京公网安备 11010802034615号
经营许可证编号:京B2-20210330
l 采访老师:欢迎大家来到CDA持证人专访,今天我们邀请到了赵森妙,目前在药企行业担任数据分析师,可以和大家打个招呼!
l 嘉宾:大家好!我叫赵森妙!我之前一名药企的VP助理,外企和内资的药企都是有经历过,因为接触过较多的数据分析,确定是我自己感兴趣的发展方向,目前的话刚转行到数据分析行业半年的时间,目前主要的工作是针对销售数据进行多维度的数据分析,针对不同层级,不同维度做可视化分析报告,给到业务人员指导方向;
l 采访老师:在药企行业做数据数据分析师是一种什么体验呢?可以举一些详细的业务例子吗? (一些工作内容,可以以一个业务展开,让大家了解你的工作)
l 嘉宾: 作为药企数据分析师,首先跟大部分的行业是一样的,我们需要花费大量的时间和精力来收集和整理数据,进行数据清洗和转换,提供可视化分析报告,撰写分析报告和提供解决建议;
l 采访老师:从事您这份工作,哪些技能是必备的?(从哪里获取数据源、哪些工作分别常用哪些工具等)
l 嘉宾:除了通用的统计分析技能之外,对医疗行业、医疗行业的销售技巧、流程、业务节点等都是需要了解的;比如说医药行业中药店和医院的关系,处方药在药店和医院查流向的区别;同时对于医院来说,进药和没有进药对于销量的影响,对于存量的核实;如果不了解,很多时候对于销量的数据可能有时候会存在失误的判断;
l 采访老师:针对销售数据,你主要是从哪些维度进行分析的呢?
嘉宾:现有的销售数据的话,主要从月、季度、年份的时间分类汇总,同时做好同比、环比分析,排名状况分析,了解实际所处的位置和变化情况; 另外就是按省份、地级市、医院、人员等角度做好增长分析和排名分析,了解横向的变化及所处的位置;另外很重要的一点是根据计划完成情况进行对比,做好优秀典型的分析及未完成原因分析;
l 采访老师:说到给业务人员指导方向,哪些方法是你比较看重的呢?(原因分析、未来预测、现状分析等等可以展开讲讲~)
l 嘉宾:作为数据分析师,在与业务沟通的时候,我也做不到对各项数据信手拈来,但是我一般会事先准备好几方面的数据;有一个比较好的方法,举个例子:我可能会参考矩阵图的分类方式,从自身增长及市场增长两个方面来看,哪些省份和地级市是比较典型需要拿出来说的,比如说市场占有率很高,但自身还是负增长的,是明显存在问题的;另外再结合在全国的排名及其他维度的各项数据分析各个地方的优势和存在的问题,这个优势点是否能够带来增长,且是否可以给其他的地方作为借鉴;如果确实是通用可以借鉴的,那么在别的会议上我也会去推广建议;同时利用这个优势点在现有地方已经能够带来的量,我们大致预测其他地方未来的增长量,都可以结合起来看;接下来的这个地方工作重点是否这个,如果是,那么目标也好定了,目标值也定好了;大概是这样,树立标杆及推广共性的优秀方法是我也比较看重的一个点;
l 采访老师:您为什么想要转行到数据分析师呢?是什么机遇下让您转行成功呢?
结束语
其实前面有好几年我都在做商务支持,助理类的相关工作,但这个工作有一部分其实有很多工作是与数据分析部门打交道的,比如在做指标合理性分析、辖区调整、汇报ppt等,我都会参与到与数据部门讨论的过程中,这些经历其实让我对数据分析埋下了一颗向往的种子的;我觉得数据是一个非常有意思的一个事情;这是一个很考验能力的工作;这是一个需要观察思考能力、快速了解业务能力、表达能力和持续不断学习能力的岗位,另外所产生的价值其实也是无法衡量的,所以我是很向往的;机遇的话,说来也巧,我是当时领导的一位朋友,需要招这么一个岗位,需要有一定信任度的人,正好我领导呢一来是了解我的长处,二来也是了解我的意向,所以向他推荐了我;然后我就如愿以偿的拿到了这个岗位。
更多考试介绍及备考福利请点击:CDA 认证考试中心官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14