Topic 1: 個(gè)人能力(技術(shù)棧)

數(shù)據(jù)倉是由開發(fā)人員去做

對于傳統(tǒng)行業(yè)，需要分析師數(shù)據(jù)鏈路清理出來，因?yàn)樗麄儽砀窈軄y的，沒有到經(jīng)濟(jì)化運(yùn)營的階段。包括工業(yè)公司比如西蒙子工業(yè)4.0，它的生產(chǎn)線非常厲害，數(shù)據(jù)智能化程度卻很低，所以他們沒有到精細(xì)化運(yùn)營的階段。

當(dāng)BI沒辦法很好的提供幫助的時(shí)候還是要自己寫SQL去select，才能寫成日志數(shù)據(jù)。SQL不需要建表操作，只要會(huì)group by

基本上會(huì)了一個(gè)BI平臺(tái)那就基本上都會(huì)了，各平臺(tái)都大同小異的。電商新零售用帆軟，互聯(lián)網(wǎng)公司用神策。

更加資深的方向就要做數(shù)據(jù)挖掘來增長，就會(huì)涉及機(jī)器學(xué)習(xí)和算法。還需要寫行業(yè)分析報(bào)告。

工具只要熟練運(yùn)用就可以了，不需要一定去精通，那就是表哥表姐。

R語言只是語言更加偏向統(tǒng)計(jì)罷了。spass啥的更加傻瓜，純統(tǒng)計(jì)，用在特定場景中，比如實(shí)驗(yàn)。如果會(huì)了Python了就不需要那么復(fù)雜，一行數(shù)據(jù)解決問題。

matlab是工科同學(xué)用，只在高校存在，而且軟件本身很貴，發(fā)論文才用到。對技術(shù)棧沒有任何加分。用5年做業(yè)務(wù)積累

Part 2 指標(biāo)與指標(biāo)體系

有些高級(jí)數(shù)據(jù)工程師是不會(huì)什么工具的可能只會(huì)excel，因?yàn)樗X子里有很強(qiáng)的業(yè)務(wù)和指標(biāo)的聯(lián)系。普通人對于指標(biāo)的理解就是KPI，但其實(shí)它不止于此。指標(biāo)甚至是需要從0到1去建立的。

指標(biāo)縮寫特別多，不要懶去看看計(jì)算口徑，對業(yè)務(wù)的理解就上來了，那么就可以去拆解了。

原子指標(biāo)也就是基礎(chǔ)指標(biāo)(賣貨的就是訂單數(shù)，做app的話就是日貨DAU)

復(fù)合指標(biāo)是運(yùn)用一種計(jì)算，規(guī)則運(yùn)算。ARPU叫average rate for per user(游戲領(lǐng)域就是單人用戶付費(fèi)金額，人均客單價(jià))吸金能力指標(biāo)。

派生指標(biāo)在前兩個(gè)指標(biāo)之上。更加細(xì)化的指標(biāo)。比如: 雙11+成都+訂單數(shù)

CPM CPC

開發(fā)人員不了解業(yè)務(wù)是特別正常的事情。

運(yùn)營體系有按照業(yè)務(wù)板塊(子功能運(yùn)營)，還有按照地域板塊運(yùn)營的。不同部門間的數(shù)據(jù)是很敏感的。外企的核心東西碰不到，對接開發(fā)的管理層都是老外，機(jī)密不告訴你。指標(biāo)體系理解就行，一般不會(huì)讓你去從0-1建立體系的。

指標(biāo)體系也指導(dǎo)各部門間的KPI，同一指標(biāo)口徑。包括指導(dǎo)業(yè)務(wù)，增長業(yè)務(wù)。

用戶旅程地圖(它必須要結(jié)合APP本身去看)→用戶行為(他的操作)→關(guān)鍵指標(biāo)(出現(xiàn))

OSM

當(dāng)我們?yōu)橹笜?biāo)加上維度:

二級(jí)指標(biāo)是，根據(jù)一級(jí)指標(biāo)通過計(jì)算做一些事，把每個(gè)步驟打開，每個(gè)步驟都有單獨(dú)的一些指標(biāo)。三級(jí)指標(biāo)就是更加深入的做一些拓展。

把指標(biāo)衡量出來以后，有什么行動(dòng)策略:

到公司一定要先看架構(gòu)圖和業(yè)務(wù)如何開展的，從用戶到下訂單是哪些部門負(fù)責(zé)那些板塊，不要外泄公司機(jī)密。重點(diǎn)看運(yùn)營架構(gòu)和產(chǎn)品架構(gòu)，有些看不懂的很正常。要快點(diǎn)熟悉每張數(shù)據(jù)表是什么。把自己作為用戶，然后去轉(zhuǎn)化這些知識(shí)，理解表，在把行為select出來。剛到公司一定要多找運(yùn)營姐姐，多做表格幫她們做輕量化，要知道核心指標(biāo)是什么，建立整個(gè)業(yè)務(wù)邏輯。

Part 3 數(shù)據(jù)分析的方法和模型

數(shù)據(jù)的敏感性: 其實(shí)就是對數(shù)據(jù)的理解程度。當(dāng)你看到數(shù)據(jù)，你明白發(fā)生什么事情的時(shí)候，你就是敏感的，否則就是不敏感的。那么你不敏感的原因是什么，就是因?yàn)槟悴恢罃?shù)據(jù)在說什么。

1.占比分析

2.趨勢分析

3.對比分析

4.象限分析

5.排名分析 (***)

**產(chǎn)品，看份額站80%的東西它的占總品類多少，就非常希望有一個(gè)明星產(chǎn)品

用戶畫像

Part 4 思想模型(維度拆解有些人喜歡叫邏輯樹)

估算，不知道數(shù)值無所謂，建立邏輯，大概給個(gè)思路，把問題具體化出來，開放題沒有正確答案，給幾個(gè)指標(biāo)和角度就行

5w2h開始有用(活動(dòng)策劃和主題內(nèi)容開始出現(xiàn))

游戲行業(yè):

模型三 AARRR 讓用戶留下了

Part 5 統(tǒng)計(jì)學(xué)

統(tǒng)計(jì)學(xué)是實(shí)用的學(xué)科，對事物本身沒有概念，高校學(xué)習(xí)就很痛苦。反思維的統(tǒng)計(jì)學(xué)。

Part 7 Excel專題