数据思维与应用案例分享、商业分析、OSM模型、大数据分析（1-7章）、数据分析基础分享讲解（1-6节）···

本文链接：https://blog.csdn.net/fengye8600/article/details/134237708

▲点击上方卡片关注我，回复“8”，加入数据分析·领地，一起学习数据分析，持续更新数据分析学习路径相关资料~（精彩数据观点、学习资料、数据课程分享、读书会、分享会等你一起来乘风破浪~）回复“小飞象”，领取数据分析知识大礼包。

关注微信公众号：木木自由，更多产品、运营与数据分析干货以及经验分享

【数据分析-领地】知识星球，每周会产生大量精华内容，每周将整理《数据分析-领地：一周星球内参》，让你不错过任何一条有价值的信息。话不多说，这就开始！

数据分析-领地：一周星球内参

2023年10月26日星期四

发布 | 木木自由·数据领地·小飞象

本周看点：

1、#小飞象交流会# 第31期：数字化转型升级必备—数据思维与应用

2、#数据分析常用术&语# 第44期商业分析

3、#数据分析常用术&语# 第45期 OSM模型

4、#数据分析相关课程# 数据分析可视化-Excel案例视频分享

5、#数据分析相关课程# 店铺运营及数据分析资料

6、#产品、运营相关资料# 华为流程体系建设与运营（123页 PPT）

7、#数据分析入门级别资料# 战略管理工具之&波特五力模型分析及案例分析

8、#数据指标体系# 某运营商数据指标体系梳理建设方案（44页 PPT）

9、#数据分析入门级别资料#《大数据分析》相关内容（1-7）

10、#数据分析入门级别资料# 数据分析基础分享讲解（1-6）（附数据分析报告）

11、#数据分析入门级别资料# 《统计学》讲解全套（541页 PPT）/#数据分析入门级别资料# 数据统计与分析方法（121页 PPT）

12、#产品、运营相关资料# 美的-VSM价值流图析(74页 PPT)

13、#数据分析入门级别资料# 直播大盘数据分析（75页 PPT）

14、#数据分析入门级别资料# 数据分析能力现状及对策（60页 PPT）

15、#管理咨询分析# 管理咨询分析常用工具（159页 PPT）

16、#用户行为分析# 互联网用户行为分析方法论（39页 PPT）

17、#用户行为分析# 《Excel数据分析》-分析用户行为案例分享

18、#用户行为分析# 用户行为与特征分析(68页 PPT)

