互聯(lián)網(wǎng)互聯(lián)網(wǎng)公司互聯(lián)網(wǎng)實(shí)習(xí)生實(shí)習(xí)報(bào)告一、摘要

2023年7月1日至2023年8月31日，我在一家互聯(lián)網(wǎng)公司擔(dān)任數(shù)據(jù)分析師實(shí)習(xí)生。核心工作成果包括完成用戶行為分析報(bào)告，通過(guò)Python處理并可視化3000+條日志數(shù)據(jù)，識(shí)別出3個(gè)關(guān)鍵用戶流失節(jié)點(diǎn)，提出優(yōu)化建議后使次日留存率提升5%。運(yùn)用SQL查詢?nèi)站a(chǎn)生2000+條業(yè)務(wù)數(shù)據(jù)，采用A/B測(cè)試方法驗(yàn)證新功能對(duì)點(diǎn)擊率的影響，結(jié)果顯示主版本提升8.2%。提煉出“數(shù)據(jù)分層處理+動(dòng)態(tài)指標(biāo)監(jiān)控”方法論，將復(fù)雜需求拆解為5個(gè)標(biāo)準(zhǔn)化分析模塊，后續(xù)可應(yīng)用于同類業(yè)務(wù)場(chǎng)景。

二、實(shí)習(xí)內(nèi)容及過(guò)程

2023年7月1日到8月31日，我在一家做用戶增長(zhǎng)的平臺(tái)實(shí)習(xí)，崗位是數(shù)據(jù)分析師助理。剛?cè)ツ菚?huì)兒主要是熟悉業(yè)務(wù)，跟著導(dǎo)師看他們?cè)趺醋鲇脩舴謱?，比如用RFM模型把活躍用戶分成三類。導(dǎo)師讓我先用SQL把后臺(tái)200萬(wàn)條注冊(cè)數(shù)據(jù)跑一遍，找出地域分布和年齡峰值的異常點(diǎn)。我花了5天時(shí)間，發(fā)現(xiàn)華東地區(qū)1824歲用戶占比偏離均值12%，后來(lái)才知道是校園推廣活動(dòng)太猛。這段經(jīng)歷讓我明白做數(shù)據(jù)不能光看絕對(duì)數(shù)，得結(jié)合業(yè)務(wù)背景。

第4周參與了一個(gè)新功能上線項(xiàng)目，目標(biāo)是提升點(diǎn)擊率。我負(fù)責(zé)做灰度測(cè)試的數(shù)據(jù)監(jiān)控，用Python抓取了5000個(gè)UV的行為日志，發(fā)現(xiàn)新功能在舊版本上的跳出率是25%，對(duì)照組是18%。導(dǎo)師教我用統(tǒng)計(jì)顯著性檢驗(yàn)，我查了書把p值閾值設(shè)為0.05，結(jié)論是新功能確實(shí)有改善。但上線后一周，A/B測(cè)試組對(duì)比發(fā)現(xiàn)實(shí)際轉(zhuǎn)化率只比對(duì)照組高3.2個(gè)百分點(diǎn)，遠(yuǎn)低于預(yù)期。后來(lái)發(fā)現(xiàn)是算法推薦的冷啟動(dòng)期，部分用戶沒(méi)看到優(yōu)化后的內(nèi)容。這讓我意識(shí)到線上實(shí)驗(yàn)要考慮系統(tǒng)穩(wěn)定性，不能只盯短期結(jié)果。

遇到最大困難是第6周做競(jìng)品分析時(shí)，對(duì)方不開放公開數(shù)據(jù)，我只能手動(dòng)爬取APPStore評(píng)論，每天能整理出50條左右。時(shí)間太趕，最后用了聚類分析把評(píng)論分了5類，比如“廣告煩人”“推送太頻繁”這種高頻詞組。雖然數(shù)據(jù)維度少，但導(dǎo)師說(shuō)這種定性分析在競(jìng)品沒(méi)流量數(shù)據(jù)時(shí)很有用。學(xué)到了怎么用NLP工具處理非結(jié)構(gòu)化數(shù)據(jù)，雖然樣本量小但能抓住核心痛點(diǎn)。

這段時(shí)間讓我看懂了從數(shù)據(jù)采集到可視化全鏈路，比如用Tableau做看板時(shí)，怎么把200張?jiān)紙D表壓縮成20張決策圖，突出核心指標(biāo)。但公司培訓(xùn)挺隨意的，沒(méi)系統(tǒng)教數(shù)據(jù)治理這塊，有時(shí)候拿到的日志文件格式不統(tǒng)一，還得自己寫腳本清洗。我覺得他們可以搞個(gè)內(nèi)部知識(shí)庫(kù)，把常見問(wèn)題FAQ和SQL腳本都放上去。崗位匹配度上，我負(fù)責(zé)的更多是執(zhí)行層工作，比如跑報(bào)表、做實(shí)驗(yàn)記錄，沒(méi)能深入?yún)⑴c策略制定，如果能有更多和產(chǎn)品經(jīng)理對(duì)口的任務(wù)就更好了。

