女生适合做数据分析吗?数据分析枯燥吗?
发布时间:2024-07-25 18:00 浏览量:34
一、是否适合女生?
01技术要求低
相对其他技术岗来说,数据分析是最适合女生的岗位之一了,同时,相对于其他技术岗来说,数据分析也是对代码能力要求较低的岗位之一。凭借严谨的逻辑能力,和在业务中不断积累的经验,许多女生也能够顺利打怪升级,领导团队。
02薪资水平高
无论是在经济发达的大都市,还是在正在崛起的城市中,数据分析岗位在市场上的高价值,平均月薪已突破1.5万,也反映出不同城市对于优秀数据分析人才的认可。
女生很适合这个职业,非常肯定。至于是否枯燥,我们看个案例就知道了。
二、数据分析是否枯燥?
看一个例子,这也是数据分析师在日常开展分析工作中需要思考到的一些东西,如果看完你觉得不枯燥,甚至是有点意思,再甚至是能够提出一些不一样的看法,那你非常有机会在数据分析的岗位上做出成果。
案例
服装店销售额下降分析
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。
01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:
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:
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。
02
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%
03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:
1、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
2、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。
3、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……
三、职业前景怎样?
第一,人才缺口大
数据分析师,是现在最热门的职业之一,所谓的大数据、人工智能中的重要一环,越来越多的公司企业已经逐渐重视用数据科学解决问题,这比拍脑袋要来的可靠。对于个人而言,数据分析也是运营,甚至是开发的必备能力之一。作为一个新兴职业,缺口量也较大,空间也还有。
第二,职业发展前景广阔
从现在市场和企业的反馈来看,这个行业在未来一段时间都会处于上升期。但这个职业也依然存在挑战,因为未来的趋势是“+数据分析”。什么是“+数据分析”呢?就是数据分析越来越成为各个职业的基本技能,各个职业上的从业人员都会开始学习数据分析,从而有了:财务+数据分析;运营+数据分析;产品+数据分析等。
- 上一篇:“大浪杯”时尚实景大秀将于8月30日举行
- 下一篇:中国传统工艺——女装图案工艺趋势