数据分析师要在所在行业（例如电商、O2O、社交、媒体、SaaS、互金等等）展示她/他的专业度，熟悉自己行业的业务流程和数据背后的意义，避免上面的数据笑话。

　　3. 想象力

　　商业环境的变化越来越快、越来越复杂，一组商业数据的背后涉及到的影响因素是常人难以想象的。数据分析师应该在工作经验的基础上发挥想象力，大胆创新和假设。

　　根据硅谷公司的核心 KPI（Facebook 的 4-2-2 准则，LinkedIn 的 connection 规律），我们也想找到互联网企业驱动增长最核心的 KPI。基于我们的想象力和「无埋点」全量数据采集的优势，我们创造了」GrowingIO 留存魔法师」。通过全量采集的数据，智能自动的后端计算，以及简单的使用交互，留存魔法师可以帮助企业迅速找到与其留存最相关的用户行为，就像魔法师轻轻挥动魔法棒一样简单。例如某 SaaS 产品，在一周内创建过 3 个图表的用户（群）留存率非常高，那么「一周+3 个+图表」就是我们驱动用户增长的魔法数字。

　　4. 信任度

　　以销售岗位为例，一个销售人员首先要和用户建立起信任；如果用户不信任你的话，那他也很难信任或者购买你的产品。同理，数据分析师要和各部门同事建立良好的人际关系，形成一定的信任。各个部门的同事信任你了，他们才可能更容易接受你的分析结论和建议；否则事倍功半。

　　四、数据分析常见的七种思路

　　1. 简单趋势

　　通过实时访问趋势了解产品使用情况，便于产品迅速迭代。访问用户量、访问来源、访问用户行为三大指标对于趋势分析具有重要意义。

　　分钟级的实时走势分析

　　以星期为周期的趋势对比

　　2. 多维分解

　　数据分析师可以根据分析需要，从多维度对指标进行分解。例如浏览器类型、操作系统类型、访问来源、广告来源、地区、网站/手机应用、设备品牌、app 版本等等维度。

　　多维度分析访问用户的属性

　　3. 转化漏斗

　　按照已知的转化路径，借助漏斗模型分析总体和每一步的转化情况。常见的转化情境有注册转化分析、购买转化分析等。

　　漏斗分析展示注册每一步的流失率

　　4. 用户分群

　　在精细化分析中，常常需要对有某个特定行为的用户群组进行分析和比对；数据分析师需要将多维度和多指标作为分群条件，有针对性地优化产品，提升用户体验。

　　5. 细查路径

　　数据分析师可以观察用户的行为轨迹，探索用户与产品的交互过程；进而从中发现问题、激发灵感亦或验证假设。

　　通过细查路径分析用户的行为规律

　　6. 留存分析

　　留存分析是探索用户行为与回访之间的关联。一般我们讲的留存率，是指「新增用户」在一段时间内「回访网站/app」的比例。数据分析师通过分析不同用户群组的留存差异、使用过不同功能用户的留存差异来找到产品的增长点。

　　留存分析发现「创建图表」的用户留存度更高

　　A/B 测试就是同时进行多个方案并行测试，但是每个方案仅有一个变量不同；然后以某种规则（例如用户体验、数据指标等）优胜略汰选择最优的方案。数据分析师需要在这个过程中选择合理的分组样本、监测数据指标、事后数据分析和不同方案评估。

　　五、数据分析实战案例

　　某社交平台推出付费高级功能，并且以 EDM（Email Direct Marketing，电子邮件营销）的形式向目标用户推送，用户可以直接点击邮件中的链接完成注册。该渠道的注册转化率一直在 10%-20% 之间；但是 8 月下旬开始注册转化率急剧下降，甚至不到 5%。

　　如果你是该公司的数据分析师，你会如何分析这个问题呢？换言之，哪些因素可能造成 EDM 转化率骤降？

　　一个优秀的数据分析师应该具有全局观和专业度，从业务实际出发，综合各个方面的可能性。因此，EDM 注册转化率骤降的可能性罗列如下：

　　1. 技术原因：ETL 延迟或者故障，造成前端注册数据缺失，注册转化率急剧下降；