“21世紀什么最貴，人才”，在目前大數據時代下，什么最難找，什么最貴，實現數據價值的人，數據分析師。

但是對于數據分析師的認識，比較極端，但對數據分析師價值的認識正在回歸理性。很多人對數據分析師的期望，是無所不能，向諸葛亮一樣“指點江山，運籌帷幄”，招了數據分析師，好像一切困難迎刃而解。

的確，好的數據分析師可以在企業中發揮很大的價值，可以對公司未來的用戶行為進行提前預測，從而為營銷人員提供更好營銷參考。例如，以下案例：

女兒竟然懷孕了？！

美國第三大零售連鎖超市Target的一家店鋪，一名男子闖入進行抗議：“你們竟然給我女兒發嬰兒尿片和童車的優惠券？！要知道她才只有17歲啊”。出于客戶服務的需要，超市經理立刻代表公司進行道歉。

然而，若干天后，這位父親再次來到這家超市，很誠摯的向超市經理道歉，原來女兒真的懷孕了，而做父親的沒有察覺，竟然是一家超市提醒了自己，這位父親感到很愧疚。

送走了愧疚的父親，超市經理忍不住好奇，向公司總部詢問我們是怎么做到的。原來Target的大數據工作部門通過數據挖掘的方法“猜到了”這位女士已經懷孕。

如何“猜到”懷孕

-Target的大數據工作團隊，通過數據挖掘模型在數據倉庫中找出25項與懷孕高度相關的商品，制作“懷孕預測指數”。比如他們發現女性會在懷孕四個月左右，大量購買無香味乳液。以此為依據推算出預產期后，實施精準化營銷，搶先于競爭對手將孕婦裝、嬰兒床等折扣券寄給客戶。這也是前述案例發生的根源。

上面可以看到，Target實際上通過如下幾件事情完成了“猜測”客戶懷孕，并進行營銷的過程。

? 數據倉庫

-基礎數據的梳理。

? 數據挖掘

-數據到信息的提煉。

? 精準化推薦

-信息到營銷方案的實現。

母嬰年齡標簽的意義和價值

? 精準化營銷，提升營銷效率

-預知用戶可能需求，從用戶出發，進行精準化推薦，提升營銷效率。

? 提前關懷和激勵，增強用戶粘性，提升用戶重復購買

-提前預知未來用戶群的分布特征，通過營銷活動，關懷并激勵用戶，增強用戶粘性，也可針對性引導用戶進行重復購買。

? 把握用戶需求，優化品類結構，提升庫存周轉

-根據未來用戶群的分布特征，預知可能消費狀況，采購備貨時即可進行參考，在用戶未來需求量大的商品上，加大SKU的寬度和深度，減少需求量小的SKU庫存深度，實現優化品類結構、提升庫存周轉的目標

但是現實中的數據分析師，經常開玩笑說自己是民工，是專門“搬磚”，好像沒有做那么高大尚的工作。在實際中的很大一部分時候是在寫代碼，取數據，處理臨時需求，一起來看看幾個場景：

場景一：開會數據又“打架”

A公司管理層會上，張三部門領導給出的數據說XX指標是在上升了。李四部門領導給出完全相反，XX指標是在下降了。等討論完數據口徑，會議時間到了。

老板內心OS ：又白開了，我必須要招個做數據的人，你們就別出數據了。

場景二：腦袋一拍，目標就來

B公司運營團隊在做一檔大促，活動方案已好，但目標多少。領導腦袋一拍，直接3X！

運營團隊內心OS：領導，到底還能不能好好的玩耍？不是說好數據化運營的嗎？

場景三：親，快給我數據

親，昨天要的數據好了嗎，要定活動目標了？ 分析師內心OS ：今天又要工作到明天

親，明天老板開會，快給幾個數據吧！分析師內心OS ：XXX，我剛到家又要加班

親，銷售掉了，看是不是數據有問題？分析師內心OS :明明就是你業務掉了。

那一個數據分析師具體工作內容有哪些？企業的價值是如何體現？

數據分析師是從數據的角度幫助公司業務團隊監控、定位、分析、解決工作中的業務問題，然后通過數據產品把“洞察”、“知識”結構化的沉淀下來。例如：

所以數據分析師的工作內容分為四個層面：

1、處理臨時需求：解決業務一次性，臨時性的數據需求

2、報表開發：根據業務需要，與開發工程師討論進行相關報表開發。

3、數據分析與挖掘：與業務同事一起溝通，分析業務問題，提供建議; 根據業務需要建立各類挖掘模型。

4、數據產品化：通過數據產品化方式解決結構化業務問題。

幾點經驗分享：

一、有臨時需求的企業才是有生命力的企業，為什么這樣說？

臨時需求的產生來源

? 新業務出現

? 業務發展過程中會不斷出現問題

? 業務發展過程中需要不斷調整優化

? 管理層各類思考，你懂的

? 報表不可能滿足所有看數據需求

二、不要把臨時需求僅僅就當做一個取數工作。學會梳理，管理代碼。

三、把臨時需求做為一個了解業務，學習&熟悉業務，發現業務問題的工具。同時與通過各類臨時需求的處理，為業務方提供滿意的，為后續各類工作的開展打下基礎。

四、不要設計大而全的報表，這種報表基本上”雞肋”。

五、對報表一定要進行生命周期管理。

六、對大多數據企業來說，數據主要還是服務“內部”顧客

本文作者：佚名

來源：51CTO