首页 > 其他分享 >数据分析真的很难找工作吗?

数据分析真的很难找工作吗?

时间:2024-07-30 15:54:44浏览次数:23  
标签:数据分析 花花 很难 指标 简历 真的 店铺 女装

先上结论:不难找,关键是你真的能做数据分析吗?

一、硬技能够不够?

前几天一个数据分析总监过来分享经验,他正好谈到数据分析工作是否难找的问题。他说,前几天招个数据分析助手,要求就是会统计学,SQL获取数据。投递简历的个个都说啥都会,结果笔试都过不了。

后面为了不浪费时间,线上笔试,笔试题发过去99%都不回复。就很简单的笔试题,用SQL获取到数据,然后整理数据存到一个新的表里,1h的笔试时间,跑15分钟不出bug就行。就这么简单的一个东西,大部分人不会做。

很多投简历的都是典型的眼高手低,基本上做不了事,但从不觉得自己能力不够。

二、是否懂业务?

数据分析最主要的是能从底表中分析出对业务有价值的信息,这才是分析的本质。数据分析并不是说一定要怎样的学历,而且对于数据分析来说excel、sql、python、统计学、机器学习这些都只是最基本的技能而已。最重要的是通过对业务的理解,选择合适的分析思路,再通过方法实现,最重要的是逻辑思维和分析思路,这才是数据分析的价值。

案例 女装店营收下降原因分析

某商场二层主通道上有一家女装店叫花花女装,店铺面积是238㎡,品牌和服装款式都不错,供应商也非常配合,商品供应没问题,员工也很优秀。但是不知道什么原因今年花花女装销售一直不好,同比增长-3%,而整个二层女装同比增长有12%,并且花花女装的坪效也只有二层女装品类平均坪效的90%,而处在主通道上,按道理应该是高坪效的。

所以,如何提升花花女装的销售额?

STEP 1 是什么?

这一步主要展示整体表现数据,说明分析的背景。

其实在案例介绍里已经把

“是什么”写出来了:

① 花花女装同比增长-3%,整个二层女装同比增长12%
② 花花女装坪效只有二层女装坪效的90%

STEP 2 为什么?

这里我们需要用两步走的方式,来回答“为什么的问题”,按逻辑树思维方式,我们可以提出假设→验证假设。

1、如何提出假设?

一般来说,提起指标的变动,我们要想到指标的拆解,找到最细维度的变动因子。

拆解一下销售额指标:
4ADF15F7-11D8-4421-A056-DE5439C4381F.png

拆分二级指标:单均价、成交单
虽然我们需要关注一级指标的表现,但如果一级指标还能继续下拆到和业务息息相关的因子上。

拆分三级指标:件单价、件数、进店人数、购买率
这里的进店人数还能拆出三级指标……

拆分四级指标:商场总流量、进店率
我们将销售额拆出来两个二级指标,四个三级指标,两个四级指标,基本上已经到了能够展示数据&且指标不重合的最细维度。

既然指标都拆好了,下一步可以验证是哪个指标出问题了吗?

——你确定你拆出来的指标,涵盖了对销售额有较大影响的因素吗?

数据分析的核心是在数学公式以外,还存在业务逻辑。数学公式不是万能的,还需要结合业务场景来仔细列出所有能够想到的因素。这里用人货场的思维来做分析:

5F439381-4E92-4cf4-8CEB-FFDE5B336C21.png

到这一步,提出来的假设都已经包含在思维导图里面了,可是分析工作才刚刚开始。

2、用数据验证假设

验证假设往往流程复杂,这里既要梳理底层逻辑,又要同时对接开发、产品、运营、业务、销售……我们看一下最终用数据验证的结果:
4月开始成交单数同比突变:1-3月同比增长4%,4-10月同比减少3%
6月开始件单价同比突变:1-5月件单价同比增长3%,6-10月件单价同比下降8%
6月起,商品折扣增加10%,且高价产品配货比例从(8:2)降低至(5:5)
老会员流失率同比增加5%
去年每月,该店铺均能完成销售目标,完成率高达100%以上
42%的销售额来源于5张VIP卡
和隔壁女装店铺相比,该店铺进店率低于平均值2.1%

3、找相关人确认,佐证数据

经过和店铺的负责人详细沟通,得到以下数据:
4月店铺重新装修,开业后销售一直不理想,没有达到装修前的期望值
5月,商场负责人向店铺负责人传达销售额目标。6月起,店铺负责人调整了商品价格配比策略,同时增加折扣促销,将低价格的服装陈列在主通道。
销售人员的奖金提成是阶梯制的。同时店铺会在每个月20号的时候调整月目标。

STEP 3 怎么做?

