人人都是产品经理

http://www.woshipm.com/data-analysis/757648.html

 

 

http://www.woshipm.com/data-analysis/2183129.html

 

http://www.woshipm.com/data-analysis/2554901.html

 https://www.xianjichina.com/news/tag_1069  新闻网

 

二、

数据分析概念

数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息，形成结论而对数据加以详细演技和概括总结的过程，最后通过得到的结论应用到行业中解决实际问题。

 

数据分析应用场景

1. 比如某款游戏下载量很高，但是注册率很低，有没有可能是注册服务器有问题还是注册流程过于负载？或者近期网络出故障导致

2. 数据分析。主要帮助决策者了解情况。发现规律以及预测将来。假如我是一家。做的还不错的。卖服装的淘宝店长。我需要知道一天内我卖了多少件商品，挣了多少钱？哪个品牌卖的多？哪个品牌卖的少？哪种商品需要补货？哪种颜色受欢迎等信息，以便及时做出策略调整保持市场竞争优势，这就是了解情况。

3. 在经营了。一段时间之后。店里积累了一些历史数据，通过对数据的深入挖掘，我发现特定人群甲喜欢购买圆领深色服装，而另一些特定人群乙喜欢购买宽松浅色服装，一些人在买了a品牌T-shirt的之后会购买b品牌短裤，而另一部分人在浏览了C页面后会对D品牌产生兴趣。于是我将圆领深色服装推销给甲，将宽松浅色服装推销给乙，将b品牌短裤购买链接前添加在a品牌T-shirt购买页的推荐商品中，将D品牌的促销信息追加到C页面中。于是店中的商品走的更好了，这就是发现规律。

4. 又经营了一段时间。我发现E品牌。商品总是在被浏览两到三次之后被卖出去。于是我发现浏览次数与销售件数之间存在较强的关联关系，于是我想办法增加品牌商品的点击数，通过浏览量的趋势大致可以预测出未来一段时间内销量的变化情况。这就是预测将来。

 

基础数据:下载量。激活量。新增用户量。活跃用户数。次日留存。

社交产品。用户分布。用户留存。

电商。淘宝指数。网站流量。页面访问深度。页面访问路径。

游戏。用户活跃度。付费率。

内容类。内容转换率。留存量。PV。UV

零售。提高销量、预测销售额。

其他：竞品数据。

 

分析方法。

业务数据分析。主要使用MySQL、Excel等

描述型分析。数据透视。可视化图表。

 

数据挖掘分析。主要使用。Python。SPSS。SAS。R等

协同过滤。分类分析。关联分析。聚类分析等。

 

大数据分析。主要使用。Hadoop。Spark

Hadoop大数据平台、数据整理、建模、分析展示

 

数据分析流程。

1. 明确目的和思路。

2. 收集数据

3. 。数据处理。

4. 数据分析。

5. 数据展示。

6. 撰写数据分析报告。

7. 应用于解决行业问题。

 

常用数据分析工具。

Excel、SPSS、SAS、Tableau、PowerBI用于业务数据分析。

Python、MySQL、R用于大数据统计分析。

 

数据分析价值。

1. 挖掘商机。

2. 数据可视化。

将数据高度浓缩，通过图表的形式展现出来增强数据的表现力，常见的图形有柱状图，饼状图，直方图，折线图，散点图等。

3.商业智能BI

将企业中现有的数据进行有效整合，快速准确的提供报表服务，并提出决策依据，帮助企业做出明智的业务经营决策。

4.用户画像。

用户画像最初是在电商领域得到应用的，在大数据时代背景下用户信息充斥在网络中，将用户的每个信息抽象成标签，利用这些标签将用户形象具体化，从而为用户提供有针对性的服务。

5.量化交易。

量化投资理论是借助现代统计学和数学的方法，令计算机技术从庞大的历史数据中台选能带来超额收益的多种大概率事件，已制定策略用数学模型。验证集。固话这些规律和策略然后严格执行以固化的策略来指导投资地球获得可持续的稳定且高于

 

数据分析前景。

1. 行业发展前景。

2. 就业前景。

3. 数据分析职业发展。

4. 岗位关键词。

5.  

转载于:https://www.cnblogs.com/Iceredtea/p/11527540.html