
采访老师:大家好,今天我们邀请到了在世界四大会计师事务所之一工作的周婧博来参加我们的CDA持证人专访。作为一名数据分析师,您能给大家介绍一下您的工作内容吗?嘉宾:我叫周婧博,圣彼得堡国立大学毕业,目前就职于德勤中国,任数据分析师。我的工作主要是研究公司的时间段经营发展趋势和异常情况,并提出建议。采访老师:做公司数据分析时,您一般会从哪些方面入手?嘉宾:我通常会从宏观思维分类的角度出发。例如,对于一家公司的经营现状,我会从财务、销售、运营、人力资源、产品等方面进行调研,以便更好地了解公司的整体情况。采访老师:对公司经营现状做调研,一般从哪几个方面入手呢?嘉宾:在做公司经营现状调研时,我们一般会从以下几个方面入手:财务指标:我们会收集公司的财务数据,包括营业收入、利润、现金流等,并对这些指标进行分析,了解公司的财务状况。市场指标:我们会收集公司的市场数据,包括市场份额、客户结构、竞争对手等,并对这些指标进行分析,了解公司的市场地位。产品指标:我们会收集公司的产品数据,包括产品销售额、质量问题、客户满意度等,并对这些指标进行分析,了解公司的产品状况。通过以上方面的分析,我们可以全面了解公司的经营现状,并制定合理的改进建议。采访老师:不同行业的调研方法是相同的吗?会计行业有没有额外的研究方向?嘉宾:不同行业的调研方法并不完全相同,但基本的分析流程是相似的。例如,我们都要收集和整理数据,进行分析和模型建立,并最终得出结论。对于会计行业来说,我们需要特别关注会计核算和财务报表分析等方面的研究。我们要结合会计准则和公司实际情况,对财务数据进行深入的分析,以便为公司的决策提供可靠的信息和建议。我们也会关注会计行业的新兴研究领域,例如人工智能在会计领域的应用、财务报表大数据分析等。通过探索这些领域,我们可以为公司提供更为先进和高效的财务分析方法。在我们的研究工作中,我们会使用各种工具和方法,例如统计学分析、机器学习模型建立等。通过这些工具和方法,我们可以对数据进行更为精细的分析,从而为公司的决策提供更有价值的信息和建议。我们也会通过与业界同行的交流,不断提升自己的技能和经验,为公司的发展做出更大的贡献。采访老师:假如本月成交额总体下降,数据异常归因,该如何分析呢?嘉宾:首先,我们要从宏观和微观两个层面来考虑这个问题。宏观层面,我们要考虑市场因素、政策因素、不可抗力因素等宏观因素对公司成交额的影响。微观层面,我们要考虑公司内部因素,可以将成交额拆开看,例如成交额=客单价*产品数,然后分成两部分进行深入分析,可以从销售团队的绩效、产品分层结构、客户满意度等角度分析。采访老师:为公司做建议时,您会参考哪些指标?嘉宾:在提出建议时,我会结合公司所在行业找到北极星指标,然后再参考人、货、场等其他多维度的指标。例如,如果是SaaS行业,我会考虑公司的整体经营状况,先看每年的重要经营指标,比如:销售额、订单量、续费率等,找到下降异常的部分进行深入分析,具体是公司的哪一类产品销售额下降或异常,是否与当年的市场行情、客户需求等客观因素有关,是否存在周期性,也可以研究下竞争对手等。我会对这些指标进行详细分析,并基于分析结果提出建议。采访老师:您在工作中常常遇到什么难点?又是怎样去克服的呢?嘉宾:在工作中,我常常会遇到数据量庞大、数据不规整、信息杂乱、模型复杂等问题。为了克服这些难点,我会使用工具,例如Python、SQL、SPSS、R等,更好地处理数据。我也会加强自己的思维能力,通过不断学习、思考和实践,提高自己的分析能力。同时,我也会借鉴经验,从前人的经验中吸取教训,避免重复错误。初次接触分析的小伙伴们可以去读一读《金字塔原理》,结构化看待和拆解问题是数据经营分析的关键。 