数据分析师日常都分析哪些数据?

数据分析包括：分类分析、矩阵分析、漏斗分析、相关性分析、逻辑树分析、趋势分析、行为历史分析等，我以人力资源的工作为例来说明如何进行上述工作分析以获得见解。

01）分类分析
例如可以分为不同部门、不同职级、不同年龄段来分析技术工人的流失率。 例如，如果您发现某个部门的流动率特别高，您可以对其进行分析。

02）矩阵分析
例如，如果一家公司有价值观和技能评估，评估结果可以用矩阵图来表示，其中技能和价值观匹配的员工、技能强、价值不匹配的员工和能力弱价值匹配的员工和能力弱、价值不匹配的员工的比例分别考虑到员工的比例，从而决定了公司的人才健康状况。

03)漏斗分析
例如记录招聘数据、提交简历、通过初筛、通过第一次面试、通过第二次面试、通过最终面试、接受offer、成功接受工作并通过试用期。 您可以使用这些数据来查看哪些链接可以优化。

04）相关分析
例如，公司各个分公司的员工流动率差异很大。 然后，可以将每个分支机构的员工流失率与分支机构的一些特征（地理位置、薪资水平、福利（级别、员工年龄、管理人员年龄等）进行比较，找到最能留住员工的关键因素

05）逻辑树分析
例如，如果发现最近员工满意度下降了，那么我们将满意度分解为薪资、福利、职业发展和工作氛围，然后。 工资分为基本工资和奖金。 我们将其逐层分解，找出每个幸福影响因素的变化因素并获得见解。

06)趋势分析
例如最近12个月大脑波动率的变化趋势。

07)行为进展分析
例如，跟踪销售人员的行为进展，从进入工作岗位到开始提供服务、业绩快速增长、疲惫阶段和逐步稳定发展。

通过为企业业务场景提供全面的大数据分析解决方案，可以从增加销量、降低成本、提高效率、控制成本四个角度为企业带来效益。 价值主张。

1.增加销量

最直观的应用就是数据分析，实现数字化精准营销。 通过深入分析用户的购买行为、消费习惯等，我们可以创建用户画像，将数据分析的结果转化为可操作的客户管理策略，以最佳方式触达更多客户，实现销售增长。

下图是广告收入和费用的计算和分析，作为广告投放决策的依据。

下图为渠道销售分析，为渠道支持提供数据支持。

2.降低成本

例如可以通过数据分析实现财务、人力资源管理，控制各项成本费用。 ，达到降低成本的作用。

下图为生产成本分析，了解成本构成。

下图为控费期间实际支出对比分析。

3.提高效率

每个业务都会创建相关报表并使用数据分析工具，无论业务人员是否熟悉技术，也可以通过简单的拖放实现敏捷的自助分析。 无需业务人员提供需求，无需IT人员准备报表，大大提高了报表的时效性，提高了报表使用效率。

通过数据分析工具，可以在PC端展示，还支持移动看板，让您随时随地洞察运营情况，提高决策效率。

4.控制风险

是否超出预算？债务是否已逾期？是卖完了还是卖完了？客户的退货率是多少？设备运行正常吗？哪些产品需要加速实现生产与流通的平衡？……事实上，几乎每个公司都会面临各种风险问题。 通过数据分析，可以帮助企业进行实时监控，主动预警偏离预算和异常值，降低经营风险。

下图为税负率指标。 如果总体税负率过高，可以实施通知预警。

下图是一个重要的指标警示，重点监控项目的毛利率。

如何做数据分析

做数据分析：明确需求主要是与他人沟通与需求相关的一切，清晰准确地理解和表达相关内容。

在需求沟通中，掌握需求的核心内容可以减少重复沟通。 需求的核心内容可以从分析目的、分析主题、分析口径、分析思路、完成时间五个方面确定。 另外，在沟通过程中，可以适当提出自己的想法，让需求更加清晰、立体。

数据分析

是指运用适当的统计分析方法，对收集到的大量数据进行分析，加以总结、理解和消化，力求最大限度开发数据功能，充分发挥数据作用。 数据分析是详细研究和总结数据以提取有用信息并形成结论的过程。

数据分析的数学基础在20世纪初就已经建立，但直到计算机的出现才使实际操作成为可能，并推动了数据分析。 数据分析是数学和计算机科学的结合。