分析师帮助企业赚钱

Digital的分析师可能根本不是分析师。 他调试计数器,将数字和图形粘贴到智能仪表板中。 他是一名优秀的开发人员,但不是分析师。 更糟糕的是,如果他像车轮上的松鼠那样仅仅发送报告。


我们对开发人员编写代码并不感到惊讶。 这是有价值的,因为它可以改善产品。 Analytics(分析)曾获得Google Analytics(分析)证书或毕业于数学大学,因此不值得赞赏。 值得一提的是,它与团队一起改善了为公司带来收益的产品。


问自己一个难题:“您的工作为分析师带来了哪些好处?” 您尝试避免这个问题。 他举起杠铃,让您摆脱温暖的茧,开始行动。 如果分析师为公司增钱,那么他就是昂贵的专家。 在此之前,您需要成长,但是可以从小做起。


从目标和利益开始


分析师在解决有用的任务时会透露出来,并且不会无意间转储数据。 有用的任务是有助于实现业务目标并完成其任务的任务。


一个宏伟的目标不是一步之遥。 为了帮助企业赚钱,您需要改善带来金钱的东西。 该公司从有价值的客户产品中获得收益。 不要盯着报告,而要困惑如何在服务中注册更多,订阅新闻通讯或退出向导的应用程序。


这样的改进不会在此时此地赚钱,但是可以估算出来,例如:


您以什么价格订阅该网站mel.fm的邮件列表。 现在。 您无法退订,每周需要查看至少一封信。 假设是300卢布。 如果您只是订阅而忘记了? 然后足够100卢布。 想象一下,如何改进订阅表单的想法突然出现,并且A / B测试显示每月增加1000个订阅者。 您已增加价值100到30万卢布。

以这种方式评估您的工作,进行自我测试,但始终要努力改善货币指标:CLV,ROI和平均支票。


在每项当前任务中将您的想法转变为有用的结果。 在这方面要保持一致。 用简单易懂的文字在纸上勾勒出企业的主要构想。 与同事交谈。 不要轻率地工作。


因此,我想在代码和大数据中保持舒适,仅在分析方面没有太多浪漫。 当分析师适应业务浪潮时,所有这些Python,SQL和BigQuery都会出手。


有些技术可能只是多余的。 没有目标,Google Analytics(分析)就无聊的来源,会话,设备类型。 我想连接其他东西。 完整的分析大脑将使用此免费工具完成90%的任务。


分析师正在改进产品。 他们没有淹没在技术中,但是思考为什么需要这些技术。 放眼望去。 创造机会来赚钱或省钱。


从干事实中区分知识


一位年轻的分析师利用数字和干燥的事实来获取知识。 老板询问五月份已经预订了多少个任务。 这是一个陷阱。 执行分析师发送带有数字的表格,并接收大量问题。


实际上,在五月份,传单被打折了,我想了解它带来了什么。 酋长默默地接受桌子,离开自己下结论。 随着时间的流逝,“分析师”已经精疲力尽,他很无聊。 但是经理不明白为什么他要支付薪水。


如何区分知识和普通数字? 这些数字是无聊的:


例如,每月有50万唯一用户访问该网站。 这并不意味着什么。 如果二十万来了,那将会发生什么变化? 没事

这些数字栩栩如生,并附有生活环境中的结论和建议:


事实证明,营销人员本月期望60万用户,因为他们分配了10万卢布用于广告。 热点情节。 哪里失去了十万用户? 您在哪里花了10万卢布?

除了身材本身,您还必须告诉老板。 我们得当侦探。


分析师是顾问。 顾问可帮助领导制定决策。 因此,他应该比领导者了解更多,不要害怕陈述和捍卫自己的想法。 这个障碍很难克服,但是不能妥协。


像企业家一样思考


有人接近数学和算法。 有人进行研究,但害怕代码和数据库。 有人正在呼吸计和跟踪系统。 专注是正确的。 但是您需要超越。


当分析师认识到业务并吸收其价值时,他便克服了障碍。 他知道董事,项目经理和营销人员的生活。 与他们沟通,已经感觉到什么很重要,什么不重要。 它不执行,但是提供。 他本人是一位小导演,经理和营销人员。


您需要能够将技术知识与商业思维相结合。 很难说哪个更重要。 开发分析师不需要离开业务部门就可以投入工作,而营销分析师则不必害怕进入代码。 您无法将自己锁定在外壳中。


您需要多才多艺且知识渊博。 没有这一点,您将无法建立清晰的思想和说服力。 学习和了解不是一种爱好,他们为此付出了代价。 掌握闪存卡的方法。 牢记事实,积累知识。 您的技能图应以字母“ T”的形式出现。 如果您是统计学和ML的专家,请在晚上浏览Philip Kotler的“从A到Z的营销”。 潜水是没有必要的。


成为领导者。 即使您被录用了很多钱,也没人会在乎您的报价。 需要出售想法,并以经理的身份提出来。


像企业家和开发商一样同时思考是一项艰巨的任务。 您需要将眼睛放在头后部。 这是进行更改以帮助企业赚钱的唯一方法。


随身携带


  • Digital的分析师可带来金钱并帮助省钱。 漂亮的工具,技术和数据只是一种手段,而不是目的。
  • 刷新学校和大学。 热爱学习,积累知识。
  • 具有强大的技术和业务能力。 无需躲在偏好或偏好后面。

Source: https://habr.com/ru/post/zh-CN413145/


All Articles