19、#数据分析入门级别资料# 短视频与直播的数据分析资料分享

20、#产品、运营相关资料# 品牌全案策划方法论

21、#数据分析入门级别资料# 经营数据分析方法（58页 PPT）

22、#数据处理# 数据处理与分析相关资料

23、#财务分析# 财务分析方法（72页 PPT）/#财务分析# 财务分析相关数据表格

24、#数据分析相关书籍# Spark快速数据处理【135页】/Python数据处理

·····

（扫下方二维码加入星球，搜索关键词，获取该内容）

知识星球精选内容

1、#小飞象交流会# 第31期：数字化转型升级必备—数据思维与应用

分享嘉宾常国珍老师北京大学会计学博士，CDA数据科学研究院院长。曾任ThoughtWorks 中国首席数据科学家，毕马威大数据部总监、百度大数据数据产品经理。人民大学、对外经贸大学、北京航空航天大学、中国社会科学院大学外聘讲师，北京语言大学金融硕校外导师。数字化转型，好像听起来很高大上很专业，离我们很远的样子。但其实数字化转型指的是将数字化转换、数字化升级的概念融合公司核心业务，以新建一种商业模式为目标的高层次转型。说的明白一点就是活用业务中的数据给公司的发展指明方向。数字化进程以数据分析为抓手对企业业务进行梳理、优化、重构。因此，掌握数据分析和大数据分析方法及数据思维是企业员工必备技能。那么，今天小飞象联合月説邀请了常国珍老师，。从5个方面和大家一起探讨数据思维以及应用，以EDIT数字化工作方法为核心，从纷繁的数据分析方法中提炼出指标、标签和策略优化思维模式。便于在工作中发现、定位问题和以按图索骥的方式寻找解决方案~ 1. 结合业务需求搭建完整数据分析框架 2. 借助数据发现问题的四步法 3. 通过OSM模型建立指标体系 4. BI类数据分析的示例 5. AI类数据分析的示例数据分析、数智化的学习，在于将别人的知识转化成自己的知识，食之化尽，举一反三。为了更好的后面做好小飞象内部交流会，需要您帮忙做两件事情：第一，您想想这次为什么想参加这一期的交流会，以及希望在交流会中希望收获到什么？第二，在交流会结束后，请和我说一下您的收获和感受。（可以在公众号留言交流，小飞象内部交流会往期回顾）做一个对世界充满好奇的人！在分享之前，我们可以先思考几个问题： ★你了解多少数据模型，到底数据分析思维是什么？ ★数据发现问题的四步法，你觉得应该是什么？ ★OSM模型你了解多少？ ...... 这次分享将为大家打开一扇窗，从新的视角去认知数据分析，拆解商业分析模型，提升业务分析能力。在分享的过程中，建议全程认真听，带着思考来听（去看），希望通过在工作中发现、定位问题和以按图索骥的方式寻找解决方案~提供一些思路，有任何问题都可以随时交流哦！分享视频回放以及ppt见星球：分享一下数据思维相关资料相关资料：宣明栋·数据思维课.数据思维：从数据分析到商业价值相关资料~

···

往期合集

2、#数据分析常用术&语# 商业分析/OSM模型

商业分析

百度百科：商业分析指的是对方案进行经济效益分析，从财务上进一步判断它是否符合企业目标。如果符合，产品概念就可进入产品研制阶段了。包括审视预计的销售额、成本和利润是否达到公司预计目标；如达到，则此产品概念才能进一步发展到产品开发阶段。可从商业或消费统计公告中查到特定商品的零售额、有效购买收入、总的零售额等~ 商业分析分成“商”和“分”这两个视角来看，商是商业知识和商业理解，分是分析技能。一般来说，越具像的技能越是有规律可掌握，它是有形有质的。越抽象越软性的东西是需要花更长时间去积累沉淀的；尤其涉及到商这一部分，这一部分的能力拓展基本是没有边界的。很多具体的技能到一定程度你可能觉得没有太多新鲜东西可以去挖了，但商这个东西它是有持续的东西可以进阶。从整个业务链条来说，商分的职责包括了若干个关键的环节：比如作战规划、目标设定、目标拆解、资源分配、过程监测、问题诊断、效果评估，以及最后做绩效认定等，简单来说：商分做的经常不是单一业务环节的分析，而是长链条、跨节点的分析，是要服务于业务核心经营策略，服务业务负责人的分析。商业分析的主要目标是帮助企业理解其业务过程、识别问题和机会，并制定战略和解决方案来解决这些问题或利用这些机会。商业分析可以适用于各种不同的业务领域，包括市场营销、销售、金融、人力资源和供应链管理等。因此，商业分析在构建业务指标体系的时候，会更关注2个关键点： ·商业问题 ·商业场景与数据分析不同的是，商业分析更多的是从商业角度出发，基于具体的商业场景以及商业逻辑，使用数据作为原材料，对数据进行相应的逻辑处理与结构化处理。同时通过数据洞察商业问题，找到发展机会点，为企业战略及商业决策提供数据支持。如果将企业比作战场，数据分析更像是为每一个战士服务的，并且数据分析能渗入到组织里面的每个细胞。而商业分析是为将军服务的，提高管理者决策的准确性、决策效率和决策能力。我们可以用3个字概括商业分析的工作逻辑： ·构：基于具体的商业场景，构建数据体系 ·解：解读商业变化，洞察商业问题 ·用：数据应用，驱动增长商业分析的工具要求： Excel/SPSS/SAS/PPT/SQL/R等商业分析的专业要求：数学、统计学、经济学、工商管理等专业（偏向商科）培养商业分析能力：首先要培养思考问题的思维能力，通过思维模型的训练。然后再结合商业经验和业务理解，借助数据分析的手段，或者直接应用商业分析模型，来解决商业问题。再结合商业场景/问题来分析，可以应用现成的商业分析模型，比如PEST、4P营销理论等，通过这些商业分析模型的训练，能帮助快速完成商业感的积累，完成原始业务逻辑积累，在此基础上快速定位业务问题，提升分析效率。分享几份关于商业分析的资料~

