高级数据分析师的基本职责.docx

高级数据分析师的基本职责【第一篇】职责：1、构建分析体系、报表体系和指标体系，并根据业务发展和需求分析情况进行维护和优化;2、构建辅助分析用的数据产品、分析模型，不断提升分析效能和分析模版的复用性;3、熟练使用数据仓库，灵活应用分析工具和方法，进行可靠的趋势判断和预测、归因;4、深入理解公司战略，通过商业项目的需求调研、数据分析、数据挖掘等，为管理层提供积极的数据反馈和决策支持;5、能够结构化、可视化编写商业数据分析报告，洞察数据背后的规律和问题，为运营产品推广等业务决策和动作提供支持;6、开展行业和竞争对手分析，定期提交行业及竞争对手分析报告。职位要求：1、本科及以上学历，数学、统计等专业优先;3年以上数据分析经验，互联网经历优先;2、熟练应用统计分析方法，如聚类分析、主成分分析、决策树分析、回归分析等;3、熟悉sql/python/R，擅长excel及PPT，了解SPSS/SAS等，掌握1-2个可视化工具;4、数据和商业市场敏感，能主动发现和识别业务问题，进行项目分析和业务优化应用落地;5、面对海量需求，能以结果为导向，准确识别判断需求重要性和优先级，合理规划分析计划;6、具有较强的沟通协调、项目推进、产品思维、逻辑思维、数据可视化、数据解读和业务洞察能力;7、为人踏实、勤奋，具有较强的稳定性;自驱力、创新和执行力强。【第二篇】1. 深刻理解公司的产品和业务模式及数据内容，以量化分析的方法驱动决策，通过分析多维度数据，建立客户全生命周期价值管理模型，为不同客户设计优化相应营销和产品策略，满足客户需求同时达到公司业务和盈利增长;2. 通过定量分析的方法从业务全流程发现优化改进点，跟踪产品的整个流程，从前端流量、运营、风险等各个方面利用数据分析提高产品各个环节，最终完成业务线指标;3. 为各类产品、运营、风控、市场渠道等创新项目，提供可行性分析及产品效果检验的数据支持，推动不同的创新产品的孵化落地;4. 负责输出针对海量业务数据进行深度及多维度分析，如用户画像、关联度模型、NPV/PV，响应模型预测及预警模型等，参与建立并优化公司的核心大数据决策体系;【第三篇】职责：1.结合公司投放计划，对投放过程、结果、上下游数据、用户生命周期、回收效率、用户价值等，进行数据监控，建立数据模型，进行投放分析，并建立过程指标与预警机制，如发现异常快速定位问题原因，提出建议2、具有较强的主动性，能够根据业务现状主动发现问题，形成有效的数据分析方案，推动数据分析结果的应用落地;3、建立用户增长模型，对流量增长及结合产品创新落地有丰富的落地经验，指导公司用户增长、流量增长;4、对于不可直接监测的短视频、新媒体、事件营销等新型投放方式，建立监测方法、评估模型，并具有一定的业务能力，能够参与业务并提炼分析5、能够结合不同投放方式的效果分析，形成基于数据分析的投放策略，投放方法、优化方案，并能输出給团队成员岗位要求：1.3年以上互联网流量获取及电商等行业分析经验;深入理解流量增长模型，及有较强推动力经验者优先;2.具有一定的投放实操经验，一定的业务增长能力，并有较强的数据分析、提炼能力3.具备敏锐的洞察、分析能力，有严谨客观的分析态度和良好的沟通表达能力、具备时间管理能力。4.对新鲜事物较为敏锐，如有短视频、新媒体、事件营销等分析经验者优先考虑;5.对增长黑客模型有深刻认知并实践者优先考虑;【第四篇】职责：1、业务数据的抽样、清洗、转换、整合与统计，深度挖掘用户属性，用户行为特征，能够建立用户画像;2、能够结合业务需求，处理数据、加工指标、分析建模，并根据不同需求运用数据挖掘方法建立模型解决实际问题;3、设计数据分析指标体系，能够依据数据分析结果，发掘潜在问题;4、通过用户数据针对复杂的商业问题，设计、规划、实现基于数据的解决方案，充分挖掘数据的商业价值任职要求：1、.计算机、统计学、数学、数理统计等相关专业本科及以上学历，3年以上工作经验或相关工作经历;2、熟练使用一种或几种分析统计及数据挖掘工具，如：python、R等;3、能将各类业务需求转化为适合的数学模型;4、熟悉并能熟练使用机器学习算法，如：kmeans，SVM，决策树，GBDT,随机森林等;5、良好的数据敏感度,能从海量数据提炼核心结果，有丰富的数据分析、挖掘、清洗和建模的经验6、有模型部署经验优先，熟悉hive，spark优先;7、汽车行业相关工作经验优先;【第五篇】职责：1、构建并完善苏宁易购榴莲社区运营数据分析体系，建立业务数据模型。2、负责内容电商业务相关的分析工作，通过对数据的收集、统计分析与利用，编制分析报告，提出业务管理的改进建议;3、针对内容用户进行专项数据分析，包括但不限于用户生命周期价值、留存、流水、用户画像分析等，为运营决策提供数据支持;职位要求：1、3年以上移动互联网数据分析经验，有视频、直播、内容公司经验优先;2、良好的数据敏感度，对全生命周期的数据工作有深刻理解，包括：埋点、数据提取、数据处理、可视化、分析与建模;3、能独立完成数据提取与清洗，分析业务问题，并能够基于分析结论提出改进方向;4、精通EXCEL、PPT，能使用SQL数据库等软件;