崗位職責:
一、
數(shù)據(jù)驅(qū)動業(yè)務(wù)決策
1. 負責業(yè)務(wù)數(shù)據(jù)的收集、清洗、分析與建模,挖掘用戶行為、產(chǎn)品運營、市場活動等關(guān)鍵數(shù)據(jù)價值,輸出可落地的優(yōu)化建議。
(1)數(shù)據(jù)獲取與清洗(Power Query)
- 使用 Power Query 進行多源數(shù)據(jù)(Excel/SQL/API等)的自動化提取、清洗與轉(zhuǎn)換,建立高效的數(shù)據(jù)預(yù)處理流程。
- 解決臟數(shù)據(jù)問題(如缺失值、異常值、格式標準化),確保下游分析可靠性。
(2)數(shù)據(jù)建模與可視化(Power BI)
- 在 Power BI 中構(gòu)建數(shù)據(jù)模型(DAX編寫、關(guān)系建立),設(shè)計動態(tài)可視化看板(Dashboards),支持業(yè)務(wù)部門實時監(jiān)控核心指標(如GMV、留存率)。
- 優(yōu)化報表性能(如數(shù)據(jù)壓縮、增量刷新),提升用戶體驗。
(3)深度分析與自動化(Python)
- 用 Python 完成復(fù)雜分析(Pandas數(shù)據(jù)處理、Scikit-learn機器學(xué)習(xí)模型),如用戶分群、預(yù)測模型(銷售預(yù)測、流失預(yù)警)。
- 開發(fā)自動化腳本(如爬蟲、郵件報表推送),減少人工重復(fù)勞動。
(4)業(yè)務(wù)場景落地
- 結(jié)合業(yè)務(wù)需求(如營銷活動效果評估、供應(yīng)鏈優(yōu)化),輸出數(shù)據(jù)報告并提出 actionable insights(可執(zhí)行建議)。
- 通過A/B測試、漏斗分析等方法驗證策略有效性。
2. 通過數(shù)據(jù)分析發(fā)現(xiàn)業(yè)務(wù)痛點,協(xié)助制定增長策略(如用戶留存、轉(zhuǎn)化提升、成本優(yōu)化等)。
二、
業(yè)務(wù)線輪崗實踐
1. 在管培期內(nèi)輪崗核心業(yè)務(wù)部門,快速理解業(yè)務(wù)邏輯,建立數(shù)據(jù)與業(yè)務(wù)的關(guān)聯(lián)認知。
2. 通過實戰(zhàn)項目沉淀方法論,推動跨部門數(shù)據(jù)協(xié)同。
三、
數(shù)據(jù)體系建設(shè)
1. 參與搭建業(yè)務(wù)數(shù)據(jù)監(jiān)控體系,設(shè)計關(guān)鍵指標(KPI/OKR)及可視化看板(如BI報表、Dashboard)。
2. 協(xié)助完善數(shù)據(jù)埋點、數(shù)據(jù)倉庫等底層架構(gòu),提升數(shù)據(jù)準確性和效率。
四、
專項課題研究
1. 針對公司戰(zhàn)略需求(如新市場拓展、業(yè)務(wù)迭代),獨立或協(xié)作完成深度數(shù)據(jù)分析項目,輸出研究報告。
2. 探索行業(yè)前沿數(shù)據(jù)工具(如A/B測試、機器學(xué)習(xí)應(yīng)用),推動分析技術(shù)升級。
任職要求:
一、硬性技能要求(PQ/BI/Python)
工具/技能
具體要求
Power Query
熟練使用M語言編寫查詢、合并查詢、參數(shù)化設(shè)計,理解數(shù)據(jù)清洗最佳實踐。
Power BI
精通DAX度量值、時間智能函數(shù)、書簽交互設(shè)計,熟悉網(wǎng)關(guān)部署與權(quán)限管理。
Python
掌握Pandas/Numpy數(shù)據(jù)處理、Matplotlib/Seaborn可視化,了解基礎(chǔ)機器學(xué)習(xí)庫。
二、專業(yè)要求
1.核心對口專業(yè)
·
統(tǒng)計學(xué)、應(yīng)用統(tǒng)計學(xué)
·
數(shù)學(xué)/應(yīng)用數(shù)學(xué)、信息與計算科學(xué)
·
計算機科學(xué)與技術(shù)、數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)
·
經(jīng)濟學(xué)、金融工程、計量經(jīng)濟學(xué)
2.相關(guān)延伸專業(yè)
·
信息管理與信息系統(tǒng)(MIS)
·
市場營銷、電子商務(wù)