【电商数据分析师岗位职责|电商数据分析师是做什么的】-看准网
电商数据分析师
这里的老鸟都很热心，可以试试向他们咨询~
平均￥4284
工资分布图（k）
该职位相关热门公司
看了该职位的还看了
3151条信息
12870条信息
9070条信息
5290条信息
8751条信息
关注看准官方微信
下载看准官方APP
下载看准APP
点评工资任意看
查看5,608,972家公司的员工评价，预先看清你想去的每一家公司
广告等垃圾信息
违禁信息（色情、欺诈、非法传销）
不友善内容（诽谤，人身攻击、骚扰、侵犯隐私）
违法、政治敏感内容
感谢您的举报，我们会尽快处理~
小贴士：问题描述的越清楚，越能吸引老鸟来回答哟~
请输入问题
向老鸟咨询
把你关于电商数据分析师的问题大胆的提出来，这里的老鸟很乐意为你解答～
写下问题吧~
提交成功！请静静等待老鸟们回答~
扫描二维码
分享到朋友圈，邀请微信好友帮忙解答--百度百聘
百度百聘温馨提示：
（1）以上职位信息均来自第三方网站，不代表百度。（2）如对该职位非本公司发布，请联系第三方网站进行删除，百度会积极协助配合。（3）在签订合同之前，以各种理由收取非正规费用的（如押金、报名费、服装费等）均有诈骗嫌疑，请您保持警惕。
关注该职位的人还关注
手机百聘扫一扫
随时随地找工作
您尚未登录，暂时无法收藏心仪的职位，请登录后收藏。
您尚未登录，暂时无法直接投递全网职位，登录即可直投全网职位
您已收藏成功,请在"我的收藏"中查看
请完善简历
您尚未完善简历，暂时无法使用百度帐号投递全网职位功能
恭喜您职位申请成功，请耐心等待企业联系！
分享到微信朋友圈
打开微信，点击底部的"发现"，
使用"扫一扫"即可将网页分享至朋友圈。据说：电商数据分析师的经验总结
据说：电商数据分析师的经验总结
&&& 曾经有人说，世界上最苦逼的工作是程序猿们，每天只能和没有性别的代码打交道。整天熬夜的疯狂写代码，然而并没有什么卵用。一不能吃，二不能喝，三不能幻想，对此我深表同情。
&&& 直到我自己走出校门，踏入企业以后，才知道：最苦逼的工作，不是程序猿，而是行业分析师，苦逼指数五颗星。要说我也是一个从985高校毕业的经济系高材生，毕业后在一家外资企业上班的，待遇还算可以！公司是生产智能的，品牌名称大家一定都知道，很抱歉不是乔帮主家。
&&& 我每天的主要工作内容，是负责竞争策略的研究工作。随着大数据概念的风生水起，需要调查研究的范围日益扩展了。从之前的宏中微三观市场，一下子增加了舆情、电商、情报等不太熟悉的新潮领域。没法子，马云不是说了，世界已经从信息时代（IT）变换到数字时代（DT）了，分析师也得与时俱进啊！
&&& 以前，我们都是从国外知名咨询公司采购研究报告，进行市场研究与战略决策。就像平行进口的电器和汽车一样，进口的报告产品质量和数据水平比较国产报告质量要好一些，但是价格过于高大上了，动辄好几万一份，还是美金。随着市场竞争日益激烈，公司一直都在降本增效了。我只好寻找一家国内大数据研究公司，一方面可以降低咨询成本，一方面我们需要切换到数据思维，逐渐戒掉之前的咨询思维了！
&&& 为了找到更好的数据供应商，我可真是煞费苦心啊！不眠不休地网上冲浪，调动身边一切可以调动的资源。做了一周的功课，没有遇到一个称心如意的数据合作伙伴，感觉这件事情比自己当初寻找老婆还有困难呢！
&&& 直到有一天，我和关系不一般的“董小姐”一起吃饭，她提到了一个据说很厉害的大数据服务运营商。我就问她，那家公司叫什么名字？她含含糊糊地回答我，那家公司据说……丈二和尚摸不到头脑，我一来气就不问她了！不就是一个公司名称，又不是你的三围信息，有什么值得保密的？
&&& 晚上回到家里，我继续网上冲浪，寻寻觅觅了老半天，把网页游戏和美女直播的时间都浪费了，还是没有找到她说的那家公司。迫不得已，我度娘了一下“据说”。出乎意料的是，奇迹的事情发生了！原来“董小姐”早就告诉我那家公司的名字――据说（datacall），国内知名的大数据运营服务商。从头到尾地浏览了据说平台网站后，我突然有了柳暗花明又一村的感觉。
&&& 据说，目前覆盖了十大领域的行业研究方向，对于国民经济主要行业都有数据支持和研究功底，可以按照自己的需求进行行业选择。
&&& 据说，你可以提交自己的需求，然后采用需求众筹、产品众包的模式进行精益生产，用大数据的思维进行数据应用产品的设计，一切用数据说话，没有一点点伤痕。
&&& 据说，采用开放化的发展策略，对于时下新兴的热门研究方向，无论是情报舆情还是电商口碑，都有自己的研发团队，可以整合全网数据资源，进行系统化的分析研究。
&&& 据说，活用了互联网思维的发展模式，细颗粒度聚焦行业热点、痛点和风险点。通过降低研究维度，提高了研究深度和精度，极大地降低了研究报告的成本，让每一个中小微企业可以负担得起咨询费用。比如，我要做手机市场研究，可以从电商渠道、品牌和口碑三个维度分别进行定制化的数据应用产品，每个产品系列单位价格只有几十块钱，不必扛着一麻袋人民币去付款了!