主持人:您在会计行业的数据分析工作中,遇到了哪些困难和挑战?您是如何克服这些困难的?嘉宾:我们作为乙方,比较难的是理解客户公司的数据是如何产生和加工的,因此前期需要大量的时间针对数据问题与客户进行沟通访谈,我们需要尽可能的理解数据字段含义、表与表之间的勾稽关系等。客户的数据庞大而杂,需要通过大量的数据清洗才能得到我们想要的分析数据。小TIPS,在做分析之前,一定一定要搞清楚公司数据逻辑、字段含义、经营模式、作业方式。主持人:您认为会计行业的研究方向有哪些发展趋势?您认为未来会计行业的研究将会发生哪些变化?嘉宾:随着信息化程度的提升,作为乙方能为甲方公司做的工作也逐渐增多,比如数据分析、数据质量检查、IT审计等围绕信息系统展开工作。未来可能会出现自主数据处理平台,就是把数据导进去我们直接选择如何处理数据,并对数据进行模块组合型分析并呈现可视化图表,我们会减少数据处理的时间,争取把更多的时间放在分析上。主持人:您在工作中最常用的工具和方法是什么?您认为这些工具和方法在会计行业的研究中有何作用?嘉宾:我在工作中最常用的工具是Python、SQL、R、excel。这些工具可以用在大部分行业的数据分析中。当遇到量级较大的数据时,这些工具能够帮助我们节省数据处理的时间。数据分析常用到的方法以终为始、趋势法、对比法、异常点分析法、聚类分析等。主持人:您在工作中遇到过哪些有趣或有意义的经历?您从中学到了什么?您认为这些经历对您的专业发展有何影响?嘉宾:我在数据分析工作中遇到特别有趣的事是实地考察公司,了解公司生产经营的各个环节,跟着公司的一线销售人员拜访客户,这样才能做到真正理解公司的数据,也更容易找到公司在经营上的问题并给出分析建议。在这个过程中,我能看到不同的行业作业方式和经营模式,对于我来说是知识的沉淀。
了解更多采访老师:大家好,今天我们邀请到了赖尧老师来参加我们的CDA持证人专访!赖尧可以和大家打个招呼!嘉宾:大家好,我是赖尧,上海立信会计学院毕业,曾在京东担任物流数据分析师,华莱士在总裁办下承当数据分析工作,直接对总裁办负责,目前在Rexel负责物流供应链相关工作。日常负责物流供应链的数据分析,通过数据分析,优化供应链全链路环节,降低采购、物流成本。很荣幸接受CDA持证人专访。 问题1:我看到您工作经历中,物流行业数据分析的经验非常丰富,那这个岗位具体是做什么呢?可以举一个实际案例吗?嘉宾:可以呀,我拿之前工作的京东经历,举个简单例子吧。按照目前大数据积累程度,一个城市,一个地区,具体到每个写字楼居民楼的商品销量、品类都是可以预测的。因此,我们可以预测下一个月的物流需求,进而提前招募司机,优化物流线路,提前在城市前置仓备货。很多人会感觉,京东物流非常快,北上广深这样的一线城市,上午下单,下午下班就能送到。这是通过无数数据分析建模,商品购买预测,物流前置仓提前备货实现的。我就是根据历史购买数据,分析城市购买潜力,常购商品品牌、种类,将购买概率大的商品提前备货在前置仓。同时和京东商城广告推送相关同事合作,根据广告推送预测购买情况,提前备货,实现上午下单,下午送达的尊贵服务。另一方面,仓库容量有限,怎么样高效率利用库存,滞销商品及时退回大库,都是我们要分析考虑的问题。 问题2:物流供应链管理如何做好数据分析呢?例如需求不准确,库存管理难度大这些问题该如何解决呢?嘉宾:首先要承认人的管理能力是有限的,只有依靠数据分析,才能突破人本身的局限。人不可能记住所有库存,不可能记住每一笔出入库。所以数据分析的价值应运而生。做好数据分析首先要理解数据和业务,了解数据是怎么产生的,每个数据背后的价值是什么,代表现实中什么状态。