数据分析在干嘛？这个问题在Google可以得到无数多的回答，其中一个标准的答案会是：透过分析数据，得出具备商业价值的结论并推动公司成长。
其中的商业价值根据公司的特性可能会是产品优化方式、某种算法模型、特定主题的分析报告。然而对于行业外的人或是新人而言，这个答案实在很飘渺。
为了让上面这段叙述更有感，我想最简单的方式就是直接看工作的时程安排(说白了这篇文章就是一周的工作流水帐…)
希望这篇文章能够让大家更认识所谓的数据分析工作。
周一：
10:00~10:30 小程序的BI看板显示流量(PV)来源出现很多”未定义”(占了总PV 10%)，确认代码正确、确认底层数据正确 ;
10:30~11:30 知识付费分析需求：与业务开会，了解业务模式、分析面向、暂定10个数据需求，包含一次性的分析及架设到BI看板日常监测 ;
13:30 -15:00 找出小程序PV为”未定义”的场景值，向业务方了解，结论为微信官方对入口的场景值有异动 ;
15:00–16:30 调整小程序PV来源的SQL ;
17:00~18:00 跟商业化同事进行数据需求会议及该业务发展的策略方向 ;
18 :00- 19:30 对小程序PV的SQL进行数据勘误&数据回刷&重新发布 。
周二：
10:30–12:00 BI 临时战略会议 ;
14:00–20:00 知识付费相关的数据表study，写了5张SQL中间表 。
周三：
10:00~12:00 与数据仓储同事进行会议，讨论order表中，数据出现异常的修复逻辑 ;
14:00~15:00 写知识付费SQL(一次性分析) ;
15:00~15:30 了解财务数据需求(meeting) ;
15:30~16:30 找财务端技术了解 ;
17:00~20:00 写知识付费SQL(一次性分析)，简单整理一次性分析的数据(主要是Excel跟Tableau+一点点R，明天还要找业务方做初步讨论)。
周四：
10:30~11:30 与知识付费的开发开会，了解功能新增之后，后台架构的变化及厘清库表逻辑 ;
13:30~14:30 与知识付费的业务讨论初步分析的数据，一致认同某几个维度意义不大，沟通后调整新的方向 ;
15:00~15:30 重新整理知识付费的SQL架构
16:00~20:30 改写SQL，整理新数据后给业务 。
周五：
10:00~10:30: 设计知识付费的BI看板架构 ;
10:30~12:30 根据前几天的几个SQL，再优化成宽表 ;
14:00~14:30 捞一下财物要的数据 ;
15:00~ 19:00 搭建知识付费的BI看板(PrestoSQL)。
对于面向业务问题的数据科学/机器学习项目，很多时候难点并不在于某个具体的技术， 而在于能够一条龙跑通(end-to-end)，以及在这个过程中需要有拼搏精神、以及主人翁精神(ownership)。
- 这几个业务都是新的业务，在系统功能、后台模块的架构以及数据库的逻辑花了大多的时间了解。这周以写SQL为大宗，为数据分析的基础前置作业。若月均的时间分布，大致是取数20%、分析40%、业务沟通25%、数据仓储/BI系统 15%。
- 对于面向业务问题的数据科学/机器学习项目，很多时候难点并不在于某个具体的技术， 而在于能够一条龙跑通(end-to-end)，以及在这个过程中需要有拼搏精神、以及主人翁精神(ownership)。不要去分哪些是业务部的责任、哪些是产品经责任、哪些是机学习、哪些是工程， 是要从全局上深入解问题和挑战在哪 ，哪里有需要，就往哪里上。
-
每种数据分析的定位会不太一样，但我觉得需要的技能差不多，只是在于要点满哪一项，全点满就是传说中的数据科学家了。
SH View.jpeg
网友评论