知乎好问 | 数据分析到底需要哪些能力?
数据分析师的能力模型是数据分析面试的时候,常会被问到的一个问题,对这个问题的理解能够体现出候选人对这一职位的理解和未来发展的思考。
以我的理解来讲,数据分析师的元能力是问题解决能力,此外,解决更负责的问题要求我们具有管理能力,通过团队的共同努力解决问题。
首先我列出了数据分析师整体的能力模型框架,接下来,我们根据问题解决的步骤对这一框架进行拆解,看看是什么支撑着我们达成目标。
了解和界定问题
这部分来说,最重要的是沟通能力。
工作场景下,我们会接触大大大小小,不计其数的问题和需求,它们可能来自于领导、同事、业务团队,甚至我们自己。
工作是无限的,但人的时间和精力是有限的。因此,当我们最初接触一个问题,先不要进入实际的问题思考和解决,而是要先明确:
这个问题的背景是什么?问题背后隐含的实际需要是什么?
解决后(对公司、对团队、对个人)的收益是什么?是否急需解决?
什么样的产出形式是合适的?问题需要解决到怎样的程度?
......
上述问题的答案决定了我们是否要解决一项问题、问题的紧急程度,以及怎样解决一项问题,而获取答案的过程,依赖于和需求方持续、深入、良好的沟通
问题拆解
问题拆解需要良好的商业认知、业务理解和逻辑思维能力。
问题拆解最重要的方法是议题树(Issue Tree)的搭建。对于议题树,我们要求它遵循MECE的原则,即完成穷尽、相关独立。
一方面,我们希望议题树能够覆盖到问题的各个方面,不产生遗漏。这依赖于行业经验,或是对行业专家进行访谈、咨询,但总的来说,是依赖于对业务的理解。
另一方面,议题树的各个部分应该是相互独立的,不能发生重叠。与完全穷尽不同,对于相互独立我们完全可以从逻辑出发,选取合适的划分标准避免发生重叠。
例如,我们希望提升知乎用户的人均回答阅读量,要如何搭建议题树呢?
人均回答阅读量 = 人均问题曝光量 x CTR x 每问题回答阅读量
从上面的公式可以看出,人均回答阅读量这一指标,被拆解成了人均问题曝光量、CTR(点击率)、每问题回答阅读量(= 回答阅读量/问题点击量)这几个指标的乘积。
因此,提升日均回答量这一问题就变成了提升人均问题曝光量、提升CTR、提升每问题回答阅读量这几项子议题。
议题筛选与排序 & 详细的工作计划制定
议题筛选与排序需要对各项子议题的价值进行判断,工作计划制定包含工作项、负责人、排期、产出成果等。
大的方面来说,就是项目管理的能力,细化起来,包括沟通、信息收集、工作分配、时间管理等。
主要议题分析
这一步就是我们狭义上所说数据分析的范畴,包括数据获取、数据处理、数据分析、数据展示、报告撰写。
数据获取:企业内部数据基本使用SQL,外部或非公开数据则依赖信息检索能力、访谈、ColdCall等多种方式获取;
数据处理:数据处理手段多种多样,主要是工具、技术的使用,非编程的包括Excel、BI工具、SPSS、SAS等,编程类的包括R(学术界较多)、Python(企业界较多)等
数据分析:统计知识、机器学习算法
数据展示:可视化工具与数据处理所需的类似,不再赘述,软性能力方面主要包括对图表作用的认知、设计能力等
报告撰写:结构化的逻辑思维、PPT设计制作
6 成果汇报与落地执行
工作中,不能够只做不说,同时,数据分析做为一项支持性工作,工作价值的产生也依赖于产出成果的落地执行。
因此,表达能力、方案执行的落地推进能力也是重要的技能,甚至是进阶高级分析师或是管理职位的必备要素。