数据的变化对应现实中的变化。比如库存减少有可能是卖出,也有可能是滞销退货回厂商。理解数据的意义和业务以后,需求不准确的问题就好解决了。比如老板觉得库存偏高,理解数据前,对库存没有概念,只会分品类分字段看不同类型库存。理解数据后,就可以反问老板,什么样是库存高,为什么觉得库存高,哪些品类库存可以调整,代价多大,为什么要调整?是接下来有大量促销,要空出库位,还是目前仓库滞销商品要先退货回去?这个时候脑中就有方案,就很容易解决了。同样的,只要对业务有足够理解,库存管理难度大也非常容易解决。库存管理有教科书标准解决方案,加上强大数据分析能力,就可以将各种库存管理方案直接落地。 问题3:比较流行的供应链数据分析技术有哪些?嘉宾:目前我们在研究将认知技术(如人工智能(AI))应用于供应链流程。认知技术可以像人类一样理解、推理、学习和互动,同时具备强大的能力和高速度。这种高级的供应链分析形式正在引领供应链优化的新时代。它可以自动筛选大量数据,帮助企业改进预测,识别效率低下,更好地满足需求,推动创新并追求突破性的构想。 问题4:您考取CDA证书后,对工作有帮助吗?嘉宾:当然有的。虽然日常工作中用了大量数据分析的知识和技术,但是工作使用很零散。考取证书的过程帮助我梳理了一遍统计学和神经网络的知识,总体知识能力更加系统化,相当于梳理了一遍知识。另一方面,能力到位了,但是企业未必了解你的能力。证书本身可以让企业重新了解你的能力定位,对每年薪资议价还是有很大的帮助的。 问题5:您目前从事的(Rexel)蓝格赛集团是全球最大的低压电器经销商,那想要收到您这个部门(岗位)的offer,应该具备哪些能力或技能呢?嘉宾:能力主要2方面,一个是快速理解业务逻辑,一个是产出自己数据分析报告的能力。核心技能是统计学,能够处理大量数据,同时用图表展现数据,这些都是CDA中必学必考的技能。其次是编程,比如python等数据处理语言。毕竟数据量是真的大,纯粹excel处理,本身容易碰到excel的性能瓶颈。最后是数据呈现,就是各种BI报表使用,比如powerBI,帆软BI这些数据呈现和分析软件。要做好一个物流信息化管理系统,最重要的一点是需求必须明确。而在需求中,数据又起关键性作用。比如:收货量、发货量、库存量等等,通过与大数据的深度结合提升供应链实力。对用户需求信息的收集及分析,重视用户体验,实现全方位数据价值挖掘,感谢赖尧的分享,我们下期再见!
了解更多采访老师:大家好,今天我们邀请到了宋利宝来参加我们的CDA持证人专访!利宝可以和大家打个招呼!嘉宾:我叫宋利宝,毕业于北京工业大学,目前就职于宜人珩晟科技发展有限公司,电销部门数据运营岗,主要负责部门数据报表维护,问题分析等工作。问题1:您这个岗位具体是做什么呢?可以给大家介绍一个实际案例吗?嘉宾:1输出日常经营性报表,像自营外包业绩达成日报,团队排名日报,坐席业绩排名日报等;2输出日常分析性日报,像激励追踪日报,绩效佣金预警日报,单月考核日报等;3目标管理,根据数据源的不同,参与制定促进营销的激励方案,并跟进产出的结果和目标达成情况进行复盘分析;4项目数据支持:各类阶段性项目数据支持。举一个项目的数据支持的例子:有一个项目需要清洗一波新来的数据源,目标是确定这些数据是否可以用来进行日常营销。提供数据支持,最开始的一步就是跟项目方进行沟通,需要了解整个项目的操作流程,目标是什么,项目需要那些数据,需要观测哪些指标,最后按照要求产出包含各种过程指标和目标指标值的数据报表。报表是围绕着业务需求进行,报表需要更新,完善的。问题2:平时运营数据报表太多,如何批量抓取数据呢?