03怎样才更好地转型或成功跳槽？

今天我讲一下中小企业的数据分析工作。

本节课内容一共分为三部分：

• 对上节课三个问题进行解答；

• 日常工作分析；

• 转型四步法。

三个问题的解答

Q1. 流量波动，数据突然涨了怎么分析------考察分析师的经验怎么样

这个问题非常经典，因为它能够很好地考察分析师的经验，虽然很多分析师工作了很长时间，但依然解答不好这个问题。

举个例子：美团外卖近期的订单量突然下降 5%，需要分析师给出解释并提供下一步建议。

一些经验不足的分析师遇到这个问题时可能会盲目地检查原因，比如是否由口径问题、数据存储问题、产品变化问题等原因导致。但这样的回答都是单点分析，缺少全面性，我们看一下参考答案。

先对命题进行解析，订单量下降 5% 属于什么水位，影响范围有多大。如果发现对收入有重大影响，这个时候 CEO 都可能会关注这件事情，所以要更全面地分析原因。

具体的分析模块包括以下几点（如图所示）。

• 常识判断：最近是否有比较重大的节日，用户外出度假旅游导致订单量有所下降。

• 竞品数据：竞品最近的数据有没有大涨，最近有没有做一些营销活动导致我们的订单量下降。

• 外部事件：社会上有没有针对外卖的一些负面事件，是否对品牌本身造成影响。

• 产品变化：用户订单下降的产品本身有没有发布最新的版本，部分功能有缺陷导致用户无法下单。

• 用户行为：整体的订单量下降是因为全国的订单量均普降，还是因为部分区域的订单量下降。

• 数据问题：是否是因为采集数据的统计口径发生变化。

当你从这六大模块去分析这件事，面试官会觉得你具有条理性，有架构。最主要是能很快定位到问题，这个非常关键。所以一定要有组织有架构地回答问题，而不是单点进行分析。

Q2. 常用三个 App-考察分析师的思考深度怎么样

这个问题我建议你回答跟应聘岗位相关的 App，比如：你应聘公司的产品是 QQ 音乐。

这个时候你可以说常用的三款 App 是网易云音乐、微信读书、知乎。为什么这里会说微信读书和知乎，是为了给面试官衬托你的亮点------网易云音乐。

面试官进一步问："就以网易云来说，能不能说下你对这个产品最喜欢的点，以及最想吐槽的点。" 请注意这个问题考察你是不是高于普通用户 。

你可以这样回答："最喜欢网易云的每日推荐，最想吐槽的是很多时候通过搜索来选择听某歌，但是搜索栏里面没有语音输入，同时下面的热门搜索跟我的画像非常不准，都不是我喜欢的，那些歌、明星可能我都没听过"。这个回答代表你已经有了自己的见解，不只是简单使用产品而已。

面试官再问："好的，那么如果你是产品经理，你会怎么样解决这个问题？"

你要回答："先看热门搜索的点击率多少，如果较低说明确实有问题 ，可以把热门搜索功能与用户的画像匹配，实现千人千面，同时在搜索栏增加语音输入功能 。"

面试官再问："怎么样评估这样做就能够带来指标的提升？ "

你可以回答："这种先开始小流量 A/B 测试，然后再慢慢放量，如果效果还不错，就全量 。"

面试官问："能不能说下你对 A/B 测试的理解，如正交性，A/B 测试的设计......"

问到这儿表示面试官对你已经非常感兴趣啦。

这就是面试官问你常用三个 App 问题，如果你回答微信、淘宝、B 站之类，你就不能衬托你的亮点，让面试官接着往下问。

Q3:商业化变现---考察对商业的最终目的是否敏感

实际上分析师日常所有的 PV、UV、MAU、DAU 等都是围绕最终的本质目的------商业变现。

举例：面试官让你举例一款工具类产品，说说如何商业化。

你可以这样回答："以墨迹天气 App 为例，首页"天气" Button 是主流量入口，进行底部下拉时会出现资讯，而在资讯里面有较多广告 App 下载链接， 所以这是一个 App 带量商业化时景 Button，内部有较多旅游景点、住宿类 App下载推荐，所以这里是一个自身 App 高相关商业化推荐 。"Me" 这个 Button，分生活、娱乐、休闲、游戏四大板块，每个模块都有自己的商业化坑位 。"

面试官问："目前产品的主要商业化收入来自哪里，各自的 cpm 大概多少？"

你可以回答："主要来自"时景" Button 的旅游景点推荐，cpm 大概在 6 元。"

面试官又问："当前产品商业化提升的痛点是什么，之前做过哪些优化方案，效果如何。"

你回答："作为工具类产品，用户停留时长短，这是最大的痛点。作为一款天气 App，我发现用户周末效应非常明显，即周五晚上、周末用户很多，所以当时我就想是否存在一批用户群会在周末的时候出去游玩，加上后来的调研，发现果然是这样，所以我们就想跟这种旅游景点合作，做线下场景推荐，果然现在效果也是最好的。