&&& 第二天，公司研究部门和据说数据平台签订了谅解备忘录，终于告别了高成本、大部头、长周期的研究报告了；再也不用为了审批研究经费，跟财务部那帮家伙争吵得脸红脖子粗了！
&&& 据说，未来真的可以很美好！
余承东：华为荣耀已成为双品牌&未来将走独立品牌道路,6月30..
CCTIME推荐
CCTIME飞象网
CopyRight &
京ICP备号&& 京公网安备号
公司名称： 北京飞象互动文化传媒有限公司
未经书面许可，禁止转载、摘编、复制、镜像类&&型:个人企业苹果/安卓/wp
积分 11832, 距离下一级还需 6468 积分
权限: 自定义头衔, 签名中使用图片, 隐身, 设置帖子权限, 设置回复可见, 签名中使用代码
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡, 抢沙发, 提升卡, 沉默卡, 千斤顶, 变色卡下一级可获得
道具: 置顶卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
开心签到天数: 158 天连续签到: 1 天[LV.7]常住居民III
CDA数据分析行业专题课首次开班——本期专题“电商数据分析集训”
本次主讲老师：零一，详情请点击：
【零一】#操作教程贴#从0开始，教你如何做数据分析#中阶#第七篇#
&& 数据分析最终要求业务落地，因此我们也是更多的去邀请一些行业内具有业务经验的朋友来分享各自的精彩观点。
& &经派代网热门作者零一同意，论坛收录其关于淘宝数据分析的一些教程，今后将陆续进行刊载，最新文章将进行论坛首发，对电商方面感兴趣的朋友可以关注本系列贴。
&& 如果关注数据分析技能提高、相关培训和工作，欢迎订阅CDA数据分析师专版：。
& &如果喜欢零一兄的分享文章的朋友，也请在帖子下方留言，聊聊自己的想法和希望学到的东西。我们会在适当的时候邀请零一在YY上跟大家免费分享一些他的“拙见”。贵在交流，希望让更多数据分析方面的菜鸟朋友们得到一些好的启发！
& &如果希望看到一些经过挑选以后的数据分析方面的文章，也可以关注新浪微博
微信：CDA数据分析师
上次跟大家说过数据分析的4个任务，今天讲第一个任务，预测。
预测这个任务在很多场景可以应用到。比如
预测某行业未来的市场走势
预测买家会不会响应我们的营销主张
预测股票走势/预测福利彩票开奖号码
预测我们自己的体重/身高
大家可以发现，无论是商业还是生活都可以应用到，作为一名【业务】数据分析师而言（以下简称数据分析师，但特指业务数据分析师），当然不会什么事情都去做分析，那么，是什么因素决定了我们要去做分析呢？
答案是【商业价值】。
作为一名数据分析师应该以【商业价值】作为导向，我们的分析产生了商业价值，那么我们作为一名数据分析师才能有相应的价值。数据分析师的身价也因此而来。
数据分析师必不可少的4要素是
【思维】+【业务】+【工具】+【数据】
【思维】指分析思维，大家可以发现我正在一点一滴地传播给大家。
【业务】指业务能力，只有深入了解企业或者我们自己的业务需求，才能【点数成金】，如果今天我不小心请了一个完全不懂电商的数据分析师来帮我分析，那结果是堪忧的。因为他可能不知道什么是UV,什么是PV，什么是ROI，什么是直通车/钻展。
如果把数据分析师比喻成剑客，那【思维】和【业务】就是这个剑客的任督二脉了。
【工具】古人有云：工欲善其事，必先利其器，有工具才能高效丶精准地做出分析。【工具】就像剑客手中的宝剑一样。
【数据】数据分析师手里没有数据，也就不存在数据分析师了。【数据】就像剑客身体中的血液，连血液都木有，就活不下去了。
在Excel中，结合数据挖掘套件，可以非常简单地完成【预测】这个任务。
虽然鼠标点几下就可以完成【预测】，但是做【预测】的方法有好几种，分别是在不同的情况下应用的。如果用错了方法，可能程序就会报错。哪怕不报错，出来的结果也可能是差强人意的。
具体用哪种方法，我们根据的是什么呢？
答案是【数据类型】
