简介

精彩点评

• 

  Johnson·Z·DA

  推荐

  #小曾曾读书笔记#《数据分析：企业的贤内助》：读罢本书，有两点最为直观的感受：行文叙事方式清新脱俗；从宏观方法论到微观落地操作均有涵盖。 本书从数据分析师能力要求、数据分析六步法——设计方案、数据采集、数据处理、数据分析、数据展现、报告撰写——两大方面进行故事性阐述，生动明了，通俗易懂。 在战略分析、投资分析、营销分析版块，提供了特别多实用的分析方法论和原理，对自己特别受用。不同于一般数据分析类数据会讲解数据指标体系和业务具体模式分析，本书更加注重的是方法论的沉淀和引导、Excel图表的落地实践以及对数据分析全流程的宏观把控。 读完，或许有自己的一些收获。 最后总结下书中的知识点： 1、做战略决策要看两点——方案吸引力和企业匹配度。方案吸引力回答备选方案好不好，值不值得去做的问题。企业匹配度回答企业实力强不强，能不能做得了的问题。只有方案与实力相匹配，才是有效的战略决策。 2、数据分析目标：1）做过多少个项目？2）业务背景有哪些？是否跨行业？3）做过多少种类型的模型？做了多少个模型？4）基于模型做过多少次完整的marketing闭环？ 3、优秀数据分析师四重境界分别指：深度、信度、效度、通度。四种专业态度：避免从众心理；避免偏见；合理怀疑；换位思考。五大分析要素：图纸、材料、步骤、工具、方法。数据分析六步法：设计方案、数据采集、数据处理、数据分析、数据展现、撰写报告。 4、分层抽样的拇指原则：样本若分成不同的组，总样本量要保证每组的样本量都不能低于100个；当每组样本还需按不同的特性或配额划分成更小的组时，要保证每个小组的样本量至少为20～50。 5、问卷设计7准则:1）简单易懂；2）易接受，避免尴尬甚至拒访；3）测试点要单一；4）要避免问题的倾向性或诱导性；5）问题的选项要全面，不能有遗漏；6）选项之间要独立，不能有包含的关系；7）问题表述具体化，避免产生歧义。 6、预测原则：类推原则；惯性原则；相关原则；概率原则。 7、时间序列由四部分构成：长期趋势T、季节变动S、周期变动C、不规则变动I。基于经验，时间序列常用乘法模型：Y=T×C×S×I。C、S、I都是相对数，通过影响T来影响Y。正向影响则大于1，负向影响小于1，没有影响等于1。 8、4P营销组合，即开发产品（Product）、制定价格（Price）、铺建渠道（Place）、市场推广（Promotion）。分别对应方法论为：Product-KANO模型；Price-PSM价格敏感度测试模型；Place-品牌知觉图；Promotion-定标比超分析。 9、好报告的建议一定要能落地，为此要做到三点：搞清给谁提建议、结合业务提建议、不回避不良结论。

• 

  许小煦

  推荐

  微信读书读完的第322本书，《数据分析：企业的贤内助》。 本书通过有趣的故事，通俗的语言，丰富的营销、财务、投资知识，展现数据分析的具体工作内容与流程，了解数据分析的方法，拓展对“数据分析”的认知，培养数据分析的思维与能力。 1、数据分析是什么？ 数据分析包括营销分析、运营分析、财务分析等。 公司设立组织架构，这些分析部门，有可能是集中在数据分析部，也可能分散在营销部、财务部等。 营销分析：运用营销模型等，对营销进行分析，比如产品-市场扩展矩阵（现有/新产品与市场）、GE矩阵（匹配度与吸引力）、ADP模型（性价比、市场容量、分销、态度） 财务分析，也是数据分析的一部分，包含“财务”与“分析”，财务BP是财务分析与业务相结合。 明白数据分析在企业中的角色，以及数据分析的范畴。 2、数据分析有什么作用？ 战略决策、投资项目评估（项目收益与风险分析）、营销决策等，可积累数据分析的分析思维、分析模板与模型。 3、数据分析的能力要求是什么？ 具备统计学、心理学、社会学、人口学、营销学、财务管理的知识， 具备逻辑清晰、坚持不懈、细致入微、态度严谨、沟通顺畅等素质。 熟悉数据分析软件(SPSSSASSTATISTICMATLAB等）、了解数据分析的方法、熟悉数据分析项目的过程 。 数据敏感性和思维逻辑性是道，而分析方法和操作技能是术。 不断训练自己对一件业务的认知，如果你要分析这个项目，会用怎样的分析思维，把分析思维罗列起来，与书中的思维方式比对，增加分析的模型范式。 思维方式决定方法论，分析的思维方式，很大程度决定着方向与结果。 4、如何做数据分析？ （1）方案设计：明确分析思路,思维导图 做分析要解决什么问题？分析的对象是谁？选取多大的空间范围？覆盖多长的时间范围？考虑哪些内容？使用多少方法模型？需要多少投入？ 将需求分解成不同维度的研究内容（假设、论证方法），不重不复。 （2）数据分析方法： A、数据采集：抽样设计、问卷设计（信度、效度检测） B、数据处理：数据录入、清洗、加工 C、数据分析（描述性分析、对比性分析、差异性显著） （3）展现演示：图表呈现、报告撰写（能用图表就不用数据，能用图片就不用文字、能用动态呈现就不用静态展示）。 本书是一本工具书，干货很多，需要在实践中不断参考、消化本书的内容，得到具体的实操。