你说完这段话的时候，面试官对你的印象就非常不一样了，因为所有的商业化都是找到一个合理的切入点，而不是无脑商业化。基本上到这儿，面试官就觉得可以了，因为已经通过数据分析，落地了很多实际动作。

日常工作分析

第二个模块就是日常工作的解析。相对国企以及 BAT 来说，中小型私企的数据分析师在公司中可能没有那么重要，所以一般做的事情会比较杂（如图所示）。

• 技术：技术上来说像 Java、Python、R 都比较熟练，机器学习的书也看了几本，觉得自身技术还可以，但实际上却没有真正落地过。

• 研发埋点：比如字段格式、字段名、字段取值、打点日志、文档沉淀，这些也需要分析师日常去梳理，所以事情可能会比较多。

• 口径和指标体系梳理：包括梳理口径和指标体系的圆满计算方法定义，还有产品的核心指标和一些业务性指标。

• 报表的统计：比如说所有报表的一些增加、修改。

• 专题分析：偶尔会做一些专题分析，但是在这种情况下做出的专题分析整体质量都不高，因为它整体偏单点分析，缺乏逻辑的连贯性及全面性。

• 平台研发：有些企业的分析师可能还要参与平台研发，比如说做数仓、做底层数据清洗，甚至连大数据平台"友盟"类似平台的开发也要做。

总地来说，无论是横向还是纵向上，数据分析师跟救火员一样忙，有些分析师自己也知道当前做的事情好像对能力提升意义不大，所以可能会出现两种现象：

• 第一种是在数据分析专业性上略显自卑，觉得自己当前做的事情很杂，所以就拼命地学习多充电，但是好像落不了地，学得快忘得快。

• 第二种就是专业性上过于自信，因为很多东西都玩过，觉得自己什么都知道，然后想跳槽，但是发现不是特别容易，但也不知道问题出在哪里。

其实这两种现象都还好，至少说明你非常积极努力向上，只是当前没有遇到一个适合的 leader 或者说没有一个遇到适合的指路人，所以整体效果不好，那么究竟要怎么做呢？

转型四步法

中小企业的数据分析师肯定要转型，这里转型不是说换一个行业，而是要有更宏伟的目标，要去 BAT 这样的大企业做数据分析，你一旦有了这个过程，看问题的角度就会不一样，那究竟如何转型？

举个例子------A 同学画像

学历：普通本科毕业。

专业：数学或者其他理工科专业。

目前岗位：就职于某中型企业（500 人）的数据分析师。

日常工作：以写 SQL 提数为主，在公司的存在感不高，目前正在学习 Python。

未来目标：学好 Python 后就换一份薪水高的工作，进一家更好的公司工作 。

当前困惑：不知道这条路行不行，反正先学着，现在主流语言就是 Python，我也不能落下。

我给 A 同学的转型做一下分析。首先独角兽企业招人会看中两方面，第一会看学校是否是名校，专业是否对口，A 同学不具备。第二是工作经历，是否在行业内知名公司待过，有没有特别大的项目产出，A 同学也没有。但是没关系，那靠什么？靠"运气"。我对运气的理解是这样：A 同学要非常用心地准备几家中意公司的面试，最终总会有一家因为各种"机缘巧合"录取 A，这里的"机缘巧合"是指一些独角兽企业招了很久一直没招到合适的，业务老大又急着要干活，刚好 A 面试的时候表现很好进去了。我之所以这样说是因为周围有太多的同学是 A 这种现状，最后进了独角兽企业。当你很用心地去做一件事的时候，所有的人都会去帮你，所以基于这个转型分析， A 要怎么用心准备呢？一共分为四步。

第一步：规划好自己，再评估准备

分析师有三个发展方向。

• 业务线：适合对事物感到好奇并深入研究，思维发散并且能收敛的同学，喜欢展示自我，逻辑思维较强 。

• 研发线：适合写代码的同学，喜欢安静独处，计算机功底好，天生的程序员基因 。

• 算法线：适合做研究的同学，数学功底好，因为很多时候要看各种国外论文。

小 A 思考几天后，发现自己挺适合业务型，那么就先评估一下自己。

第二步：评估自己

对于业务型数据分析师的考量标准有以下几种。

• 产品理解能力： 各种数据熟悉度、用户从哪里来，进来后做了什么，用户反馈最多问题是什么，竞品数据怎么样 。

• 分析方法论： 常见分析方法有哪些，A/B 测试，最大概率法则，二八定律，幸存者偏差理解怎么样。

• 可视化能力： PPT 功底怎么样，专题报告逻辑性、金字塔原理、审美怎么样。

• 演讲能力： 表达能力、讲故事能力、形象化能力、大心脏能力怎么样。

• 协作能力： 跟产品、业务、研发沟通时的软技能、如何在团队中定义好自己位置并让其他人很舒服。

• 逻辑思维： 分析推导过程的全面性、合理性、价值性。

• 技术： Excel 的常见操作、SQL 熟不熟练，R 能不能搭建模型并知道有哪些问题、Python 是否能很好地用上？

第一个产品理解能力，各种数据的熟悉度：用户从哪里来？进来之后做了什么？用户反馈最多问题是什么？竞品数据怎么样？请注意所有的都要用数据说话，而不是大概。比如说 50% 的用户从微信渠道进来之后使用了什么产品，然后在使用产品的过程中有多少用户又因为什么问题走了，这个就是产品理解能力。