数据分成3种类型，当然你们去看一些数据分析丶数据挖掘的书籍里面的分法可能会跟我的不一样。
【数据类型】分为【定量】，【定性】和【时间序列】。
【定量】就是我们的数字，1,2,3,4,5,6,7,8,9,0组成的数值，当数据是这种数值的时候，我们就可以把他归类为【定量】数据类型。
【定性】一般是字符型的数据，比如，中文丶英文就是一种字符型的数据。
【时间序列】跟定量非常接近，但不同的就是时间序列是时间格式的数据，那么我们看下电脑系统的时间，就是时间格式的数据，称之为【时间序列】。
对应的分析方法（不局限以下方法）
【定量】-【线性回归】
【定性】-【逻辑回归】
【时间序列】-【时间序列预测】
怎么选择就看我们要预测的维度，是根据哪种数据的变化来预测的。
比如，我们已知时间和销量，要预测未来的销量。只要维度里面有一个维度是时间，就应该选择【时间序列预测】。
如果已知高质宝贝数和成交量，要根据高质宝贝数啦预测成交量，就是通过【定量】预测【定量】，因而选择【线性回归】。
如果已知买家的地域，下单金额和购买件数，来预测买家会不会响应我的促销活动，我们预测的就是买家是否会重复购买，那就是会或不会的问题，是通过【定量】预测【定性】，类似这种预测结果是A或B或C……这种分类情况，就应该选择【逻辑回归】
下面3个例子来帮助大家掌握【预测】
1丶已知时间和成交量，要预测未来几个月的成交量
源数据如下
源数据挺多，仅截图一部分。
源数据可以是表也可以是我们选择的区域也是可以外部数据源，这里我们直接在表内选择数据区域。
时间戳会自动识别，前提是数据必须是日期格式的。（excel里面时间序列是日期格式）
查看模型结果
可以指定要预测多少个单位时间。
可以看到使用的是ARIMA算法，其实算法我们还可以在建立模型的时候进行设置，这里不解释太多。
模型建立后，可以用查询工具
结果如下图所示，给出时间戳丶预测的成交量和标准偏差。
2丶手上有高质宝贝数和成交量两个数据，假如现在已知未来几个月的高质宝贝数，通过这个来预测成交量。
数据源如下
参数中，我们可以选择算法还可以配置参数，这里我们选择线性回归即可，参数不解释。
定性集（国内翻译叫训练集）和测试集是数据挖掘中非常重要的一个概念。也是别于统计学的一个思想。统计学中是用统计方法来检验模型是否靠谱，而数据挖掘中，是将数据源拆分成两部分，一部分用来建立模型，这一部分数据称之为训练集。另一部分在模型建立后，回代入模型中，进行测试，看模型的准确率有高，这一部分数据称之为测试集。现在数据量很少，而且作为示例，可以把测试集的百分比设置为0，也就是不拆分数据，将所有的数据都用在建立模型上面。
在模型的窗口中会看到回归方程，如果不懂回归方程的，可以找一本高等数学的教材看看或者直接度娘。
打开查询工具，让模型做出预测。
下图中看到的高质宝贝数是已知条件，已知高质宝贝数，但成交量未知，这时模型会做出预测。
predict是预测的意思。这里是添加预测值作为输出。
输出结果如下，输出 1这个字段就是模型预测出来的结果。
3丶手头上有历史买家订单数据，买家的地域，下单金额和购买件数（只要处理下源数据，就可以得到是否重复购买这个数据，1表示会重复购买，0表示不会）
模型浏览中可以看到会重复购买的买家的特性，和不会重复购买的买家的特性。
假设下面是新的买家数据，那么我们要来预测下，这4位新的买家是否会重复购买，成为回头客。
结果如下，模型判定只有王六会重复购买。
第三个例子中有非常严重的问题，就是数据源太少，这里仅作为示例，数据源太少是做数据分析的一个大忌（当然某些时候不是）
HI~!我是，我的微信号是start_data，欢迎大家在微信上面交流。我们现在继续讲预测。上篇跟大家介绍了数据挖掘的做法，微信的朋友就有人问了，那如果我不会用数据挖掘的算法就不能预测了吗？
答案是肯定可以的，不用数据挖掘的算法也一样可以通过数据来做预测。
既然是预测，伙伴们也不用纠结说预测得不准，能有个八成的准头就已经不错了。包括现在很多着名的数据挖掘案例，准头可能都没有个八成，不过因为是建立在大数据的基础上做的挖掘，有时候有个五成都能创造出价值了。
