技能:
1.數(shù)據(jù)理解:熟悉業(yè)務(wù)領(lǐng)域概念,解讀數(shù)據(jù)字典,評(píng)估數(shù)據(jù)質(zhì)量,理解數(shù)據(jù)語義
2.數(shù)據(jù)準(zhǔn)備:使用SQL、Python進(jìn)行數(shù)據(jù)提取、清洗、轉(zhuǎn)換、集成,為分析就緒
3.數(shù)據(jù)質(zhì)量:制定數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn),開展質(zhì)量評(píng)估,持續(xù)改進(jìn)數(shù)據(jù)準(zhǔn)確性、完整性
4.探索性分析:使用統(tǒng)計(jì)方法分析數(shù)據(jù)分布、相關(guān)性、異常點(diǎn),發(fā)現(xiàn)數(shù)據(jù)特征
5.數(shù)據(jù)建模:使用回歸、分類、聚類等統(tǒng)計(jì)與機(jī)器學(xué)習(xí)模型,建模解釋數(shù)據(jù)
6.數(shù)據(jù)可視化:使用BI工具或編程庫,設(shè)計(jì)制作數(shù)據(jù)圖表、儀表盤,交互式呈現(xiàn)洞察
7.分析報(bào)告:撰寫數(shù)據(jù)分析報(bào)告,講述數(shù)據(jù)背后的業(yè)務(wù)故事,提出改進(jìn)建議
工作內(nèi)容:
1.梳理業(yè)務(wù)指標(biāo)口徑,評(píng)估數(shù)據(jù)口徑差異,為分析奠定數(shù)據(jù)基礎(chǔ)
2.使用SQL提取所需數(shù)據(jù),Python進(jìn)行數(shù)據(jù)清洗、聚合、轉(zhuǎn)換,構(gòu)建分析數(shù)據(jù)集
3.探索性分析數(shù)據(jù),使用可視化工具分析數(shù)據(jù)分布、趨勢(shì)、關(guān)聯(lián)、異常,形成初步洞察
4.針對(duì)業(yè)務(wù)問題,選擇適當(dāng)?shù)慕y(tǒng)計(jì)模型與機(jī)器學(xué)習(xí)算法,構(gòu)建描述性與預(yù)測(cè)性模型
5.基于Tableau、PowerBI等BI工具,設(shè)計(jì)并制作報(bào)表、看板,直觀呈現(xiàn)分析洞察
6.撰寫周、月、季度分析報(bào)告,盤點(diǎn)關(guān)鍵指標(biāo)表現(xiàn),深入剖析變動(dòng)原因,提出優(yōu)化建議
7.開展專題分析,評(píng)估營(yíng)銷活動(dòng)、產(chǎn)品優(yōu)化的效果,為業(yè)務(wù)決策提供參考
8.梳理數(shù)據(jù)標(biāo)準(zhǔn)與定義,建立統(tǒng)一的數(shù)據(jù)模型與元數(shù)據(jù)管理機(jī)制
9.建立數(shù)據(jù)質(zhì)量考核體系,開發(fā)質(zhì)量檢測(cè)規(guī)則,推動(dòng)質(zhì)量問題的解決