數據分析師的完整知識結構
1. 數據采集
了解數據采集的意義在于真正了解數據的原始面貌,包括數據產生的時間、條件、格式、內容、長度、限制條件等。這會幫助
數據分析師更有針對性的控制數據生產和采集過程,避免由于違反數據采集規則導致的數據問題;同時,對數據采集邏輯的認識增加了
數據分析師對數據的理解程度,尤其是數據中的異常變化。比如:Omniture中的Prop變量長度只有100個字符,在數據采集部署過程中就不能把含有大量中文描述的文字賦值給Prop變量(超過的字符會被截斷)。
在Webtrekk323之前的Pixel版本,單條信息默認最多只能發送不超過2K的數據。當頁面含有過多變量或變量長度有超出限定的情況下,在保持
數據收集的需求下,通常的解決方案是采用多個sendinfo方法分條發送;而在325之后的Pixel版本,單條信息默認最多可以發送7K數據量,非常方便的解決了代碼部署中單條信息過載的問題。(Webtrekk基于請求量付費,請求量越少,費用越低)。當用戶在離線狀態下使用APP時,數據由于無法聯網而發出,導致正常時間內的數據統計分析延遲。直到該設備下次聯網時,數據才能被發出并歸入當時的時間。這就產生了不同時間看相同歷史時間的數據時會發生數據有出入。在數據采集階段,
數據分析師需要更多的了解數據生產和采集過程中的異常情況,如此才能更好的追本溯源。另外,這也能很大程度上避免“垃圾數據進導致垃圾數據出”的問題。
2.數據存儲
無論數據存儲于云端還是本地,數據的存儲不只是我們看到的
數據庫那么簡單。比如:
數據存儲系統是MySql、Oracle、SQL Server還是其他系統。數據倉庫結構及各庫表如何關聯,星型、雪花型還是其他。生產
數據庫接收數據時是否有一定規則,比如只接收特定類型字段。生產
數據庫面對異常值如何處理,強制轉換、留空還是返回錯誤。生產
數據庫及數據倉庫系統如何存儲數據,名稱、含義、類型、長度、精度、是否可為空、是否唯一、字符編碼、約束條件規則是什么。接觸到的數據是原始數據還是ETL后的數據,ETL規則是什么。數據倉庫數據的更新更新機制是什么,全量更新還是增量更新。不同
數據庫和庫表之間的同步規則是什么,哪些因素會造成數據差異,如何處理差異的。
在數據存儲階段,
數據分析師需要了解數據存儲內部的工作機制和流程,最核心的因素是在原始數據基礎上經過哪些加工處理,最后得到了怎樣的數據。由于數據在存儲階段是不斷動態變化和迭代更新的,其及時性、完整性、有效性、一致性、準確性很多時候由于軟硬件、內外部環境問題無法保證,這些都會導致后期數據應用問題。
3.數據提取
數據提取是將數據取出的過程,數據提取的核心環節是從哪取、何時取、如何取。從哪取,數據來源——不同的數據源得到的數據結果未必一致。何時取,提取時間——不同時間取出來的數據結果未必一致。如何取,提取規則——不同提取規則下的數據結果很難一致。
在數據提取階段,
數據分析師首先需要具備數據提取能力。常用的Select From語句是SQL查詢和提取的必備技能,但即使是簡單的取數工作也有不同層次。第一層是從單張
數據庫中按條件提取數據的能力,where是基本的條件語句;第二層是掌握跨庫表提取數據的能力,不同的join有不同的用法;第三層是優化SQL語句,通過優化嵌套、篩選的邏輯層次和遍歷次數等,減少個人時間浪費和系統資源消耗。其次是理解業務需求的能力,比如業務需要“銷售額”這個字段,相關字段至少有產品銷售額和產品訂單金額,其中的差別在于是否含優惠券、運費等折扣和費用。包含該因素即是訂單金額,否則就是產品單價×數量的產品銷售額。
數據挖掘是面對海量數據時進行數據價值提煉的關鍵,以下是算法選擇的基本原則:
沒有最好的算法,只有最適合的算法,算法選擇的原則是兼具準確性、可操作性、可理解性、可應用性。沒有一種算法能解決所有問題,但精通一門算法可以解決很多問題。挖掘算法最難的是算法調優,同一種算法在不同場景下的參數設定相同,實踐是獲得調優經驗的重要途徑。
數據分析相對于
數據挖掘更多的是偏向業務應用和解讀,當
數據挖掘算法得出結論后,如何解釋算法在結果、可信度、顯著程度等方面對于業務的實際意義,如何將挖掘結果反饋到業務操作過程中便于業務理解和實施是關鍵。
6.數據展現
數據展現除遵循各公司統一規范原則外,具體形式還要根據實際需求和場景而定。基本素質要求如下:工具。PPT、Excel、Word甚至郵件都是不錯的展現工具,任意一個工具用好都很強大。形式。圖文并茂的基本原則更易于理解,生動、有趣、互動、講故事都是加分項。原則。領導層喜歡讀圖、看趨勢、要結論,執行層歡看數、讀文字、看過程。場景。大型會議PPT最合適,匯報說明Word最實用,數據較多時Excel更方便。最重要一點,數據展現永遠輔助于數據內容,有價值的數據報告才是關鍵。
7.數據應用
數據應用是數據具有落地價值的直接體現,這個過程需要
數據分析師具備數據溝通能力、業務推動能力和項目工作能力。數據溝通能力。深入淺出的數據報告、言簡意賅的數據結論更利于業務理解和接受,打比方、舉例子都是非常實用的技巧。
業務推動能力。在業務理解數據的基礎上,推動業務落地實現數據建議。從業務最重要、最緊急、最能產生效果的環節開始是個好方法,同時要考慮到業務落地的客觀環境,即好的數據結論需要具備客觀落地條件。項目工作能力。數據項目工作是循序漸進的過程,無論是一個
數據分析項目還是數據產品項目,都需要
數據分析師具備計劃、領導、組織、控制的項目工作能力。