数据分析师日常都分析哪些数据?

数据分析有：分类分析，矩阵分析，漏斗分析，相关分析，逻辑树分析，趋势分析，行为轨迹分析，等等。 我用HR的工作来举例，说明上面这些分析要怎么做，才能得出洞见。

01） 分类分析

比如分成不同部门、不同岗位层级、不同年龄段，来分析人才流失率。比如发现某个部门流失率特别高，那么就可以去分析。

02） 矩阵分析

比如公司有价值观和能力的考核，那么可以把考核结果做出矩阵图，能力强价值匹配的员工、能力强价值不匹配的员工、能力弱价值匹配的员工、能力弱价值不匹配的员工各占多少比例，从而发现公司的人才健康度。

03） 漏斗分析

比如记录招聘数据，投递简历、通过初筛、通过一面、通过二面、通过终面、接下Offer、成功入职、通过试用期，这就是一个完整的招聘漏斗，从数据中，可以看到哪个环节还可以优化。

04） 相关分析

比如公司各个分店的人才流失率差异较大，那么可以把各个分店的员工流失率，跟分店的一些特性（地理位置、薪酬水平、福利水平、员工年龄、管理人员年龄等）要素进行相关性分析，找到最能够挽留员工的关键因素。

05） 逻辑树分析

比如近期发现员工的满意度有所降低，那么就进行拆解，满意度跟薪酬、福利、职业发展、工作氛围有关，然后薪酬分为基本薪资和奖金，这样层层拆解，找出满意度各个影响因素里面的变化因素，从而得出洞见。

06） 趋势分析

比如人才流失率过去12个月的变化趋势。

07）行为轨迹分析

比如跟踪一个销售人员的行为轨迹，从入职、到开始产生业绩、到业绩快速增长、到疲惫期、到逐渐稳定。

通过面向企业业务场景提供一站式大数据分析解决方案，能够为企业在增收益、降成本、提效率、控成本等四个角度带来价值贡献。

1、增收益

最直观的应用，即利用数据分析实现数字化精准营销。通过深度分析用户购买行为、消费习惯等，刻画用户画像，将数据分析结果转化为可 *** 作执行的客户管理策略，以最佳的方式触及更多的客户，以实现销售收入的增长。

下图为推广收支测算分析，为广告投放提供决策依据。

下图为渠道销量分析，为渠道支持提供数据支撑。

2、降成本

例如通过数据分析实现对财务和人力的管理，从而控制各项成本、费用的支出，实现降低成本的作用。

下图为生产成本分析，了解成本构成情况。

下图为期间费用预实对比分析，把控费用情况。

3、提效率

每个企业都会出具相关报表，利用数据分析工具，不懂技术的业务人员也能够通过简单的拖拉拽实现敏捷自助分析，无需业务人员提需求、IT人员做报表，大大提高报表的及时性，提高了报表的使用效率。

通过数据分析工具，能够在PC端展示，也支持移动看板，随时随地透视经营，提高决策效率。

4、控风险

预算是否超支？债务是否逾期？是否缺货了、断货了？客户的回款率怎么样？设备的运行是否正常？哪种产品是否需要加速生产以实现产销平衡？...其实，几乎每个企业都会遇到各种各样的风险问题。通过数据分析，能够帮助企业进行实时监测，对偏离了预算的部分、对偏离了正常范围的数值能够进行主动预警，降低企业风险。

下图为税负率指标，当综合税负率过高，可以实现提示和预警。

下图为重要指标预警，重点监控项目的毛利率。

有一个用户

分析数据库

想要实现在对的时机、对的方式把app

活动推

送给

对的人

，首先要知道什么是

对的时间

，

谁是对的人

。这就要求运营人员有自己的数据库，一个聚集了用户详尽信息的数据库。

这个数据库应该包含了用户画像、用户行为、用户标签

用户画像在整个用户信息数据库中，用户画像是必不可少的。用户画像是通过对用户基本信息、属性、心理、行为等调研后而获得的较为精准的用户虚拟模型，也是能够将定性和定量方法融合的载体。用户画像的构建是为了在今后的运营中更好地突出核心、大规模的精准用户。

用户行为用户行为也叫做用户事件，是指用户作用于产品或网站页面的一系列行为。比如用户在一个

电商网站

访问、注册、登陆、搜索商品、浏览商品、对比商品、加入

购物车

、提交订单、支付订单等具体的 *** 作行为。如果是一次app活动的话，就是用户点击、打开、参与、中奖、填写信息、领奖等行为。实时监控用户行为是做到在对的时间推送对的活动给对的人的前提。只有了解了用户当前在 *** 作什么，才能正确地推送合适的活动给他。为了

做到这一点

，目前，大多数

app运营

采用的是在应用内埋点的方式来实现。写段预先设定好的代码(用户事件)埋到相应的页面，追踪并记录用户的实时行为轨迹，再根据用户的行为推送相应的活动。

用户标签用户标签就是通过对用户的

静态信息

(也叫做固定不变的信息，如性别、地域、手机号、家庭地址等)、动态信息(也叫做变化的信息，比如一个用户这次浏览的是活动，下次浏览的是商品，或者用户今天登陆了几次，支付了几次订单等)分析后给用户“打标签”，也是用户画像中最重要的组成部分。在笔者的理解是，用户标签是用户画像的可视化形式。给用户打的一个个标签(一些精炼、有特定含义的词语)是用户兴趣、偏好、需求的表征，都是为了让定向推送得以实现的基础条件。比如做得比较好的天猫、淘宝、亚马逊，已经实现了千人千面。当笔者们访问这些网站的时候，推送给笔者们的商品、活动都是根据笔者们独有的标签而推送的，而这些标签则是由笔者们的个人信息以及之前在该网站的行为轨迹而打的。

综上所述，所有的喜好推送都是靠着大数据的支持，是大数据使得app知道

你需要什么

，

你喜欢什么

，

你想要什么

，这才有了属于你自己专属的喜好推送。

希望回答对你有帮助，望采纳，谢谢

---