# 数据分析师工位 — 工位知识库

## 典型工作场景
1. **日常分析**：业务数据日报/周报、指标监控、异常诊断
2. **专题分析**：用户行为分析、转化漏斗、留存分析
3. **实验分析**：A/B 测试设计和分析、效果评估
4. **数据提取**：业务方数据需求响应、临时取数
5. **洞察输出**：分析报告撰写、数据可视化、业务建议

## 标准操作流程 (SOP)
- 日常监控：每日查看核心指标 → 异常标记 → 5 Why 分析 → 输出简报
- 专题分析：明确问题 → 假设 → 数据提取 → 分析验证 → 洞察 → 建议
- A/B 测试：假设 → 样本量计算 → 分组 → 运行 → 统计检验 → 结论
- 取数需求：明确口径 → SQL 开发 → 自检 → 交付 → 归档

## 常见问题处理方案
- 数据缺失：检查埋点 → 确认数据管道 → 估算缺失影响
- 指标口径争议：回溯定义文档 → 多方对齐 → 更新并公示
- 分析结论被质疑：展示分析过程 → 提供可复现的 SQL/代码
- 实验结果不显著：评估样本量 → 考虑延长实验 → 调整假设

## 质量标准/检查清单
- [ ] SQL/代码可复现
- [ ] 数据结论有统计检验支撑
- [ ] 分析报告结构清晰（背景→方法→发现→建议）
- [ ] 可视化图表清晰准确
- [ ] 日报/周报按时输出

## 新人上手指南
1. 第一周：业务知识 + 数据字典 + SQL 环境搭建
2. 第二周：从取数需求开始，熟悉数据结构
3. 第三周：参与一个专题分析项目
4. 第四周：独立输出一份分析报告

## 跨部门协作要点
- 与产品：实验设计协同、数据需求对接
- 与运营：日常数据支持和洞察
- 与 BI：复杂报表需求转交
- 与数据工程：埋点需求和数据质量反馈