OSM模型

一、什么是OSM模型？ OSM模型就是将公司的北极星指标进行逐一拆解，到各业务部门可落地，可度量的行为上，从而保证执行计划没有偏离公司大方向，常用于定义指标体系。全称是Object-Strategy-Measure 模型，也就是目标-策略-衡量指标，其中： ·Object（目标），可以是公司的目标，业务领域的目标，或者某个产品的目标，或者某个活动的目标，某个内容推广的目标等等；如：产品初期，以获客为主；产品中期，以稳定高价值用户为主等。 ·Strategy（策略），就是为了达到O的目标，需要采取的策略。比如要拉新，策略可能是做广告，做活动等等； ·Measure（衡量指标），用来衡量S中每一个策略的有效性，反映目标达成情况。衡量指标与大目标之间有联系，往往是基于大目标拆解出来的过程指标。分别对应的可以衡量策略的指标，如果是广告，衡量指标可以是广告点击率；二、OSM模型应用以线上课程培训为例。战略目标O是：增加付费用户和完成学习进度。接下来做战略目标拆解，那应该如何拆解？首先，思考下目标所涉及的关键节点有哪些；拉新——注册——试听——付费购课——上课结合以上关键节点，分别拆解不同的下级业务目标。提升拉新效果——提升注册转化——提升付费转化——提升学习完成度根据以上拆解的各级策略目标，分别制定业务策略S：提升拉新效果的策略：广告投放、增加拉新渠道、优化拉新方式、用户精准投放；提升注册转化的策略：监控不同注册入口，找到最优注册转化方式；提升付费转化的策略：提升APP内的交互转化效果，优化付费转化漏斗，提升付费入口的转化率；提升学习完成度的策略：从课程内容角度监控课程内容质量，通过内容质量监控，优化课程内容，让用户获得与其需求相匹配。根据业务策略制定可衡量的指标M：提升拉新效果：广告投放转化率、各渠道带来的新访问用户数、注册转化率、不同类型的用户注册转化率；提升注册转化：注册转化率、不同注册入口的注册转化率；提升付费转化：各页面浏览量、停留时长分布、各付费入口的订单量、付费金额、付费转化率；提升学习完成度：课程播放量、上课频次、用户留存、各类课程播放时长、完播率、各功能模块点击、站内流量分布情况等；最后，配合UJM模型（用户旅途地图），即拆解用户在产品中的旅程，从下到上去匹配公司目标，不仅可对目标有查漏补缺的作用，还能将公司目标、策略和业务流程耦合在一起，最终形成一个清晰、明确的数据体系。 UJM：推广落地页——注册页——订单页——课程详情页——我的课程页——课程学习页以一个饭店想要提高GMV为例。首先，提高GMV这是目标；

·····

往期合集

3、#数据分析相关课程#店铺运营及数据分析资料/ 数据分析可视化-Excel案例视频分享-

往期合集

4、#数据分析入门级别资料# 短视频与直播的数据分析资料分享

·····

5、#用户行为分析# 《Excel数据分析》-分析用户行为案例分享

····

互联网用户行为分析方法论（39页 PPT）

····

进星球领取完整版

6、集团数据管控与数据治理解决方案（44页 PPT）/ 某运营商数据指标体系梳理建设方案（44页 PPT）

某运营商数据指标体系梳理建设方案（44页 PPT）

通过加强基本指标与维度的定义，指标体系的管控过程，减少组合指标的说明需求归口：业务部门在下达报表/分析需求时，可按照现在的报表模版的方式提出需求，经过 IT部门对需求进行结构化描述后，再进行下达，可提高需求描述的准确性；需求结构化：IT部门按照现行指标体系，对需求按照指标、维度进行解构，形成结构化描述，如果现行指标、维度不能满足需求，需通过管控流程，进行指标、维度的新增或变更；加强指标、维度的详细描述：指标方面，通过指标与维度关系矩阵，对每个指标能够关联的维度进行限定；维度方面，除对维度进行分类外，应加强维度取值的分层、统计口径的说明；远期目标：经过反复沟通，业务部门对指标+维度的方法熟悉后，流程可简化