近年来，越来越多的企业意识到数据的价值。不论互联网巨头，还是新兴的创业公司，当企业每天产生海量的数据时，如何理清脉络、把握重点、解决问题，数据决策已经成为重要的一环。而在这个过程中，数据分析师这一角色至关重要。

很多人对数据分析师的工作也充满好奇：

• 数据分析师必须具备哪些能力？

• 数据分析师的核心职责和价值在哪里？

• 初级数据分析师和资深数据分析师的差异体现在哪些地方？

• 在专业数据分析服务商做数据分析师是怎样一种体验？

……

 

我们带着这些问题，对数数资深数据分析师 Sloan 进行了一次采访。以下内容根据本次采访整理，希望对有志于进入数据分析行业，以及想在数据分析专业领域快速提升自我的朋友有所帮助。

01 数据分析师最核心的职责

是规划问题的解决路径

数据分析师最核心的职责，是规划问题的解决路径，将要解决的大问题拆解为一个个小问题，并在解决每个小问题的过程中，通过数据来判断选择的路径是否正确。「数据分析」工作本身，就是「发现问题-提出假设-寻找验证假设的方法」的过程。

 一名优秀的数据分析师，需要具备哪些能力？

首要能力是从问题中定位提问者的深层需求。

数据分析师在工作中经常会遇到：现在面对的这个提问，是基于什么场景的「初步解决方案」？如何理解「初步解决方案」呢？举个工作中的例子：业务方希望分析师能提供最近一周每个活跃用户的充值总金额和活动参与次数的数据。在这个数据需求背后，隐藏的最终需求其实是：评估「参与活动」是否对「用户充值」有促进作用。而获得充值总金额和活动参与数据，就是业务方为了解决最终问题而想到的「初步解决方案」。

 

优秀的数据分析师能透过「初步解决方案」看到提问者的深层需求，再从深层需求出发来规划多种可能的解决方案，这样解决问题的思维就不会被「初步解决方案」所局限。但是如何才能看到深层需求呢？这里有一些供参考的方法：

• 遇到「初步解决方案」时多问一句：「方案」想解决的场景是什么（一般在提问者清楚知道深层需求是什么的情况下，直接问就能得到答案）；

• 与提问者沟通时，体会和观察其「方案」的出发点（有时候提问者没有明确意识到自己的深层需求，需要数据分析师主动体会和猜测）；

• 有意识地归纳总结自己经历过的「初步解决方案」与「深层需求」的关联（见多了「初步解决方案」之后，更容易感知到业务方的真实深层需求）。

另外，沟通也至关重要。

有些人可能对数据分析的工作有一些误解，认为只要跟数据打交道就可以了。但其实在做数据分析的过程中，数据分析师不可避免地要与各个职能的人去对接，有可能是业务方，也有可能是自己内部其他团队的小伙伴。有效的沟通能更快地让我们确定深层需求，在最终进行数据分析之前，需要首先明确解决的问题和解决方向，才能事半功倍。

但光有解决问题的思路和沟通能力还不够，数据分析师还要深度了解和熟练使用与需求匹配的数据分析平台。

既然发掘出了深层需求，也确定了解决问题的方案，那么下一步就是将方案落地实施了。此时需要数据分析师掌握多种分析方法和熟练使用工具，能通过各种途径（SQL 查询或 Python/R 等工具）来处理数据，形成可视化的图或表，让数据信息更直观地展示出来。

资深的数据分析师能通过经验+沟通+观察，快速定位提问者的深层需求，并通过成熟的分析方法和工具高效落地数据分析方案，验证假设，然后把分析结果通过简单易懂的方式，传递给需要这些结论的人。

 

02 在数数做数据分析师，

是怎样一种体验？

在数数做数据分析师，是怎样一种体验？

首先，数数的数据分析师要十分了解游戏行业，了解不同游戏公司、不同类型游戏的数据分析需求和解决方案。同时，也要有能力与游戏公司的数据分析师、运营、策划、研发、广告优化师等角色进行专业领域的交流，并从数据分析的角度给出建议。

除了对业务数据分析需求的把握，数据分析师还要掌握数据流转的全链路，了解数据的采集-上报-处理-入库-计算过程的逻辑，并能针对客户的不同数据使用场景，设计数据流转过程的解决方案。

在设计好数据流转方案后，数据分析师还要能为方案的落地保驾护航，解决落地过程中出现的各种问题。

比如需要完成什么场景的数据分析、需要哪些原始数据、数据怎么做埋点、埋点怎么上报、上报的数据经过了哪些处理、发现数据问题时应该怎么排查、应该从哪一步入手修正数据等问题，数据分析师都要有能力去解决。

