CDA持证人专访：曾津谈互联网数据分析与业务赋能实践-CDA数据分析师官网

热线电话：13121318867

CDA持证人专访：曾津谈互联网数据分析与业务赋能实践

2026-07-06

【核心关键词】转化率、企业、策略、岗位、互联网、拆分、产品、运营、分析师、指标体系、数据分析、用户画像、数据诊断、产品经理、数据科学、工作经验、业务效果、业务诊断

【专访摘要】本次CDA持证专访邀请到CDAS峰会演讲嘉宾曾津，他结合十多年互联网数据分析工作经验，详解了数据诊断与数据策略应用的核心逻辑，拆解了指标体系搭建方法，分享了用户画像、AB测试等实操案例及职业感悟，为互联网数据分析从业者提供了全面指引。

【主持人】2023 CDAS 心中有数，峰会举办在即。举办前，我们邀请到了 CDAS 的峰会演讲嘉宾，数据分析行业大牛曾津老师来参加我们的 CDA 持证人的采访，曾老师可以和大家打个招呼。

【嘉宾】大家好，海龙，好，我给简单给大家做一个自我介绍吧。嗯，其实我跟我们 CDA 是挺有渊源的。我是 CDA 3 的数据科学家的持证人，曾经先后在探探以及去哪儿网等一些互联网公司作为数据分析和数据产品的负责人。主要在公司负责我们指标体系的搭建， BI 系统的构建、实验分析，还有用户画像等等这样一系列跟数据相关的工作。其实今天非常高兴能够到这里跟大家一起来交流一些关于数据分析师这个岗位和数据赋能相关的内容的这样一些分享。

【主持人】作为一个十多年的数据分析工作经验的资深分析师，可以给我们介绍一下互联网企业中数据分析和数据科学都是从哪方面赋能给业务的。

【嘉宾】以我个人的工作经验来讲的话，互联网企业里面对于数据赋能其实主要分为两个大的方面。第一个大的方面其实是数据诊断。所谓的数据诊断，就是在构建完一套比较合理的指标体系的基础上，我们去通过数据发现问题、诊断问题，帮助业务找到我们业务上发展不好的症结。这个叫数据诊断，数据诊断里面其实我归纳了一下，有两字诀，第一个字就是拆，大问题拆成小问题，难问题拆分成简单的问题。像我们平时的金字塔原理，还有我们的漏斗思维，然后这些其实都属于拆分的这样一个思维。

【嘉宾】那么第二个字其实是比。就是比较，其实是各种比较，比如说我们可以通过帕累托原则跟我们自己比，那么找出我们真正能够解决 80% 的问题的， 20% 的小的点，那么这是比，然后另外我们还可以根据行业比，跟其他的类似的一些要点比，那么这是第二个字，就是比，所以说这个数据指标体系构建的基础上的一个拆一个比，那么这是数据诊断方面。

【嘉宾】那么另外一个方面其实是数据策略应用，我们企业一般会积累很多数据，那么这些数据是属于 TB 级的。所以说这么大量的数据，如果没有形成策略，没有形成应用，那是非常可惜的，或者是我们可以依靠数据构建用户画像，对用户做一些差异化的策略，然后千人千面，让我们的企业能够有更好的效果。

【主持人】你能举个例子吗？比方说业务数据的诊断过程当中，昨天的日活量它下跌了30%，今天的这种转化率成交量还不超过1%。

【嘉宾】那么业务诊断在数据分析师的日常工作中是非常重要的一个点。那么其实刚才我也提到了，对于业务诊断的第一步其实是拆，第二步是比。那我们其实就用我刚才提到那个拆的思路来应对一下王老师这两个问题。比如说我们的 DAU 某一天跌了30%，对。那首先我们就要想到怎么样把这个 30% 的下跌量，拆分到不同的一些简单的一些维度或者问题中去，打个比方说，我们其实可以用 DAU 的公式去拆解，对吧？ DAU 其实等于Dnu，加上留存的用户，加上回流的用户。所以 DAU 无非是这三个部分组成的。那这个我们做了第一层拆解之后，我们就要看 DAU 下跌30%，是新增用户贡献多少，留存用户贡献多少？回流用户贡献多少？那么针对这三个不同的用户的原因，其实我们可以进一步拆解。

【嘉宾】如果是新增用户下降，对下降贡献的比例比较大，我们需要看哪一个新增渠道下降最多？那么去做进一步拆解，如果是我们的留存的数据下降比较大，当这个时候我们需要去做的一件事情是什么呢？首先是我们需要看我们的是哪一个人群留存下降特别多，或是哪一个手机平台，或者 iOS 或者 PC 端？哪个下降比较多？通过这种拆解的方式，一步一步接近真相，接近重要的答案。那么通过这个方式，我们就能够了解到 DAU 下降 30% 的原因，最具体归因于是在哪一块？这是王老师的第一个问题。

