關於如何成為一個「好的」數據/商業分析師

圖片來源:freepik

文/吳牧真 Jennifer

到新公司上班一個多月,loading 開始加重了,主管說她們預計要再 hire 一個人,但是已經面了快十個人,都還是找不到理想的人選。這不禁讓我有一點納悶,我一直認為數據/商業分析是一個進入門檻不高,市場供過於求的行業,怎麼到了主管口中,就變得人才難找呢?

簡單了解過後,大約理解 Candidate 與職缺需求之間最大的差距在於「如何將生硬的數據轉化成能引起想像的商業藍圖」。分析這件事,大多數理科較好的人都能輕而易舉辦到:過去每日活躍用戶的平均數、用戶付費轉換率、熱門文章前十名等,這些台灣的數學教育都已經讓我們能夠很快速地得到解答 — — 然而這些在工作上卻遠遠不夠。

計算平均數,做加減乘除,這些實習生也會做,那為什麼要專門花更高的人事費用聘請一個正職呢?分析的價值,往往不在於數據,而是在於對數據的解讀,以及數據能夠帶來的實際幫助。

因此下次在做分析時,不妨先想一想,對方提出這個問題是要解決什麼事情?45% 這個數據是高還是低?為什麼高/低,是跟誰做比較,為什麼拿這個 baseline 做比較?高/低的表現是好還是不好?不好的話要怎麼改善,好的話是否還可以更好? 如此不斷問自己 Why? How? — — 這些才是分析師真正的價值所在。

舉個例子來說,當初在面試 Dcard 前有兩項作業要先完成,其中一項的作業題目是:

請透過 Google Demo Account 的數據中 Google Merchandise Store 的數據,選擇前五項重要的指標,使用 Google Data Studio 製作 Dashboard,並簡單解釋選擇該指標的理由。

我當初做的看板老實說我覺得不是很滿意,因為對於資料定義理解不清且時間有限,因此只放了一些粗淺數據與分佈圖。但分析師的工作並不只是拉一拉看板這麼簡單,解讀數據與提供見解才是分析師所應該做的工作,因此我在寄出作業的同時附帶了以下分析與建議:

Summary

針對 Google Merchandise Store 的數據,我選擇使用者、網頁瀏覽量、點擊、交易次數、收益這五項重要指標,其中使用者可做為北極星前瞻指標

  • 收益是平台最終且最重要的目標,分析平台收益通常會透過漏斗分析以及維度拆解兩種方式,其中漏斗分析更能看出平台整體情況,例如以目前得到數據可知,網頁瀏覽量高,但點擊相對較低,因此平台短期目標可能會是優化網頁內容或搜尋結果以提高點擊率,進而提高交易量及平台收益
  • 選擇使用者做為北極星指標是因為使用者最終可轉化為廣告流量或交易,是影響收益的重要因子
  • 除此之外,平台流量變化也是必要的觀察,因此我選擇其中四項指標做曲線圖以此了解平台流量,交易等趨勢及變化

User Demographic

了解平台大略表現後,我會再更細部觀察使用者的輪廓

  • 將近 90% 用戶為新使用者,說明這是一個非常新且正在快速成長的平台,也有可能是既有用戶留存率過低,這裡可以延伸了解用戶留存率
  • 使用者男性比女性稍多,這跟一般網購平台的架構不同,代表平台有機會從男性為切入點打造以男性為主的網購平台,避開已成為紅海的女性網購市場
  • 以使用者的年齡範圍與興趣來說,分布大致平均,這是一個不錯的資訊,說明平台用戶的多樣性是沒問題的

User Behavior

同樣使用漏斗分析去切不同階段使用者的行為

  • 從入站->網頁瀏覽,中間轉換率 19.9% 我認為不錯,但 49s 的停留時間過短,這很可能說明搜尋結果不符使用者預期,因此用戶在短時間內大量瀏覽搜尋
  • 商品曝光->交易,以我過去的經驗來說,點閱率及交易轉換率都是非常漂亮的數字
  • 透過以上兩點驗證了我在 summary 中的猜測:目前平台需要朝網頁內容或搜尋結果的方向優化以提高用戶停留時間及之後的轉換
  • 44% 瀏覽量來自男裝網站,呼應上一頁的男性用戶比例,但我認為還需要專門 breakdown 確認是否特定網站帶來極高瀏覽量導致數據歪斜

Revenue

以電商平台來說,平台收益大多來自交易及廣告,因此在第四頁我同樣將收益拆分成產品收益及廣告收益

  • 產品收益: 可以很明顯看出大多數的產品收益來自collections,這部分我認為可以增加投資預算,提供更多曝光,做更多 branding 廣告,提供免運 /折價等誘因,先將這個類別的產品做起來,再帶動其他類別的產品
  • 廣告收益:目前這部分的數字官方似乎沒有提供,但我還是將廣告相關的指標列出參考

上方例子中,應該能看得出來粗斜體的部分,都是對於數據的“評論”。像是我認為這個數據好不好,或是這個現象代表了什麼事情,或是針對現在的情況,我們接下來可以做的方向等。

雖然題目只要求選擇五個指標並說明原因,但 Analyst 不是資料 ATM,我們建報表,出數據是因為分析需要數據的支援,如何獲取資料只是一個工具,一種手段,千萬別把這當成分析師真正的工作內容。

本文由 吳牧真 Jennifer 授權轉載,原文連結

瀏覽 1,020 次

覺得不錯的話就分享出去吧!

發佈留言

Back to top button