三、總結(jié)與體會(huì)

8周實(shí)習(xí)像把理論裝進(jìn)實(shí)踐的模子，2023年7月到8月這段經(jīng)歷，讓我對(duì)數(shù)據(jù)分析師的工作有了實(shí)打?qū)嵉恼J(rèn)知。每天對(duì)接著業(yè)務(wù)方要需求，改了6版報(bào)表才讓產(chǎn)品經(jīng)理點(diǎn)頭，那種把數(shù)字變成結(jié)論的過(guò)程，比在學(xué)校做作業(yè)感覺完全不一樣。最值的是參與那個(gè)用戶分層項(xiàng)目，從跑3000條日志數(shù)據(jù)，到在白板上畫用戶畫像，每一步都記得清清楚楚。最后留存率提升5%的數(shù)據(jù)，現(xiàn)在想起來(lái)還是覺得挺有成就感的，畢竟那是我獨(dú)立負(fù)責(zé)的模塊。這段經(jīng)歷讓我懂了，做數(shù)據(jù)不能光會(huì)調(diào)SQL，還得懂業(yè)務(wù)邏輯，比如當(dāng)時(shí)導(dǎo)師教我用“漏斗分析”看轉(zhuǎn)化，才幫我發(fā)現(xiàn)了問(wèn)題節(jié)點(diǎn)。

實(shí)習(xí)也讓我看清了職業(yè)方向。之前覺得數(shù)據(jù)分析就是調(diào)參數(shù)，現(xiàn)在知道在互聯(lián)網(wǎng)行業(yè)，數(shù)據(jù)驅(qū)動(dòng)決策意味著每一步都要嚴(yán)謹(jǐn)。比如我們那組做A/B測(cè)試，5000個(gè)樣本量，還得查書找顯著性水平，這種對(duì)精確性的追求，讓我覺得挺有挑戰(zhàn)也挺適合我。原來(lái)在學(xué)?？葱袠I(yè)報(bào)告覺得高大上，現(xiàn)在親身參與項(xiàng)目，才發(fā)現(xiàn)那些趨勢(shì)分析都是基于類似我們做用戶行為分析得出的。比如導(dǎo)師說(shuō)現(xiàn)在行業(yè)流行“用戶生命周期價(jià)值”模型，我們做的留存率優(yōu)化就是其中一個(gè)環(huán)節(jié)，感覺就像拼圖，以前只看到碎片，現(xiàn)在把拼圖合起來(lái)了。

這段時(shí)間最大的變化是心態(tài)，以前做項(xiàng)目怕出錯(cuò)，現(xiàn)在明白在快節(jié)奏互聯(lián)網(wǎng)公司，試錯(cuò)是常態(tài)。記得有一次凌晨3點(diǎn)還在改實(shí)驗(yàn)數(shù)據(jù)，主要是怕第二天早上匯報(bào)時(shí)出紕漏，那種責(zé)任感跟在學(xué)校完全兩樣。未來(lái)打算用這段經(jīng)驗(yàn)指導(dǎo)學(xué)習(xí)，比如想把Python在Pandas這塊深化，考個(gè)數(shù)據(jù)分析師相關(guān)的認(rèn)證，感覺這樣求職時(shí)會(huì)更有底氣。行業(yè)趨勢(shì)看，現(xiàn)在AI和大數(shù)據(jù)結(jié)合越來(lái)越緊密，我們公司內(nèi)部也在用一些自動(dòng)化工具處理基礎(chǔ)報(bào)表，雖然實(shí)習(xí)沒(méi)深入，但感覺這塊是未來(lái)重點(diǎn)，打算下學(xué)期多補(bǔ)補(bǔ)這塊知識(shí)?？偟膩?lái)說(shuō)，這段經(jīng)歷沒(méi)白費(fèi)，讓我從一個(gè)學(xué)生視角，真正看到了職場(chǎng)需要什么，也找到了自己要努力的方向。

四、致謝

在這段2023年7月1日至8月31日的實(shí)習(xí)期間，我得到了很多幫助。感謝公司提供了實(shí)習(xí)平臺(tái)，讓我有機(jī)會(huì)接觸實(shí)際業(yè)務(wù)。特別感謝我的導(dǎo)師，他不僅在項(xiàng)目上指導(dǎo)我處理用戶行為分析報(bào)告，還分享了如何用SQL優(yōu)化查詢的經(jīng)驗(yàn)，尤其是在我面對(duì)3000+條日志數(shù)據(jù)時(shí)，他教我如何快速定位關(guān)鍵節(jié)點(diǎn)。和團(tuán)隊(duì)成員一起