
數(shù)據(jù)分析師分析結(jié)果什么最主要呢?在這些方面很多數(shù)據(jù)分析師人員都存著一個誤區(qū), 都認(rèn)為答案是最會主要的,其實不是,經(jīng)過跟多名數(shù)據(jù)分析專業(yè)溝通,得知一個真理,方法是最主要的,答案是參考性價值比較高。
我在面試數(shù)據(jù)分析師的時候,必然會問他們一個問題: “假如我是一家知名電商的CEO,而今天是星期一早上9 點鐘,請你給我提供三個數(shù)據(jù)指標(biāo)向我證明在過去的一周里,企業(yè)運營得一
我在面試數(shù)據(jù)分析師的時候,必然會問他們一個問題:“假如我是一家知名電商的CEO,而今天是星期一早上9 點鐘,請你給我提供三個數(shù)據(jù)指標(biāo)向我證明在過去的一周里,企業(yè)運營得一切正常,可以讓我踏實下來。你認(rèn)為,會是哪三個指標(biāo)呢?”
絕大多數(shù)應(yīng)聘者對這個問題的回答比較一致:第一個是流量;第二個是交易量;第三個是其他,這個其他包括轉(zhuǎn)化率、交易額等。
當(dāng)他們這樣回答完后,我會反問他們:“剛剛我問的問題,你真的聽清楚了嗎?”這時候,有人會回答:“我聽清楚了,答案就是這三個數(shù)據(jù)。”往往這個時 候,我會提醒應(yīng)聘者說:“請注意,我要的數(shù)據(jù)是給CEO看的,而且還是頂級電商的CEO,而且時間軸還是周敏感數(shù)據(jù)?!泵嬖囘M(jìn)行到這一環(huán)節(jié),我發(fā)現(xiàn)大部分 面試者根本聽不懂“CEO”的含義。事實上,既然是CEO,就意味著他是公司里的最高領(lǐng)導(dǎo)層,那么給他看的東西明顯要與其他人不同。在這個例子中,我們會 發(fā)現(xiàn)絕大多數(shù)應(yīng)聘者很少會換位思考。也就是說,事實上,他們都是從自己的角度來思考,而不是以一個數(shù)據(jù)分析師、一個要給CEO匯報三個數(shù)據(jù)指標(biāo)的分析師的身份來思考問題。
那么,什么是以數(shù)據(jù)分析師的身份來思考問題呢?通常來說,在我問出問題時,作為數(shù)據(jù)分析師的你首先要想的是CEO 會關(guān)注什么數(shù)據(jù),是長期的,還是短期的?是風(fēng)險最大的,還是風(fēng)險一般的?或者是最近發(fā)生了什么事情?以及給CEO 提供的數(shù)據(jù)要有什么注意事項,等等。
所以,我要再問問應(yīng)聘者:“當(dāng)你坐在面試桌對面給我答案的時候,有沒有想過在星期一的早上,這家知名電商的CEO 真正想看的是什么?”再想想這個問題,你到底有沒有真正聽清楚“CEO”、“知名電商”、“周敏感數(shù)據(jù)”這些關(guān)鍵詞?
CEO 要的是“踏實”——他聽完了就可以安心地吃早飯了。
在面試時,如果面試者不對這幾個問題進(jìn)行詢問就貿(mào)然回答的話,滿分是10分,我只會給5 分。因為這個問題里面本身就有很多問題,比如,什么是踏實?踏實是一個概念,你不問清楚“踏實”的含義,就給我三個指標(biāo),無論如何都是錯的。
在正常情況下,首先不要急于回答我提出的問題,而是先問清楚什么是踏實,切勿自己先做假定。以下,我們可以假定一個相對理想的面試場景。
你反問:“什么是踏實的狀況?”
我回答道:“最近這家電商和另一家電商在打價格戰(zhàn),而它最近又新推出了圖書類目,那么CEO 自然最關(guān)注的是這些圖書的業(yè)務(wù)做得好不好。”
你再問:“什么是好?是否基于每天來買書的新增用戶和原有用戶購書的數(shù)量多少?而且,CEO 是希望更多地用書來吸引新用戶,還是想通過圖書業(yè)務(wù)的推廣讓現(xiàn)有的用戶進(jìn)行交叉購買行為?”
在這些思考結(jié)束之前,你絕對不能給出指標(biāo)。因為,在沒有解決一個問題的內(nèi)涵之前,任意給出的一個指標(biāo),必錯無疑。所以,我才會問應(yīng)聘者到底聽清楚問題沒有。
在我做面試官的經(jīng)歷中,很多看似有經(jīng)驗的數(shù)據(jù)分析師,往往在我提出的問題還沒有解釋清楚時就搶著作答。絕大多數(shù)人在思考不到一秒鐘的時間里就給出了答案,而這一秒鐘的答案,我可以確定他們根本沒有聽清楚我的問題。
通常這個時候,我會再給他們一次機(jī)會,問他們:“剛才你給我的這個答案,如果我給你滿分10 分,你會給自己打幾分?”而此時,大部分人只會打6~7 分。
當(dāng)應(yīng)聘者給自己打7 分時,我會反問:“另外3 分丟的原因是什么?”他開始反思,說自己剛才給的可能并不是CEO 想要的指標(biāo),因為他對這家電商的近況不是很了解……
接下來,當(dāng)我再反問:“剛才我的問題是‘假如我是一家知名電商的CEO,
今天是星期一早上9 點鐘,你給我三個數(shù)據(jù)指標(biāo)向我證明在過去的一周里,企業(yè)運營得一切正常’,你聽清楚了嗎?如果你確認(rèn)自己清楚了,能請你再給我一次答案嗎?”
這時候,聰明的人不會再用一秒鐘就給我答案了,而是重新思考,開始問問題,再給出答案。這時候的答案,當(dāng)然會比第一個答案要好得多。最后,當(dāng)我再問他:“現(xiàn)在,10 分滿分你給自己打多少分?”此時,他們自己給出的分值通常都會高一些。至此,我的面試也就結(jié)束了。
事實上,關(guān)于這個問題,我根本就不關(guān)注打分的結(jié)果。當(dāng)然,如果評價是10分,那就不用面試了,因為在沒有仔細(xì)考慮過答案的時候就自信滿滿地回答,這 種人必然無法承擔(dān)做數(shù)據(jù)分析師的責(zé)任。雖然,自信是對的,但是思考更重要。作為一名數(shù)據(jù)分析師如果你不把自己的分析與當(dāng)下結(jié)合,是沒法進(jìn)步的。
有趣的是,當(dāng)我把這個問題貼在網(wǎng)上時,還是會有很多人追問我答案是什么。CEO 關(guān)心的到底是哪三個數(shù)據(jù)。這時候,我真的很想說,數(shù)據(jù)分析師------答案不重要,方法才是最重要的。(文章來源:網(wǎng)絡(luò))
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓(xùn)練與驗證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11