第二个就是数据分析的方法论，毕竟你是作为业务型数据分析师，常见的方法论一定要知道，这个我们后面会说。同时对于 A/B 测试、最大概率法则、二八定律、幸存者偏差这些理解要深刻。

第三个就是可视化能力，因为分析师经常需要写专题报告，你的 PPT 功底怎么样，专题报告的逻辑性，金字塔原理，审美怎么样，因为你做好后是要给别人看的。

第四个就是演讲能力，分析师写完 PPT 之后，经常要去跟管理层汇报，这个时候考察你的表达能力，讲故事能力，个人的形象化能力，大心脏能力怎么样。

第五个就是协作能力要好，你跟产品、业务、研发沟通时的软技能怎么样，针对同样一个问题，为什么 A 可以完成，而 B 就不行，这个就是软技能。同时要注意在团队中经营好自己位置，并让其他人舒服。

第六个就是逻辑思维了，要保证分析推导过程的全面性和价值性。

最后就是技术 Excel 的常见操作，SQL 能不能写出来，R 语言能不能搭建通用的模型，并且知道有哪些坑，很多同学也会搭建模型，但是在调试模型，修正模型方面不会，实际上就是你没有真正的实践过。如果当前 Python 并不能很好地用于未来的工作或接下来几个月的工作，那就暂时了解一下即可，不用花很多时间放在上面。

小 A 按照以上标准评估后发现在可视化演讲、协作方面还可以，但是在产品理解、数据分析方法论上不太好，所以要弥补这两个短板，这个就是优化自己。

第三步：优化自己

以产品理解为例，先以 A 当前公司业务的产品为切入点，熟悉最核心的数据，了解功能渗透率和关键路径，以这些数据为切入点去思考当前产品有哪些问题。并与产品经理沟通如何优化，同时要去看竞品数据和行业数据，最重要的是深入了解而不是略懂。

举个例子：假设当前 A 公司的产品是视频类的 App，那么肯定就要深入研究这个行业里的前三甲：爱奇艺、腾讯、优酷。

什么是略懂，你在网上搜集了一些数据，知道这几个 App 的大概用户数以及核心功能，还了解了行业整体的大概规模，这些没有什么意义，为什么？因为这些东西你会，其他人也能搜到。

所谓深入了解，是你知道整个视频行业各个不同阶段的领头羊是谁？他们依靠什么成为领头羊？又因为什么出现增长瓶颈？当前各自的打法侧重什么？对我们自身的 App 有什么借鉴？后续我们要监控哪些数据。

只有到这一步才是你自己的见解，这些网上是绝对找不到的，其他人答得也不一定怎么样，只有到这一步，你后期面试的时候才能说服面试官，这就是产品理解能力的优化。

第二个优化是数据分析方法论，所谓方法论是能快速从一个较全面、逻辑性、价值性的角度去分析，而不是单点无架构性分析，所有方法论都是通过不断提炼、总结、实践得出来的。这是评估一个分析师水平的重要标准。

比如图中所示的指标体系方法论、流量分析方法论、路径分析方法论、产品分析方法论、营销活动分析方法论、用户流失分析方法论。相信你很可能在这块儿做过一些分析，但不全面。因为市面上的书籍和资料非常少，这些都是经过实践才能沉淀出的方法论，这些方法论我在后面都会单独展开讲解。

第四步：寻找对象并实践

最后我们需要去面试，建议挑选三家一般性的公司作为面试训练，锻炼你的口才以及场景感，尝试临时发挥。然后挑选两家规模较大、知名度较高的公司作为保底要进的公司。再挑选两家业内领头羊公司来尝试，如果能进更好，没进就当开拓自己的视野。

最重要的是要设定一个跳槽时间段，比如三个月，这三个月就是瞄准两家保底要进的公司。因为这两家是你职业生涯的一个转折点，所以简历要单独写，花几天时间去打磨，同时每一次面试后都要多总结，找到自己的不足，并多训练。

最后一个是面试环节，最重要的还是表达。真正的面试时间非常长，前期的准备可能就要花几个月时间。只有经过这种训练，你的跳槽才有意义，你才能越跳越好，而不是在原地跳槽。

最后给中小企业同学一些建议，多一点想法和行动，然后让自己的人生更加精彩。