如果不用数据挖掘的算法，最高境界当属神奇的第六感了，这种我也无能为力。我只能讲我力所能及的通过数据来预测。
比如预测销量丶预测销售额等，我们可以直接用简单的环比增幅或者同比增幅来计算。
我们利用环比和同比增幅的公式，就可以推算出下列公式。（环/同比之前在初阶的文章中跟大家介绍过了）
=============================
本期数=上期数*（1+环比增幅）
本期数=同期数*（1+同比增幅）
=============================
用环比还是同比，其实都可以，但我们还要考虑趋势的问题，环比丶同比表达的就是趋势。
我们看下图，今年的趋势跟去年的趋势基本是一样的，那么，我们用环比或者同比都是可以，而且预测的效果也比较靠谱了。
如果今年跟去年的趋势不同，就结合环比和同比都计算出来预估值，然后求两者的平均值即可。
下面两个场景帮大家理解。
1丶老板让小白同学预测一下行业未来3个月（1季度）的销量。
首先拉出行业数据2012年1月到2013年7月，要预测丶10三个月份的销量。先计算出环比和同比，同时把销量做出趋势图
然后把环比增幅也做出折线图，可以发现2012年和2013年的趋势是差不多的，因为2012年春节是1月份，也就是从2月份开始恢复正常销售，而2013年春节是2月份，也就是从3月份恢复正常销售。总体来讲，趋势是差不多的。
因此，我们可以用丶10三个月的环比数据来作为预估。
将月份的环比数据代入月份，公式就用
本期数=上期数*（1+环比增幅）
先根据7月份的数据算出8月的销量，再根据8月算出9月，以此类推。
年月前面加个字母e，代表预测的意思。
算出来后如下图，我们可以发现，代用去年的环比增幅预测出来的销量的同比增幅跟7月份是一样的。也说用这种方法的特点，就是假设同比相同。
我们可以做出折线图，蓝色背景部分就是预测的销量了。小白同学完成任务。呵呵！
2丶老板让小白同学做一份未来3个月（1季度）店铺的销售计划，里面要预估一下未来3个月的销售额。
源数据如下，假设这个店就做了7个月的时间，从2013年1月份开始运营。
这种情况，方法其实很多。但准确率是让人非常头疼的，因为还涉及到供应链丶市场环境丶店铺运营规划等问题。
我就介绍一种比较靠谱的思路。
第一步，与老板丶市场负责人等熟悉本行业的相关人员协商，设定（最高或者最低）增幅基数，就假设最高10%/月，最低不低于2%的增幅发展。（也可以直接引用预估的行业增幅，不过可能会让运营人员鸭梨山大）
第二步，回到第一个任务，预测下行业的趋势，我们直接引用上面的结果
下图可以看到9月增长，8月和10月都有下降趋势。
因此，可以认为借着9月行业的增长，店铺也可以达到设定的最高增幅。8月行业持续下降，可以适当调低我们的增幅阈值。预计的结果如下
同样做出折线图，持续增长是个理想化的东西，只要行业波动不要太大，店铺的动作不要太大（如果某个月连续上聚划算会导致当月增长，过后可能会迎来一段持续下滑的时段），持续增长不是什么大问题。
最终在验收成果的时候，也是要结合实际的市场动态，如果市场增长的情况下，我方反而下滑，就不正常了。如果市场以100%的增幅快速增长，而我方仍然以10%的增幅蜗牛式增长，这也是有问题的。
或许，在本店资源供应正常的情况下，行业趋势就是运营的阅卷官吧！
不知不觉又到凌晨2点了，要培养一名数据分析师不是一件容易的事情，大家加油跟上吧。
载入中......
关注每一篇。
关注每一篇，如饥似渴啊
关注！！！！！！！！！！！
数据挖掘那部分的加载项在哪里
德吉拉姆 发表于
数据挖掘那部分的加载项在哪里同样的问题
数据挖掘加载项的处理详见
又学习到了新东西啦。
终于跟着做完了。。。
此贴必顶！受益匪浅
无限扩大经管职场人脉圈！每天抽选10位免费名额，现在就扫& 论坛VIP& 贵宾会员& 可免费加入
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
论坛法律顾问：王进律师