一、是否适合女生？

01技术要求低

相对其他技术岗来说，数据分析是最适合女生的岗位之一了，同时，相对于其他技术岗来说，数据分析也是对代码能力要求较低的岗位之一。凭借严谨的逻辑能力，和在业务中不断积累的经验，许多女生也能够顺利打怪升级，领导团队。

02薪资水平高

无论是在经济发达的大都市，还是在正在崛起的城市中，数据分析岗位在市场上的高价值，平均月薪已突破1.5万，也反映出不同城市对于优秀数据分析人才的认可。

女生很适合这个职业，非常肯定。至于是否枯燥，我们看个案例就知道了。

二、数据分析是否枯燥？

看一个例子，这也是数据分析师在日常开展分析工作中需要思考到的一些东西，如果看完你觉得不枯燥，甚至是有点意思，再甚至是能够提出一些不一样的看法，那你非常有机会在数据分析的岗位上做出成果。

案例

服装店销售额下降分析

某商场二层主通道上有一家女装店叫花花女装，店铺面积是238㎡，品牌和服装款式都不错，供应商也非常配合，商品供应没问题，员工也很优秀。但是不知道什么原因今年花花女装销售一直不好，同比增长-3%，而整个二层女装同比增长有12%，并且花花女装的坪效也只有二层女装品类平均坪效的90%，而处在主通道上，按道理应该是高坪效的。

所以，如何提升花花女装的销售额？

STEP 1 是什么？

这一步主要展示整体表现数据，说明分析的背景。

其实在案例介绍里已经把“是什么”写出来了:

① 花花女装同比增长-3%，整个二层女装同比增长12%

② 花花女装坪效只有二层女装坪效的90%

STEP 2 为什么？

这里我们需要用两步走的方式，来回答“为什么的问题”，按逻辑树思维方式，我们可以提出假设→验证假设。

01如何提出假设？

一般来说，提起指标的变动，我们要想到指标的拆解，找到最细维度的变动因子。

拆解一下销售额指标：

拆分二级指标：单均价、成交单

虽然我们需要关注一级指标的表现，但如果一级指标还能继续下拆到和业务息息相关的因子上。

拆分三级指标：件单价、件数、进店人数、购买率

这里的进店人数还能拆出三级指标……

拆分四级指标：商场总流量、进店率

我们将销售额拆出来两个二级指标，四个三级指标，两个四级指标，基本上已经到了能够展示数据&且指标不重合的最细维度。

既然指标都拆好了，下一步可以验证是哪个指标出问题了吗？

——你确定你拆出来的指标，涵盖了对销售额有较大影响的因素吗？

数据分析的核心是在数学公式以外，还存在业务逻辑。数学公式不是万能的，还需要结合业务场景来仔细列出所有能够想到的因素。这里用人货场的思维来做分析：

到这一步，提出来的假设都已经包含在思维导图里面了，可是分析工作才刚刚开始。

02

用数据验证假设

验证假设往往流程复杂，这里既要梳理底层逻辑，又要同时对接开发、产品、运营、业务、销售……我们看一下最终用数据验证的结果：

• 4月开始成交单数同比突变：1-3月同比增长4%，4-10月同比减少3%
• 6月开始件单价同比突变：1-5月件单价同比增长3%，6-10月件单价同比下降8%
• 6月起，商品折扣增加10%，且高价产品配货比例从（8:2）降低至（5:5）
• 老会员流失率同比增加5%
• 去年每月，该店铺均能完成销售目标，完成率高达100%以上
• 42%的销售额来源于5张VIP卡
• 和隔壁女装店铺相比，该店铺进店率低于平均值2.1%

03找相关人确认，佐证数据

经过和店铺的负责人详细沟通，得到以下数据：

1、4月店铺重新装修，开业后销售一直不理想，没有达到装修前的期望值

2、5月，商场负责人向店铺负责人传达销售额目标。6月起，店铺负责人调整了商品价格配比策略，同时增加折扣促销，将低价格的服装陈列在主通道。

3、销售人员的奖金提成是阶梯制的。同时店铺会在每个月20号的时候调整月目标。

STEP 3 怎么做？

这里只需要根据数据以及实际情况，一一提出解决对策就好了。

包括对店员的调整，对奖金制度的优化，对配货比例的修改，撤销入店特卖，禁止随意修改目标等等……

三、职业前景怎样？

第一，人才缺口大

数据分析师，是现在最热门的职业之一，所谓的大数据、人工智能中的重要一环，越来越多的公司企业已经逐渐重视用数据科学解决问题，这比拍脑袋要来的可靠。对于个人而言，数据分析也是运营，甚至是开发的必备能力之一。作为一个新兴职业，缺口量也较大，空间也还有。

第二，职业发展前景广阔

从现在市场和企业的反馈来看，这个行业在未来一段时间都会处于上升期。但这个职业也依然存在挑战，因为未来的趋势是“+数据分析”。什么是“+数据分析”呢？就是数据分析越来越成为各个职业的基本技能，各个职业上的从业人员都会开始学习数据分析，从而有了：财务+数据分析；运营+数据分析；产品+数据分析等。