业、认清自己。
0x01 职业困惑
传统商业数据分析存在的意义在于数据会与业务发展相互促进,即业务发展积累更多数据用于分析、数据分析为业务战略选择提供方向。但现在面临两个局限:
业务的发展有很多是基于过去和现状的考虑。这将导致以下问题:
我们从数据分析中得出来的结论,是大家所公知的;
数据分析结论与未来商业发展方向的不一致(比如新型增长行业不一定盈利,或许只是热度);
从另一个维度讲,很多商业机密的信息,并不会以数据的方式呈现。如此,数据分析结论的意义会在一定程度上大打折扣。
目前很多公司都有建立有自己的报表系统和统计网站,基本上会囊括很大一部分分析图标与方法。这些方法和结论,对现在的工作成果形成了一定的替代性。
以上,感觉单独做数据分析,核心竞争力越来越低。如果要进行跨专业技术结合的话,有没有更好的建议,谢谢。
0x02 困惑解答
分 3 个角度讨论一下。
一、数据分析的工作范畴
数据分析可以做的点很多,以你举例的场景,很多是在做描述性数据分析。而数据分析容易产生价值的环节覆盖了:
解释现象
找到原因
给出预测
指导操作
这里面,有很多可以深入做,并且提升竞争力的点。
第一个建议:在数据分析领域,形成自己的核心竞争力,和技能无关,更多的是如何分析一个课题。
如果你的工作环境中,大家对数据分析的价值提出了挑战,可以思考一下,各个环节是否做的到位。
举个例子,比如dau下降这个问题。
有分析师给出的结论是:因为某个版本改版,大家流失了。这个结论就比较泛了。
有的分析师,给出结论可能是:
因为某个版本的某个改动,导致中度活跃的用户在环节a处放弃动作。
原因是这个动作增加了用户的使用成本,如果继续这样下去,会流失60%的中度活跃用户
但是由于这个改版满足了低活跃用户的某种诉求,虽然整体下降了,但是低活群体的活跃度提升了。
建议下一步,针对不同用户群体,进行不同的版本实验,提供不同的内容。
同样是dau下降,大家同样都知道这个结果,但是内容相差很大。
ps,现实中的分析比这个更复杂一些,此处是简单举个例子。
二、数据分析的竞争力
基础工具,是不具备核心竞争力的,基础平台建设越好,分析师的工作越好做,这是好事。
数据分析更多的是从数据中给出解答,这一点需要用各种基础工具来完成,这是难被替代的。分析思路和框架最重要。
三、 是不是要学更多技能
需要。
针对性学。
比如业务领域知识,这个比学技能更重要。
更优秀的分析方法,比如时间序列分析,简单搞,你可以用一个多项式曲线去拟合,经典的方法可以用arima,流行一些的话可以用facebook开源的prophet,上深度学习的话可以用lstm,不同方法有各自的优点。
0xFF 总结
每个岗位都有所需要的核心竞争力,但是,这个并不是最重要的,最重要的应该是找到自己擅长的事情并结合该领域的要求,形成具备自己特色的核心竞争力,这个才是你真正需要的。
欢迎关注木东居士,也欢迎提出你的疑问,我们一起探讨和交流。