从事数据分析工作之前，需要了解数据分析师的日常工作内容，这样可以了解这些工作内容所需要的技能以及这些工作内容我们适不适合

那么数据分析师的日常工作包括哪些呢？

我们来看一下市面上招聘的数据分析师的工作内容介绍(如图1-11,1-12,1-13所示):

Baidu:

图1-11

Tencent

图1-12

Alibaba

图1-13

概括了一下工作内容和技能如下(图1-14):

图1-14

工作内容主要有 数据体系的搭建， 策略模型的搭建，专题分析评估。

(1) 数据体系的搭建

每一个产品的功能都需要通过数据来监控这个功能的使用情况，包括用户量的变化情况

使用的体验情况，业务的健康情况，业务的机会点等。

所以在公司或者企业内部都会建立起一套相对应的叫做数据体系的东西来帮助监控产

品各个功能模块的情况。

什么是指标体系呢？先从指标的定义说起。

指标: 通过数据计算成的，用来衡量业务的情况的叫做指标， 常见的指标有新增用户

数，日活跃用户数， 周活跃用户数，活跃时长，付费人数

数据体系: 把指标通过一定方法论体系化组织起来，比如拼多多一个大的指标体系就包

括拼多多新增相关指标， 活跃相关指标， 留存相关指标， 付费相关指标等

数据体系的搭建就是帮助某个业务建立起一套完整的指标体系用来帮助业务去监控业

务的走势，及时发现问题

数据体系的搭建过程主要为(如图1-15所示):

图1-15

首先是数据上报，我们通过埋点的方式来上报需要的数据，数据上报的方式一般有客户

端上报和后台上报，因为有些数据只能客户端获取到的，所以只能通过客户端来上报，

比如前端的某个按钮的曝光情况。

根据上报上来的数据，根据业务的计算口径以及需求，我们对这些数据按照一定的计算

计算对应的数据指标，比如某个按钮的曝光点击比的定义就是按钮点击的次数/按钮曝

光的次数。同样的可以计算一系列的数据指标

这些数据指标通过一定的展示和组织就形成了报表，常规的数据指标展示的方式有表格，

折线图，饼图等

数据报表按照一定的逻辑进行组织就形成了数据体系，比如按照新增，活跃，留存，付

费，转发, 这样的AARRR模型进行组织

(2) 策略模型的搭建

针对业务的需求，帮助业务方解决业务问题，我们需要搭建相对应的策略模型，常见

的策略模型有:

针对付费的业务，需要搭建付费预测模型，预测未来那一批用户会付费，哪一些用户会

流失，这样就可以针对即将要流失的用户提前做挽留，对已经流失的用户利用礼包等策

略进行召回。

付费预测模型的搭建过程主要是利用到机器学习中的分类模型， 常见的有决策树， 逻

辑回归模型，利用用户付费相关的行为作为特征，比如用户的活跃行为，活跃时长，

年龄，性别，过去付费的行为。

针对用户增长的业务，需要搭建用户流失预警模型，预测未来哪些用户会流失，这样业

务方可以对即将要流失的用户利用运营的手段进行挽留 。

用户流失预警模型的搭建和付费模型搭建的过程类似。都是属于机器学习中的分类模型

可以解决的问题。

但是对于一些用户分层的问题。分类模型解决不了，就需要聚类模型了。常用的聚类模型有kmeans, DBSCAN。

针对指标预测的问题，常用的方法有时间序列预测法。

(3) 专题分析评估

专题分析评估主要是针对业务的一些问题开展的专题分析，常见的专题分析评估有:

波动归因: 针对指标的波动，开展专题分析，挖掘波动的原因，并给出建议

专题评估: 针对产品功能上线，迭代的评估效果， 活动上线评估效果， 策略上线评估

效果

专题探索: 留存专题探索，包括什么因素是留存的关键抓手, 用户增长探索，挖掘增长

的一些关键行为抓手的探索。