下载掌阅APP，畅读海量书库
立即打开
小白： 老姜，听了您的讲述，使我更加深入地了解了数据分析的岗位类型。除此之外，也想听您说说数据分析具体有哪些工作内容，综合评估一下入行的难易程度。
老姜： 当然没问题，那你要做好笔记哦！虽然数据分析岗位有多种类型，但工作内容存在很多交集。这里和你分享一些核心且普适性的工作内容，未来工作中大概率会接触到，其中核心内容也会在后面的章节中详细讲解。
小白： 太好了，这正是我目前想学习的！
老姜： 那我们开始吧，从数据流转的角度来看，数据分析的工作内容主要包含五个层面，分别为数据埋点层、数据仓库层、数据分析层、数据BI层、数据报告层，如图1-2所示。
图1-2 数据分析的工作内容
正所谓“巧妇难为无米之炊”，数据分析的前提是有数据，而数据生产恰好是保障有数据的前提条件。由于数据分析师是最接近数据应用层的岗位，因此，更需要对数据的来源及准确性有充分的了解，前置介入数据生产是很有必要的。
数据埋点是数据生产的核心环节，通过在App界面内植入统计代码，采集用户在端内的行为数据。埋点主要由产品经理、数据产品、数据分析、研发测试人员共同执行完成，其中数据分析师的具体工作内容如下。
· 埋点设计： 负责设计及维护数据埋单方案，保障埋点的规范性。
· 埋点校验： 负责具体业务埋点后的验收工作，保障数据准确无误地传输至底层数据中。
依据数据的流转顺序，数据生产后的步骤为数据加工，而数据仓库则为数据加工的“场所”。数据仓库的建设及维护，一般由数据工程师（Data Engineer，DE）直接负责，而数据分析师的具体工作内容如下。
· 核心表设计： 负责数据链路中核心表字段及逻辑的设计，并指引DE进行开发。
· 应用层数据建设： 负责数据仓库偏应用层的数据建设及维护。
数据分析层是数据仓库的下游，也是数据分析师的核心工作，70%的工作内容在此完成。数据分析层的核心，是将仓库中提取的数据，结合科学的分析方式，输出对业务有价值的数据结论。数据分析师的具体工作内容如下。
· 业务指标体系搭建： 负责梳理数据链路，搭建业务化的指标体系。
· 业务指标问题排查： 负责监控业务核心指标，并通过归因分析，找出影响异动的本质原因。
· 业务指标预测分析： 负责预测业务核心指标走势，帮助高层形成心理预期，辅助其决策。
· 产品迭代探索分析： 负责通过科学的分析方法，探索产品现阶段问题，并对未来发展提出迭代改进建议。
· 产品迭代实验分析： 负责通过小流量实验，验证改进方案是否有效，是否可以将迭代方案放量到全量用户人群。
· 用户增长体系分析： 负责研究产品是否能服务好不同阶段的用户，其中涵盖潜客期用户、新增用户、成长期用户、成熟期用户、衰退期用户、流失期用户；探索如何提高用户对于产品的黏性。
· 竞对发展研究分析： 负责监控竞对的发展动态，有针对性地调整业务策略。
随着分析的落地，很多数据需要例行化产出及可视化展现，供业务方中长期使用。因此，数据分析会涉及数据BI层的工作，具体工作内容如下。
· 搭建数据看板： 负责日常数据看板的搭建，供业务方时时关注指标动态。
· 搭建指标监控： 负责将核心指标及其归因分析方法例行化自动输出，供业务方排查应用。
· 辅助建设BI平台： BI平台建设一般由数据产品及开发负责，但由于数据分析师是最接近业务的岗位，因此需要负责辅助搭建BI平台，收集业务方的反馈建议。
数据分析的价值，往往通过汇报的方式输出给业务方，因此，数据分析师需要花一部分时间撰写报告，具体工作内容如下。
· 出具日常周报/月报： 负责将日常常规分析结论，定期输出给业务方。
· 出具产品分析报告： 负责将产品问题及探索分析结论，不定期输出给业务方。
· 出具市场分析报告： 负责定期对市场环境进行调研，并将结论汇总输出给业务方。
· 出具竞对分析报告： 负责关注竞对动态，定期汇总成分析报告，输出给业务方。