• 

  帅到无法接受

  推荐

  虽然书的内容没有问题，营销的知识点全面，甚至出现了的财务模型，营销计划+财务模型基本上就是一份商业计划书了，但是我还是给出不推荐的评价。 首先，如果你从来没有学过spss，sas这些数据分析，那么请保护你的思维，如果不是迫不得已，这辈子都不要接触，这玩意就是以后荼毒思维的毒药，会把你的思维变得单一且机械，剥夺了你的反脆弱性，也就是创新的可能。为什么 ？如果数据预测能成功，这个世界上就没有不成功的产品了，不论Python还是问卷，这些变量都是你自己定出来的，从一开始基本的结果已经被锁定，你只是证明了你想证明的东西，当你新可乐出现的时候，可口浪费400万美金，测出来的结果和实际完全不一样，另外营销最强的可口策略成功不到5%，谁给你的勇气说睡数据分析能预测未来。诺基亚测苹果的份额不会超过8%，unimark预言个人电脑不能成为主流，苹果董事会希望乔布斯停止苹果，因为测算出来不会成功! 数据分析比财务模型更加可以，财务模型，尤其是公司CFO一定要找MBA背景的，如果没有多元思维模型的CFO会被价值网络绑架的死死的，彻底摧毁新的S创新曲线的诞生。 第二，商科引入数据分析的目的是什么？你见过那个公司起步的时候用这些玩意，用这个过程本身就是一种消耗，就像管理本来是为了增加效率，但是随着发展结果管理的框架成了束缚，而且还需要更多的管理人员去管理系统中的管理人员，系统越来越缓慢冗余。接着说回来，数据分析的意义在哪里？钟型曲线的高斯正态分布是测算经济的，好笑的这东西从来没有预测出来一次经济危机 ，正常的来说人们吃亏一次就不会再被骗，但奇怪的这东西越来越火，这可真的要感谢无良的经济学家们，这东西可以弄得特别复杂，一大堆名词甩出来，什么自变量，因变量，不可控变量，定比，定距，ANOVA，回归分析，什么尼尔森系数，P值显著性真些东西一出来，客户大呼专业，然后乖乖掏钱。别搞笑了，这东西用在能控制变量的实验科学的对比组还有点用，但也避免不了n+1的黑天鹅，但是最起码能提供聚合效动，给出一个豁然性的方向去尝试。但是商科别说样本量少，那就是没有样本，商科是案例法，从一个案例中归纳，难道生活中可以控制住公司的所有条件，然后调整单一因素做对比组嘛？基于光环效应和幸存者偏差来看“基业长青”，结果号称动用上百个研究员总结出来的铁律，结果里面所谓的好公司大多数连标普500都没路过，狗选的都比这些所谓的专家强，结果现在还有推基业这种垃圾书籍。硅谷的霍夫曼最怕也是做商业计划的初创，一旦拿到的投资，基本就凉了，因为他会严格按照计划去做，但是商业哪来的计划，都是一步步推出来的，比如马云先做淘宝，因为要解决信任问题开始做支付宝，谁都不可能想到公司的最终形态，只是有一个想要解决的问题，一切都围绕怎么更好的解决这个问题，比如支付宝只是让生意更加好做的手段，马云的目标就是让天下没有难做的生意，所以一切都为了这个愿景服务。尤其是之前上学的时候听到同学说，数据分析是以后最有用的，如果想成为一个人思维简单的机器人，它绝对是当仁不让的。教你的老师基本都是没有商业经验和创业经验的胆小鬼，从根上来说商科这些东西就是搞笑的和骗钱的。因为学了这些很少无创业，因为有分险呀，但是给别人做分析可以把自己的反脆弱性建立在牺牲别人基础上。 商科和经济学真的是太美妙了，美妙的可以合理合法干着受别人尊重的工作。真好呀

• 

  永荣

  推荐

  强烈推荐！数据分析师必备！没有之一！ 为什么知乎博客从来没有人推荐这本书，真的是满满干货，比《增长黑客》《精益数据分析》《数据之美》都要务实太多 这本书是真真正正的数据分析师写出来的，里面总结了数据分析师会遇到的各种难题和解决办法，对我真的是太有用。分析思路的确定，数据的处理，模型的选择，图表的优化，报告的撰写，每一步都踩了很多坑，慢慢地摸爬滚打中，借此书激励自己好好努力！

• 

  赵祥亦

  推荐

  大家都在讲大数据，其实数据大小不重要，重要的是怎样挖掘出其中的价值，一本书籍，看的快慢不重要，重要的怎样能快速理解书中的道理，思考出重点价值，有的可用在生活上，有的可以提升自己，有的藏在心理，说不准什么时候会用到，虽然有很多有价值道理，会随着时间，悄悄的从记忆中溜走，消失在脑海里，但至少留下了痕迹，不断的锻炼思考，对书中的内容，有着独到的见解，看法，日积月累的养成习惯，思维将会与曾经判若两人，这种改变的思维，将会随着阅读，每天都在成长，成长到自己觉得不可思议的地步。