什么是互联网运营数据分析人才,前景如何?

发布时间 :2022-07-07 09:42

这个文章接受台湾东森集团采访整理

今天的互联网从业者比过去任何时候都重视数据,这并非是因为仅仅来自于“大数据”概念的炒作,而是因为我们可依赖的数据极大丰富,而我们可以动用的工具也相当充足

网站运营数据分析

这样,有一批立志专门从事互联网数据相关事业的朋友出现,也就不足为奇

互联网运营网站

尽管,传统意义上的数据人才早已有之,早在人们需要进行统计分析和概率计算的时候便有精通数学的数据科学家,但互联网领域的数据人才却与之有巨大的不同

网站运营

互联网运营数据分析人才的定义我们如何定义互联网运营数据分析人才

事实上,定义二字本身会让我觉得不安

我并不觉得要满足一定的条条框框才能算“人才”,而涉及到商业领域,许多目标的实现可以有许多不同的方法,而且殊途同归

但我觉得,作为互联网运营数据分析人才,还是有几个基本的共性可循

第一点,应该是乐于分析且善于分析的人

我认为这多少是有些与生俱来的特质

乐于分析,是指他遇到了问题并不武断结论,不想当然,且保持愉快的心情去探究

而其他人或许嫌麻烦地避之不及

善于分析,则是指他常常可以做不算离谱的假设,并应用逻辑和方法去验证这些假设,并在反复的验证中直到发现问题背后的所在

我认为这一点比其他什么都重要,其他的都可以慢慢弥补,但这一点却更似乎“与生俱来”

第二点,他拥有第一点提到的逻辑和方法的相关知识并有运用这些知识的能力

所谓的讲逻辑,就是你的论据要能够支撑你的论点;所谓的有知识,就是你的论据是建立在事实和科学基础之上的;所谓的讲方法,就是运用这些知识的手段和工具是最佳的

比如,要证明一个页面优于另外一个,你就需要按照逻辑一步步使用一系列的工具和手段,从捕获数据,到分析数据,到根据分析提出理论上的改进方案,然后再利用较大数据量的随机测试来检验你的方案,以及在随后的进一步对比和分析

你不可以不讲逻辑,说这个页面就是这么改就一定行

(老板们往往都是有这样强烈直觉的,但大多数时候都相当不可靠

)你说行,得讲理由,得讲证据,而且这证据经得起推论,就是我们探案时候的“证据链”

这个过程中包含的方法则包括合理的数据抓取的方法、各种数据细分分析的方法、科学测试的方法等等

这些你要很在行

第三点,你是“讲生意”的

讲生意不是说你真的去谈生意,而是你工作的一切出发点是为了生意

做分析的时候,我们大抵都觉得自己好似福尔摩斯,我们一头扎进数据中,我们怀着激动的心情去推理,但我们却可能忽略了,数据分析人才的存在是为了更好的生意,而不是为了更好的分析

说来有些矛盾,那些最初最好(最好的定义是最有效)分析的人,很多时候并非那些分析科班出身的人,而是最懂业务的人

我几乎有些偏执地认为,纯粹地培养做分析的人才是一个伪命题

善于业务的人一定需要善于分析,但是反过来就不一定

数据分析的人才,必须首先是业务人才

更何况,我们是互联网运营数据分析,运营就是生意的同义反复

其实谈到这里,讲到了数据分析的本质

数据分析本身毫无意义,如果它不能从你的生意出发又回到你的生意

大数据,哦,这个概念也很火,但是,似乎有些落不了地呢

这正是因为,很多时候,大数据既不来源于你的生意,最后也用不到你的生意

这其实就是这几年大数据概念最需要解决的问题——让它广泛地应用于商业

第四点,工具

相对没那么重要,但还是得说一下

善于使用工具是数据分析人才的基本素质,如果你觉得工具缺失或者不趁手,还需要有发现并获取工具的能力

不过,总体而言,我们所遇到的所有分析的问题,都有各种各样的工具帮我们解决

是的,所有的问题都有工具

有朋友一定会问,为什么没有提数学

为什么不讲讲数据建模

个人认为,也仅代表个人观点,这些真不是互联网运营的数据分析人才一定得具备的

并不是说这些东西不重要——不少时候我们会用到这些方法,比如我们在分析用户流失的时候,我们在进行预测分析的时候,或是我们在归因、聚类或需要人工智能的时候

但是,如果要把这个东西作为互联网运营数据分析人才的第一要件去要求,那根本就会挡住无数真正具有天赋的分析人才的事业之路,更何况,这些东西当你需要用到的时候,它们更多是以工具的形态存在,以垫脚石的姿态来帮助你,而不应该作为一个分析爱好者成为人才的包袱和拦路虎

不过,我们很多企业却把这作为要件,而忽略我前面说的那四点,这就太舍本逐末了

数据分析相关的职位几乎所有的互联网业务部门都需要有优秀数据分析能力的人才,运营部门毫无疑问

互联网运营牵涉到几个关键部门

一个部分是获取新的用户(或者新的流量)的部门,另外一个则是对互联网产品(APP、网站等等)负责的产品部门,然后是在这些产品之上进行日常经营和管理(也就是我们所说的狭义的运营)的部门,最后是服务于既有用户(或客户)的部门

这四个部门当然不一定在各个企业截然的被区分开,有时候,几个部门会合并,例如第一个和第四个部门容易被合并在一起,或者第一个和第三个部门合并在一起

这些部门之外,再额外设置一个数据分析部门是可能的,但并不常见

这样的部门可能源自于传统的企划部门,进行被称为企业BI的工作

但互联网企业这样的设置并不多见

但是,这些部门之内,设置数据分析相关的职位就太常见了

对于第一个部门即获取新用户的部门,数据分析工作几乎是贯穿始终的

这些部门往往有一个或者几个流量优化师,他们的工作必须基于每日的数据,并结合对于流量渠道的深入认识以及与其他同事的持续沟通,从而达到正确地选择流量渠道、合适价格地购买流量,以及最大化流量产出

他们的工作还包括需要对流量的质量进行持续的追踪,并不断提出优化流量的方法

这个工作至始至终都需要强大的数据分析能力作支撑

这个部门的数据分析人才的职位常常是流量优化师、渠道运营经理之类

第二个部门,他们负责对网站、APP或者移动端H站等进行不断改良优化,理论上所有呈现在前端的事情(与网站的后台相对)都应该是他们负责的,所以产品经理、创意设计、前端工程师等“异星人”是集中在这个部门的

除了他们,这个部门肯定需要一个网站来源:知乎著作权归作者所有

商业转载请作者获得授权,非商业转载请注明出处



- END -