那么一个客户从开始接触 Thinking Analytics（简称“TA 系统”）到可以熟练使用系统进行数据分析，整个过程中数数的数据分析师会提供哪些帮助呢？

数据分析师的工作贯穿于客户对接 TA 系统的全过程。首先是前期的对接过程。当客户还不了解 TA 系统能实现哪些功能时，数据分析师会与客户咨询经理一起去客户现场与客户沟通，解答客户的业务问题，向客户演示如何通过 TA 系统实现各种数据分析需求。

在客户明确合作意愿后，数据分析师会根据客户的业务需求，与数据的使用方（可能是运营/策划/分析师/投放师）沟通，设计数据上报的埋点方案，然后与客户的研发人员沟通数据上报过程的技术细节，并跟进埋点落地和数据上报的过程。

下一个环节是引导客户进行已上报数据的校验工作，在这一阶段数据分析师将与客户方的研发和运营协同，确认数据的准确性和有效性，并最终协助客户完成所需数据指标的报表搭建和看板展示工作，发掘数据所蕴含的信息，将它们在 TA 系统上进行直观展示。

通过这些报表和看板，客户就能自己分析数据了。数据分析师接下来的重点工作就是给客户进行系统使用的培训，引导客户更高效、更深度地使用 TA 系统满足自己的数据分析需求。

 

总结起来的话，数数的数据分析师团队会尽一切努力为客户答疑解惑，提供对应问题的解决方案，让 TA 系统的操作者更快更好地发掘数据价值。

 

03 游戏行业数据分析的特殊性

相比于其他行业，游戏行业的数据分析有其特殊性。因为游戏有完全模拟真实世界的可能性，大火的「元宇宙」概念，就强调了这一点。所以可以说游戏行业的数据分析最贴近我们收集全量数据的这个目标，分析时不光要类比真实世界，有时甚至需要在真实世界的场景上做一些扩展。未来，游戏可能是数据分析场景和分析切入维度最丰富灵活的行业。

那么，数据分析工作怎样更好地推动游戏业务增长呢？

首先在能力要求层面，数据分析师不光要了解游戏的业务场景，更要了解数据分析的全链路，要在数据分析领域沉淀地够深。比如数数目前已经服务了超过 500 家客户，积累了大量的服务案例，所以当客户碰到一些问题的时候，我们的数据分析师就能根据经验给客户提供最优的解决方案，为他们免去从 0 到 1 的探索过程。除此之外，数据分析师还需了解各个领域的知识，要能高效地与客户方的研发/运营/发行团队沟通，从更全局的视角审视问题，看到更深层的问题原因。

在数据分析平台层面，需要找到适合自己的工具支持数据分析过程，以应对丰富多变的游戏分析场景。现在新技术层出不穷，我们可以借助很多工具来完成复杂的数据分析过程。游戏行业绝大部分的基本指标，都可以轻松通过 TA 系统完成分析。TA 系统还可以快速定位不同的用户群体，给不同用户群体打上标签。使用者只需要自己在系统里面点点鼠标，很快就能完成多次的数据下钻分析，来验证数据分析的结果与自己的猜想是否一致。

 

04 数据分析师入「坑」指南

Join Us！

随着游戏行业数据意识的日益增强，越来越多的游戏公司在招聘中要求应聘者具备数据分析的技能。数据分析师，也成为各大企业争先抢夺的人才。

要想成为一名数据分析师，需要做哪些准备？

首先要想清楚自己想要的工作或者喜欢的事情到底是什么，然后了解数据分析的工作内容，再确认自己是否真的想进入这个行业。

还要有不断学习和迭代的心态。数据分析师不能单纯地从数据分析的角度来去考虑用户或产品，而应该站在更全局的角度处理问题，需要了解的不光是数据分析的知识，还要了解产品、市场投放的知识等内容，要了解整个分析业务从前到后全链路的知识，以及数据从产生到最后分析的整体流转过程。

再者就是对世界的好奇心。数数的数据分析师团队是一个强大而友爱的团队，团队里的每个人都有自己的闪光点，而大家的共性是都有非常强烈的好奇心和求知欲。只有保持好奇心，才会去思考这个世界是什么样的，为什么会是这样，如果要改变它可能有什么样的方法，以及怎么去解决方法落地过程中遇到的问题。

 

最后，我们在这里打个广告：📣

如果你也有对世界的好奇心，如果你也享受解决问题的过程，欢迎加入数数大家庭～我们一起化身「六边形战士」，一起挑战更难的的问题，一起收获更多的成长！

📩

扫码投递简历

Join Us

邮箱地址📮 hr@thinkingdata.cn