公司經營的幕後智囊團「數據分析師」

其實數據分析師的對於專業的要求程度很高,一個好的數據分析師是可遇不可求的

樊松蒲 Dennis

樊松蒲 Dennis

2023年11月9日 下午 5:05

行銷數據雜談

這幾年因為商業環境的競爭與科技的進步,數據分析已經是一個很熱門的議題,同時「數據分析」也是一個很好的職業選擇,市場上也開設了非常多基礎的數據分析課程,培育了很多「數據分析」人才,但其實數據分析師的對於專業的要求程度很高,一個好的數據分析師是可遇不可求的,你接著看下去就會知道為什麼我會這麼說。

其實數據分析師細分成很多不同領域,例如有分析財務的、營運的、市場的、會員的、廣告的、人力資源的... 等等,雖然在不同的公司體制下,分工都不太相同,但你通常至少需要具備該領域的背景知識,例如你想成為一個廣告數據分析師,你至少要知道什麼 ROAS 的計算方式、點擊率是怎麼被影響的、不同渠道之間的特性等等,這些領域知識的熟悉程度,會直接影響到你的分析品質。

一般來說「數據」本身只是數據分析師的材料而已,分析的「目的」才是最重要的,例如:輔助公司進行商業決策、降低經營成本、提高收益、協助優化產品、會員經營等等,要在明確的目的下,所進行的分析才有價值。

所以大體來說,我認為數據分析師需要有這三種能力:

  1. 能夠驗證問題,知道什麼是「有效的問題」 
  2. 能夠縮小問題的拆解範圍 
  3. 能夠解釋問題、並針對分析目的回答問題

舉個例子,單就「去分析一下昨天廣告效果不好」這個最常見問題來說,我們首先第一個要知道,廣告效果不好,跟哪一個公司重要目標有關?分析了這個問題,是否能夠有效的帶來正面影響?如果可以,我們接著要確認的是廣告效果不好的基準 ( Benchmark ) 是什麼,如果是跟前一天相比,那麼問題是出在素材、還是到達網頁、還是廣告受眾?接著,如果是到達網頁,那為什麼昨天效果會比前天差,是否有什麼元素變動了?廣告效果不好,可能跟這項改動有關,如果這項改動恢復到跟前天相同,那麼數字會恢復嗎?如果這是最可能的原因,那麼可以進行一個實驗,確定這個想法的正確性。

當然啦,以天為單位數據是過於敏感了,廣告通常是以周或月為顆粒度在分析的。

這是一個簡單的分析思路,也充分說明上述三種能力的交叉運用,但在實務上,局面會再複雜很多。原因是因為,幾乎所有公司數據都是有缺陷的,我們會花非常多時間在整理數據,反覆驗證,讓數據足夠可靠,否則分析出來的結論會不具任何參考價值。

可別小看整理資料跟驗證資料這件小事,其實數據分析師產生的結論,在某種程度上是能夠影響到公司決策的,例如上面「昨天廣告效果不好」的案例來說,所得到的結論如果是昨天新上架的新功能表現不好,那麼公司可能就會考慮不再用這個新功能,所以之前的開發成本可能都付諸流水,原因是因為數據分析師判斷這個功能影響到廣告效果,而廣告效果是公司獲利的重要指標,所以只好捨棄這個辛苦開發的新功能了。

所以你說,數據分析師給出的答案重不重要?

文章標籤