数据分析系列:如何培养数据意识?

大数据 数据分析
数据分析这个词在近些年出现的频率颇高,不管是刚入职的小白还是工作多年的大佬都认可其在工作中的重要性。想要提高数据分析能力,首先要培养数据意识。本文作者基于自身经历,提出了自己的一点建议,希望对你有帮助。

 应某读者要求,分享先从数据分析开始,包含如下章节:

  1. 如何培养数据意识
  2. 如何制定日常数据观测指标
  3. 常用的数据分析方法
  4. 数据分析常用工具
  5. 数据分析实战案例

好了,正式进入本次分享内容:如何培养数据意识?

[[336200]]

相信看这篇文章的朋友,都非常清楚数据分析能力的重要性:招聘岗位上的高频词汇、各类卖课软文的吹捧加持,以及每一个产品迭代决策,都与数据密切相关。

于是,每个产品经理心中都会有一个问题:想提高数据分析能力,我该怎么办?

对此,我给出的16字建议是:意识先行,方法指引,行动强化,以教为学。

 

数据分析系列:如何培养数据意识?

 

每一块怎么理解,后面会慢慢讲到。我们先来看,意识部分。

先有传球意识,才能传出好球;先有减肥意识,才会采取行动。数据意识亦是如此,它在打怪升级的路上充当着引领者的角色。

一、两份清单,开启意识培养第一步

我在开始学习一个新技能时,常常喜欢先找在这个方面做非常出色的前辈。先请教、再模仿、最后消化形成自己的东西。

怎么培养数据意识,很多同学不知道怎么办?

教大家个办法:列清单。

两份清单:一份是问题清单,向前辈学习的问题清单;一份是行动清单,将计划落到实处。

1. 问题清单

光靠空想是无法解决问题的,必须要行动起来。问题清单的目的是让大家带着问题去观察、发现前辈们身上优秀的特质。问题清单如下,仅做部分示例。

 

数据分析系列:如何培养数据意识?

 

可能大家会有疑问:问题清单为啥是这四个问题?这个和我的学习思路有关:发现-认可-行动-持续,四步快速学习一种新技能。

2. 行动清单

行动清单的目的,让计划推更容易落地。在准备的过程,可以帮自己理清想要的是什么,也具备慢慢的仪式感,告诉自己:学习数据分析,我来真的了!相信你一定会被自己的努力和认真感动到。

二、小习惯大作用

很多人在最开始,兴致满满,整天喊着快速提升数据分析能力的口号,然而:前面鸡血打得太满,导致后面供血不足,难以持续。

对数据敏感的意识培养,它是一项长跑运动,绝非一朝一夕习得。因此,一定是通过一些低成本的小习惯,慢慢培养形成的。在这里,我分享5个大佬们常干的事情。

  1. 每天上班的10分钟早餐时间:登录业务数据观测平台,将关注的业务数据浏览一遍。关注侧重点:数据同比环比变化,较昨日涨跌、较上周/上月同期涨跌,异常需要额外关注。
  2. 核心数据手抄本:每周花20分钟时间,将各分层用户的人数、产品的转化数据、业务的交易数据等,手工抄到笔记本上。目的将高频用到的、非常关键的数据牢记于心,手工抄写,加深印象。
  3. 活动数据备忘库:每做完一个活动,都将活动的效果填入提前创建好的备忘库,用于时常查阅,提供思路。当然备忘库是有固定的格式的,比如必备的字段:活动名称、活动目的、活动人群、活动人数、活动渠道、浏览人数、点击人数、购买人数、购买金额以及自定义模块等等。
  4. 专题分析结论摘抄:相信公司的数据分析师,做过不少分析报告,但报告内容非常多,可以摘抄自己想要的,放到指定的存放文件中,供随时查阅。
  5. 简单数据处理,尽量少用计算器。目的是为了锻炼自己的心算能力,不妨可以观察下老板们,心算能力那真叫一级棒啊!

以上都是很小的习惯,维护成本不会非常高,有兴趣的小伙伴们,可以尝试起来,比如先坚持它21天。到时候可以找我分享感受。

三、意识红利,良性循环

数据的意识,就像一颗种子,要茁壮成长,还需要合适的土壤,即找到合适施展的场景,表达出来。数据意识的加强会获得更多认可、赞赏,称之为意识红利。

需要用到数据的场景非常多!

需求评审会上,评审通过数据分析得到的需求。

专题汇报上,通过数据分析,证明工作的价值。

老板提问时,及时说出所需的数据。

这里,我们只需要做的是,平时,注重积累;会上,自信表达。

当我们进入良性循环的节奏,数据分析能力提升自然不在话下。

最后,我们来回顾下,本次主要讲的是:首先通过两份清单,向优秀前辈学习,走出意识养成第一步;然后,注意养成日常的一些小习惯,从量变到质变;最后,自信表达,获得认可,进入良性循环。

 

责任编辑:华轩 来源: 今日头条
相关推荐

2022-02-16 10:37:41

数据分析思维数据分析

2021-06-29 07:04:39

SQL数据视图

2012-10-31 10:30:22

产品经理

2012-11-08 10:38:06

产品经理项目管理

2021-10-12 15:25:08

大数据数据分析

2022-11-01 11:30:51

数据分析模型数据

2020-07-21 10:09:01

数据分析技术IT

2023-10-11 11:34:54

数据分析运营

2016-11-08 09:16:54

数据仓库优化

2015-08-14 10:28:09

大数据

2016-10-21 14:41:22

数据分析师大数据

2022-04-02 11:47:11

数据分析业务岗位

2021-10-28 19:22:35

数据分析

2022-05-11 11:33:53

数据分析业绩业务

2016-09-09 12:28:12

大数据

2023-12-29 10:04:47

数据分析

2022-08-16 11:33:43

数据分析业务数据

2021-08-06 11:01:23

大数据数据分析技术

2022-11-14 10:36:55

数据科学数据分析

2019-01-15 14:21:13

Python数据分析数据
点赞
收藏

51CTO技术栈公众号