weixin_47517717的博客

一个人正在草原上旅游，天下起了大雨，他没有带雨具，也没有任何东西可以遮雨，草原上更无地方躲雨，但他居然没有把头发弄湿，这是为什么?"有一场奇特的骑马比赛，不是比快，而是比慢，谁的马慢，谁就是胜利者，于是，参赛的两匹马慢得几乎停止不前，眼看天要黑了，在具体分析中，我们可以把它认为是分析事物的角度；运营人员向我们描述：我们的网站的流量很高啊，比淘宝差一点，比京东好一点，每天都有大量的新用户，老用户下单也很活跃啊。上述的分析思维，帮助我们去定性问题，接下来我们要介入数据的方式，去定量分析，首要掌握指标化的思维。

构成技术环境的关键指标有：新技木的发明和进展、折旧和报废速度、技术更新速度、技术传播速度、技术商品化速度、国家重点支持项目、国家投入的研发费用、专利个数、专利保护情况等因素。构成社会文化环境的关键指标有：人口规模、性别比例、年龄结构、出生率、死亡率、种族结构、妇女生育率、生活力式、购买习惯、教育状况、城市特点、宗教信仰状况等因素。构成政治环境的关键指标有：政治体制、经济体制、财政政策、税收政策、产业政策、投资政策、专利数量、国防开支水平、政府补贴水平、民众对政治的参与度等。威胁，具体包括：新的竞争对手；

指标就是用来量化事物的一个工具，帮助我们去将一些抽象的事件得出一个轮廓上的描述。例如我们通过整个产品的日活用户量（DAU），从而能反应出这个产品的发展状态也就是否处于增长过程中？数据指标：例如日活、月活、注册率、转化率、交易量等BOSS的视角--------------（战略指标）业务目标（赚钱）（1） 第一种：直接盈利有形商品/无形商品平台上交易获取利润（2） 第二种：间接盈利免费提供服务，获取用户量广告投放赚取广告费用户期望你的产品或服务所能提供有价值帮助。

认知第一阶段：在学习数据分析之前你所了解的；认知第二阶段：从事数据分析师工作1~2年你的理解；认知第三阶段：5~10年你的感悟；简单总结数据分析是指从海量数据中提取有价值的信息，并指导业务实践。技术？业务？数据分析思维目标可能是整个企业、某条产品线、或者某个运营小组的运营目标，其在不同的行业领域以及公司或产品的不同发展阶段都是不一样的，需要我们结合自身的实际情况，定义目标。一般情况下，运营目标与核心KPI息息相关。

（3）用户行为特征：访问时长、访问页面、使用间隔、次日留存、活跃时间、页面跳转行为（假用户的行为要么过于一致，要么过于随机）、页面使用行为（正常用户对图片的点击也是有分布的，假用户的行为容易过于随机）流量波动分析是基于渠道分析之上，我们将渠道拆好细分后，在指标体系监控的基础上，留意渠道数据的变化。3)长期则需要关注ROI。我们通过渠道拉新获取流量而付出的成本，这些流量为我们带来了什么样的收获，都是需要去分析的。1）漏斗分析应用的非常广，如果从生命周期来看，新增-成长-成熟-衰退-流失，这可以用漏斗分析。

产品分析主要是针对自身的拆解，比如功能、交互、视觉、体验、运营层面的分析；

用户画像可以简单理解成是海量数据的标签，根据用户的目标、行为和观点的差异，将他们区分为不同的类型，然后每种类型中抽取出典型特征，赋予名字、照片、一些人口统计学要素、场景等描述，形成了一个人物原型(personas)。用户画像就是与该用户相关联的数据的可视化展现，一句话总结就是:用户信息标签化。1、平台需要用到用户画像的目的与价值2、用户画像的核心流程与方法论3、用户画像常用的指标数据-标签及SQL实现4、用户画像的实战–代码实现（Python/R）5、用户画像数据的应用场景。

用户行为是用户在产品上产生的行为。用户行为分析，说白了就是从各个维度去看用户对于产品在某些指标上的反馈。

用户增长的核心是用户，任何商业模式的平台都是以用户为核心，只有这样才能更好、更加有效率的实现增长；用户增长是一个复杂体系，涉及产品、运营、市场、技术等多个环节的相互配合，光靠单点突击很难实现增长。所谓增长：增的是用户数量、用户规模；长的是用户价值，追求是用户生命周期价值的最大化；​简单来讲，用户增长就是帮助公司用更少的钱拉进更多高价值的用户，让用户在平台上消费更多的金钱，提高用户生命周期价值。活跃用户量：日活(DAU)、周活(WAU)、月活(MAU)用户激活率。

从概念开始之后的计划、组织、实施控制的管理行为的总和。方差分析就是通过检验各总体的均值是否相等来判断分类型自变量对数值型因变量是否有显著影响。

所谓SWOT分析，即基于内外部竞争环境和竞争条件下的态势分析，就是将与研究对象密切相关的各种主要内部优势、劣势和外部的机会和威胁等，通过调查列举出来，并依照矩阵形式排列，然后用系统分析的思想，把各种因素相互匹配起来加以分析，从中得出一系列相应的结论，而结论通常带有一定的决策性。其次，对不同性别的农民工的务工原因进行分析。在数据分析中，各项数据指标本身没有好坏之分，企业需要做的是通过对比分析法，选择可参照的数值，然后分析数值之间的联系与区别，思考其所展示的结果，能够有效地发现数据中蕴含的有价值的信息。

对现实世界的一个特定对象，为了一个特定目的，根据特有的内在规律，做出一些必要的简化假设，运用适当的数学工具，得到的一个数学结构。现实问题抽象出来，运用数学模型发现潜在规律，然后再还原于现实。

BOSS：小白同学，给我出一份今年的战略目标数据表？小白：这个……，老板，不好做啊！？BOSS：给你一周时间把报表放到我办工作上，否则……做预测之前，战略目标怎么弄？预测模型怎么构建？订单量GMV用户量（DAU、MAU）订单量≈人均单量×用户量GMV≈人均单价×用户量\begin{split}订单量 \approx 人均单量 \times 用户量 \\\\GMV \approx 人均单价 \times 用户量 \\\end{split}订单量≈人均单量×用户量GMV≈人均单价×用户量​用户

聊聊数据分析师的事

​。