这里只需要根据数据以及实际情况,一一提出解决对策就好了。

包括对店员的调整,对奖金制度的优化,对配货比例的修改,撤销入店特卖,禁止随意修改目标等等……

如果你能做到这个程度,一定不会找不到工作。

三、简历务必认真修改

很多求职者的简历特别不太靠谱,一看就是海投的,工作经验与目标岗位完全不搭边。找工作,好好修改简历是第一要务,其中最重要的是项目经验要精心准备。如果项目经验和之前的工作经验有关,那么不但可信度高,而且还容易在面试中拓展到之前的实际工作经验,给人一种很靠谱,可信的印象。

比如投房屋中介的公司,项目就可以是小区成交量和成交人群分析,上班地点和居住地点等。

tips: 一份简历走遍天下很省事,但是HR扔掉你简历同样省事。所以简历务必用心修改到“匹配度很高”再投递比较好。

数据分析工作竞争激烈,要求你不仅具备扎实的硬技能和深入的业务理解力,还需通过专业认证如CDA来提升竞争力。为了进一步提升自己在数据分析领域的竞争力,获得专业认可,考取CDA数据分析师认证无疑是一个明智的选择。

CDA认证对于你来说非常具有价值的:

如果你是一名学生,能够增强职场竞争力,同时也是技能的证明,可以拓宽自己的就业领域。

如果你是一名打工人,可以更快地获得晋升机会,从而获得更高的薪资待遇。

cda认证官网:https://www.cdaglobal.com/certification.html

最后,鼓励大家积极备考CDA,不断提升自己的专业素养和实战能力,为未来的职业发展奠定坚实的基础。

标签:数据分析,花花,很难,指标,简历,真的,店铺,女装
From: https://blog.csdn.net/shiguangre/article/details/140766177

相关文章

  • 计算机毕业设计django+vue《Python数据分析》的教学系统【开题+论文+程序】
    本系统(程序+源码+数据库+调试部署+开发环境)带论文文档1万字以上,文末可获取,系统界面在最后面。系统程序文件列表开题报告内容研究背景在当今数字化时代,数据分析已成为各行各业不可或缺的技能之一,而Python作为数据分析领域的首选语言,其重要性日益凸显。然而,传统的教学模式在......
  • 基于Python Django的旅游景点数据分析与推荐系统
    基于PythonDjango的旅游景点数据分析与推荐系统。源码+数据库+文档(LW)。开发技术:Pythondjangomysql。项目内容:系统包括多个功能模块,涵盖了用户管理、旅游景点管理、管理员管理、系统管理等方面,以及一些其他辅助功能和信息展示模块。用户管理模块允许管理员管理系统中的用......
  • 7.29 我真的只是想安静一会
    纷繁复杂的人际关系,我常常感到疲惫。面对那些不同的人、不同的事,我有时就像缺乏预案逻辑的机器人,手足无措,疲于应付。在超量消耗社交能力之余,我只能更多的沉默。因为沉默并非退缩,而是意味着我需要时间来沉淀思绪,思考如何用更加合理的方式来应对这些事件。沉默是为了更好地观察......
  • Emacs有什么优点,用Emacs写程序真的比IDE更方便吗?
    Emacs是一种强大的文本编辑器,有许多优点,使其在某些方面比传统的集成开发环境(IDE)更方便。以下是一些使用Emacs的优点:1.高度可定制性Emacs可以通过EmacsLisp编程语言进行高度自定义。你可以根据自己的需要修改和扩展Emacs的功能,几乎没有限制。2.统一的工作环境Ema......
  • 超声波清洗真的可以洗得更干净吗?六点帮助你如何买超声波清洗机
    我们日常佩戴的眼镜要是长期不清洗,不仅镜片会变得模糊不清,还可能会引起眼部的健康问题。不过好在有超声波清洗机这款清洁神器,它有着高效的清洁能力,能够通过超声波来震落物件上的污渍。而面对众多选择应该如何挑选?本篇文章将为你揭示超声波眼镜清洗机的六大选购要点,帮助你在众多......
  • 基于Hive的大数据分析系统
    1.概述在构建大数据分析系统的过程中,我们面对着海量、多源的数据挑战,如何有效地解决这些零散数据的分析问题一直是大数据领域研究的核心关注点。大数据分析处理平台作为应对这一挑战的利器,致力于整合当前主流的各种大数据处理分析框架和工具,以实现对数据的全面挖掘和深入分析。本......
  • 用Emacs写程序真的比IDE更方便吗?
    探讨Emacs写程序是否比IDE更方便,是一个深入且主观的话题,因为它涉及到个人的工作习惯、项目需求、技术偏好以及对工具的熟悉程度。以下是对这一问题的详细分析,旨在从多个角度探讨Emacs与IDE在编程中的优劣,并尝试回答这一问题。一、引言在软件开发领域,集成开发环境(IDE)和文本编......
  • 太强了,Python+Excel真的是神仙组合!
    本书是由流行开源Python库xlwings的创始人:费利克斯·朱姆斯坦(FelixZumstein)所撰写。他详细阐述了如何将Python与Excel结合使用,让任务自动化,从而实现效率飞跃。为了帮助初学者克服对Python的恐惧,作者特意将教程内容设计成从简单到复杂的顺序进行介绍。这本书PDF共282页,分为4个......
  • Python数据分析案例55——基于LSTM结构自编码器的多变量时间序列异常值监测
    案例背景时间序列的异常值检测是方兴未艾的话题。比如很多单变量的,一条风速,一条用电量这种做时间序列异常值检测,想查看一下哪个时间点的用电量异常。多变量时间序列由不同变量随时间变化的序列组成,这些时间序列在实际应用中通常来自不同的传感器或数据源。多变量时间序列异......
  • 快醒醒,别睡了!...讲《数据分析pandas库》了—/—<4>
    一、废话不多说,直接开讲1、DataFrame的索引和切片1.1 选择列        当想要获取df中某列数据时,只需要在df后面的方括号中指明要选择的列即可。如果是一列,则只需要传入一个列名;如果是同时选择多列,则传入多个列名即可(注意:多个列名用一个list存放)#获取一列......