【嘉宾】那我们再来看第二个问题，就是我们的转化率，从浏览页面到购买下单的转化率不超过1%，那么这个怎么解决？那么仍然是第一步是拆。只不过在这里的拆，我们可能又要用到另外一种工具，就是漏斗拆分。那么我们可以思考，从浏览页面到下单，其实一共可以分成 4 个步骤：浏览页面、第二步是进了商品的详情、第三步是下单、第四步是支付，那么可能经过这四个步骤，每一个步骤它其实都是一个漏斗。那么漏斗的环节率转化越低，那么越是我们需要关注的环节点。比方说我们从浏览到详情页的转化率低，它的原因大概率是我们的推荐算法或者推荐策略不到位，没有推到用户比较喜欢的商品，所以用户不会点击。那么这个如果我们修复了优化了算法之后，那我们的转化率就会有所提升。那么再比如说我们如果已经下单了，还没有支付，这种情况下，第一个，要不然用户可能并不是特别手头宽裕，这个时候我们可能会给他一个补助的优惠券，辅助他下单。

【嘉宾】另外一个可能就是我们的下单接口到支付接口是不是有一些 bug 或者有一些问题？那如果一旦修复，那么这个转化率也会提升。因为漏斗分析它各环节之间是一个乘数的关系，你每一个环节的转化率是一个乘法的关系，所以你每优化一个环节都会使你的转化率有一个非常大的提升。

【主持人】其实听了曾老师这个介绍，我就是听到了两个字。第一个字就是拆。对。第二个字还是比。对。就是你先拆，找到原因。对。然后在这个原因的基础上，你去对比说哪个的这个得分降低呀？最大。在那个基础上，我们再去修复你的规则指标体系选择的合理与否直接影响到评判的标准，就是我们该如何搭建一个科学的指标体系呢。

【嘉宾】这个问题确实是非常重要的一个问题，其实我们大家可能会认为指标体系是一个非常基础的事，可能并不是特别难。对。但是实际上它对于我们数据分析来讲是一个非常重要的事。因为巧妇难为无米之炊，如果没有指标体系的话，后面所有的分析都是搭建在一个空中楼阁的这样一个基础上。

【嘉宾】我们正常的在企业中从零搭建一套指标体系，可以有一个模型可以借鉴。那么这个模型我们把它叫做 OSM 模型，它实际是将目标、战略和度量三个单词的首字母结合到一起，作为这样的一个模型。 O 就是目标，第一步就是找到我们的目标，也称俗称的北极星指标，所有的业务动作都需要围绕这个北极星指标去贯彻，比如说淘宝，它肯定是以 GMV 为北极星指标。再比如说我们的Facebook，它是一个社交网络，所以它的北极星指标是用户量。什么样的指标适合做北极星指标呢？那必须是满足两个方面的条件。

【嘉宾】第一个是满足用户价值。也就是说这个北极星指标必须能够体现用户对我们这个产品或者这个业务的喜爱程度。这是第一个方面，第二个方面就是说它必须满足我们企业的商业价值，也就是说如果这个北极星指标上涨，那么我们企业就能够挣到更多的钱。那么第二步就是策略，其实我们围绕实现北极星指标提升这个目标，我们需要定立很多的策略，那么这个策略呢，就是我们制定指标体系的关键，比方说我的公司如果让 DAU 作为我的北极星指标，那么我的策略无非有三条，对吧？第一个是拉新增，让大量的新增用户来我的产品上体验；第二个策略是促留存，让用户留下来；第三个是回流召回。那么这个时候我们的指标可能要围绕新增用户、DAU、留存用户的留存率以及回流用户的数量，这样一些数据指标来进行构建。那么第三个 OSM 里面的 M 实际上是测量，测量就是说我们要找到可以计量并且容易操作的指标来考量我前面说的策略是否执行的好。这是我们构建一套指标体系的方法。另外在我们增长黑客领域还有一些非常著名的指标体系，比如说海盗法则，这也是我们能够在构建指标体系的时候参考的一些依据。

【主持人】您刚才也提到了数据赋能业务这一方面的策略应用，就是您能详细的举一个例子或者说明这样一个策略应用的内容。

【嘉宾】对对对。其实数据应用其实在我们互联网企业里面有很多体现。首先我觉得想举的一个例子是用户画像。用户画像，其实我们大家其实都比较了解，它能够给企业带来一个千人千面的这样一个策略，为用户提供一个更加个性化的体验。比如说我们身边都能接触到的抖音和快手，通过用户画像和推荐策略，能够让我们体验出那种沉浸感，我们刷抖音时候就出不来。再比如说我们的视频网站，它通过分析用户画像和历史数据，就能够知道你是喜欢王一博还是喜欢肖战。用户画像它的好处是能够用非常少的成本为我们获得比较大的产品收益。另外其实我们在这个增长黑客里面还会经常提到的一个概念就是魔法数字，如果一个用户能够在我们运营的体系的引导下完成这样一个数字，他就能够见证我们产品和业务的美好，他就会留下来继续使用我们的产品。比如说Facebook，他的分析师通过分析数据就发现新增用户在注册 7 天内加了 10 个好友，他就会长期留存在他们的平台。有了这样一些魔法数字，运营的同学或者是产品的同学，他们就能够设计一些打卡活动，或者设计一些产品功能，引导用户完成这个魔法数字，最终成为我们的一个忠实用户。

