# Data Analyst 能力要求调研资料

## 一、任务背景

调研 data-analyst (数据分析员) 的能力要求，支撑以下场景：
1. 数据分析工作
2. 专业的数据分析师
3. 公司决策的数据支撑者
4. 选题优化的量化依据提供者

---

## 二、分析维度定义（4+维度）

### 维度1：数据处理与分析能力
- 数据清洗与预处理
- 描述性统计分析
- 探索性数据分析 (EDA)
- 趋势分析与预测

### 维度2：可视化与沟通能力
- 数据可视化设计
- 图表制作与呈现
- 报告撰写与汇报
- 业务语言转换

### 维度3：业务理解与决策支持
- 业务指标体系搭建
- 归因分析
- A/B 测试设计与分析
- 决策建议输出

### 维度4：工具与技术能力
- SQL 数据查询
- Python/R 统计分析
- Excel/BI 工具
- 大数据处理基础

---

## 三、量化指标体系

### 3.1 核心能力指标

| 指标名称 | 定义 | 量化方式 |
|---------|------|---------|
| 数据处理准确率 | 清洗后数据准确度 | (正确记录数/总记录数)×100% |
| 分析报告产出周期 | 从需求到报告完成时间 | 天数 |
| 业务需求响应时间 | 从需求到首次反馈时间 | 小时 |
| 决策建议采纳率 | 提出的建议被采纳的比例 | (采纳数/建议总数)×100% |

### 3.2 业务指标体系

| 指标类型 | 示例指标 | 说明 |
|---------|---------|------|
| 增长指标 | DAU/MAU、留存率、转化率 | 用户增长健康度 |
| 收入指标 | ARPU、LTV、付费率 | 商业价值衡量 |
| 运营指标 | 活跃度、参与度、覆盖率 | 运营效果评估 |
| 质量指标 | 响应时间、错误率、满意度 | 系统/服务健康度 |

---

## 四、数据分析方法论

### 4.1 定量分析方法
- 描述统计：均值、中位数、方差、分布
- 假设检验：t检验、卡方检验、ANOVA
- 回归分析：线性回归、逻辑回归
- 时间序列：移动平均、指数平滑、ARIMA

### 4.2 定性分析方法
- 用户访谈分析
- 问卷调查分析
- 案例研究

### 4.3 分析框架
- AARRR 模型（Acquisition, Activation, Retention, Referral, Revenue）
- RFM 模型（Recency, Frequency, Monetary）
- 漏斗分析
- 归因分析

---

## 五、输入数据要求

### 5.1 必需数据源
| 数据源 | 用途 | 频率 |
|-------|------|------|
| 业务数据库 (MySQL/PostgreSQL) | 核心业务数据查询 | 实时/日增 |
| 日志数据 (HDFS/ClickHouse) | 行为数据分析 | 实时 |
| BI 报表平台 | 指标监控与报表 | 日更 |
| 用户行为埋点 | 深度行为分析 | 实时 |

### 5.2 可选数据源
| 数据源 | 用途 |
|-------|------|
| 第三方数据平台 | 行业基准对比 |
| 问卷/调研系统 | 定性数据补充 |
| API 接口 | 外部数据接入 |

---

## 六、输出格式规范

### 6.1 标准报告结构
```
# 分析报告

## 一、执行摘要
- 核心发现
- 关键建议

## 二、分析背景
- 业务问题
- 分析目标
- 数据范围

## 三、分析方法
- 数据来源
- 分析方法论
- 假设条件

## 四、核心发现
- 数据图表
- 统计结论

## 五、建议与行动
- 具体建议
- 优先级
- 预期效果
```

### 6.2 数据输出格式
| 格式 | 用途 |
|-----|------|
| CSV/Excel | 原始数据导出 |
| JSON | API 接口返回 |
| BI 报表 | 可视化展示 |
| Markdown 文档 | 分析报告 |

---

## 七、关键技能清单

### 7.1 硬技能
- SQL (精通)
- Python/R (熟练)
- Excel (精通)
- BI 工具 (Tableau/Power BI)
- 统计知识 (概率论、假设检验)

### 7.2 软技能
- 业务理解力
- 沟通表达力
- 问题抽象能力
- 项目管理能力

### 7.3 加分技能
- 机器学习基础
- 大数据技术 (Spark/Hadoop)
- A/B 测试设计
- 实验心理学基础

---

## 八、数据源参考

### 8.1 行业报告
- 艾瑞咨询
- 易观分析
- QuestMobile
- 阿拉丁

### 8.2 学习资源
- Kaggle
- 知乎数据分析专栏
- 各大厂数据博客

---

**调研时间**: 2026-03-27
**调研人**: Hunter