嘉宾:每天需要接触很多报表,其中有30/40%的报表数据临时性的报表,就是CDA里边解释专题通报类的报表,没有固定的周期,他的需求点来源于业务部门或者领导的临时需求。像这种数据的抓取数据主要是通过SQL从数据库里查找,excel加工。50%左右的报表就是CDA里边解释的日常通报类和周期回顾类的报表,其中对于没有紧急时效性的报表直接手动SQL跑出就可以了,对于实时要求较高的直接找技术同事,给需求让他们开发线上化自动报表,可以满足实时更新观测。最后10%左右的数据是非数据的数据,对于这个些数据库数据通过excel进行加工处理。 问题3:电销呼出有哪些管理难点、重点,利用数据分析能解决哪些问题?嘉宾:难点:名单策略多复杂(用户运营的团队对数据进行了类多种多样的分类,贷前/贷中/结清,新客/老客,根据时间维度进行分类,操作流程维度进行划分,数据分类还是比较繁琐的。),对于数据量级较大较多的情况可以用帕累托法则从中找到产出业绩占比百分之八十的前几名数据名单,对其进行重点观测。通过指标分析法定位问题点,拆分到现场问题或者是策略问题,若是现场问题的话,需要追踪团队坐席的过程指标,分析产生问题的原因,是拨打策略的问题导致还是坐席话术的问题导致。如果是策略问题,需要跟数据上游进行沟通,看是否有一些变动导致整体的变化,此次策略调整会对整体的业绩产生什么样的影响。 问题4:电销过程中,你们会用到哪些数据分析方法呢?嘉宾:目前主要用的分析方法在CDA一级中基本都有涉及,比如像销售漏斗模型(从客户被营销到客户进入到app操作最后到放款成功,中间涉及到多个操作流程),从不同阶段转化率来看,漏斗模型可以帮我们更清楚的认知到客户的类型,同时也可以帮助我们认知到机会点,哪个环节需要进一步提升,从而达到最终提升业绩的目的。比如说数据源的授信率相比于其他数据源高一些,说明客户有需求,但是他的放款率相比于其他数据源低一些,通过对比发现此数据源的件均比其他数据源,由此假设可能是件均太小导致的客户没有提款的欲望,随机取一部分客户对其营销的过程增加提额环节,另一部分正常营销作为对照组,通过A/Btest看结果,如果结果和预测的一样调整这个数据源的拨打逻辑。对于销售团队,我们可以使用目标比分析,同环比分析,找到问题点,根据根因分析进一步发现问题点,产出解决问题解决方案。问题5:那想要收到您这个部门(岗位)的offer,应该具备哪些能力或技能呢?嘉宾:其实对于我这个岗位来说,技能方面的话需要会excel,并不是说我用过它就可以,其中数据可视化的使用要熟练,一些常用的函数要非常熟练(查找类vlookup,match,index等,汇总类的sumifs,countifs等,逻辑if,iferror等),sql(基础的增删改查)对数据库数据表,表关系有一定的了解,否则跑出来的数会不准确的,会python或者BI的话更好。需要有一定统计基础,需要有一定的数据洞察能力和良好的逻辑思维能力。有数据分析类的证书,高你在面试人员前的好感。其实技能类的学习在CDA课程当中都可以学习到的。
了解更多书中自有黄金屋,书中自有颜如玉,写给专业数据分析师的丛书。
了解更多连接数据时代的企业和人,让优质教育人人可得,学数据科学,就上CDA.CN。
了解更多海量试题全新升级,数据分析求职、备考、笔试免费刷题神器!
了解更多聚焦行业前沿,探寻未来,大数据与大思维的亲密接触,从业者的饕餮盛宴。
了解更多在人工智能和大数据的趋势下,建立全社会普遍认可的人工智能和大数据的人才标准!
了解更多面向高校、教育机构,以Hadoop集群为核心,打造大数据产学研协同育人模式。
了解更多