【嘉宾】还有一个场景，就是 AB 测试的这样一个场景，比如说一个产品经理认为我们的文案这样设计可能会带来更多的转化率，他没有一个量化的支撑，他只是凭自己对产品的经验和认知得出这样一个结论。但是如果数据分析师帮助他们用 AB 测试的方式去测一下，就能够告诉他你用这个文案能够提升 3% 的转化率，能够非常直观和量化的给予他一个迭代的结果和依据。

【主持人】在深耕数据领域的这几年，您感触最深的是什么？有哪些成就感？同时又遇到了哪些挫折呢？

【嘉宾】有两点感触是相对比较深的。那么第一个感触就是数据分析也好，数据科学也好，这个岗位啊，它实际上是一个终身学习的岗位，它并不是说可以一蹴而就的，无论是你在工作第几年的时候都需要有这种学习的心态，比如说最近出了一个ChatGPT，然后也非常火，基本上能够未来大有取代搜索引擎的这样一个趋势。那么如果不学习这样东西，不保持一个长期的这样一个学习的心态是很容易落伍的。

【嘉宾】那么第二个点，人与人的差异和企业与企业差异是非常之巨大的。那么人与人的差异，我举个例子，其实数据分析师这个岗位来讲，它是一个我们叫易学难精的这样一个岗位。它入门非常简单，可能你通过Excel，或者是通过 SQL 这样的一些很简单的工具，你就能够成为一个初级的数据分析师。但是你要到了真正能够去影响业务，能够达到一个比较高层次的分析师的水准，其实是需要很多的努力才能达到这样一个水准的。第二个就是企业与企业之间的差异也非常之巨大。有些企业它的数据库里面有数以 TB 的一些数据，但是没有应用，所以在企业从数据到应用的过程中是有一个 gap 的，这个 gap 你要跳过去是一个惊险的一跳，那么在这个过程中必须需要产品经理、运营、数据分析师以及我们的leader，一些领导人能够通力合作，才能够使我们的企业完成这样一个数字化的跳跃的过程。

【嘉宾】最开心的或者最有成就感的事情是什么？那一定是我的数据洞见和数据分析的结论，为我们的业务所用，能够起到真正的作用。那其实最大的挫折也是我们分析了半天，最后没有用上，没有起到实际的业务效果。所以说，作为数据分析师这样一个岗位来讲，他的喜怒其实是跟业务应用息息相关的。

【主持人】最近曾老师也上架了一本新书，就是叫《数据分析、实战方法、工具与可视化》。您是什么样的契机激发您写这本书的？

【嘉宾】其实我写这本书跟我个人的这样一个工作经历是息息相关的。因为刚才提到我其实并不是一个科班出身的数据分析师，我其实是一个文科生，所以我一路从数据分析这个岗位走过来，其实我是知道一个数据分析师从初中级走到高级，他需要一些什么样的一些点的，所以我希望给大家写这样一本关于实践的书，尤其是关于初中级数据分析师，或者是非我们数据分析行业想了解这块内容的这样一些读者，写这样一本书，这是写这本书的初衷。

【嘉宾】第一个方面就是希望这本书能够大家拿起来看就懂，并且其中有 260 张图片，毕竟图片还是传达信息最快的方式。所以整本书要做到第一个点。第二个就是翻开看就能用。这本书里面有 50 多个案例，都是一线互联网企业中最直接、最接触到前沿的一些案例，主要的覆盖对象其实是三类人。第一类人就是我们刚才提到初中级数据分析师，让自己的理论和工具真正应用到业务上的这部分人。第二类人其实是我们其他岗位上想要通过数据赋能来帮助自己提升业务效果的产品经理或者运营这样一部分人。第三类这本书还比较适合于学校中的学生，将来想从事数据分析工作的学生，因为里面的很多实战和工具以及理论是大家直接在面试的时候就能够用到的。

【主持人】那其实像曾老师今天说的内容，我们在这本书里面都有讲到，是吧？对的。对，所以也就是大家喜欢这本书的可以去京东和当当去搜。大家可以去写评论、写留言，我们把今天展示的这几本书都送给大家，好不好？好的。