精彩点评
-
拾脚印推荐
如果本书代表该培训机构的数据分析水平，我不建议大家报他们的班，专业能力存疑哈。 想了想还是推荐一下吧，虽然很多地方感觉很不严谨，但作为一本入门级科普书，培养培养数据sense，还是可以读一读的。
-
正了个飞推荐
适合所有想要培养数据分析思维的人，前半部分建议仔细反复看，后面的实战篇可自己先在纸上写写解决思路，再跟作者的方案做比较
-
令狐冲冲冲推荐
马上要转数据分析岗了，看看互联网大公司的要求，基本上这本书上内容都有涉及。深入浅出，很容易理解，特别是我这种小白，认真学习，期待转岗成功[拳头]
-
春面推荐
终于读完了，这本书的前面分析方法写得很好，通俗易懂，后面的案例也是比较有针对性，对于小白入门数据分析很有用
-
Sherry月半玉推荐
确实比较通俗易懂，适合新手小白入门，不过也确实像有些读者提到的一样，个别举例不严谨，感觉像随口得出的结论一样，而非数据分析得出的结论
-
心如花木推荐
自己的东西比较少，大都是各种书拼凑的知识，数据大都是模拟的，比起国外这种类型的书差距较大！
-
aware推荐
数据分析入门、基本概念、常用方法的介绍。案例比较多，但是不够深入，可以少点案例，更深入分析
-
桑代克的猫砂推荐
从公众号来的，数据分析是人工智能时代必备的软技能了。insight→data/experience→consilidate，量化节约了很多时间，也有利于决策。 工具书，搜索阅读更佳。有很多实际的案例偏c端，起初阅读本书的目的是在其案例中验证行为统计思维，假设检验，相关分析，参数估计……但是越看越发现自己很多商业盲区。比如拼多多为什么不设置加购？对c端产品来说，数据背后是人，而在互联网时代，人的心理与行为会间接以什么样的数据表现出来？我想这是值得我思考的地方，比如像品牌忠诚行为，在线下表现为重复购买和向他人推荐，在线上这个"忠诚"则用更科学的指标，比如转化率，复购率，K因子等，而且不同行业业务分析的指标也存在很大差异…… 除了分析工具熟练外，在找到相关变量后数据间还要有逻辑有体系，我想这才是数据分析思维的难点吧。
-
炏推荐
产品思维和数据思维融合的一本书，整体不错，正如作者初衷，数据分析不应该知识技能，应该作为职场人的基本能力。 就像同理心，产品思维一样，是时刻应变的能力，而不是作为受限于一个单纯的技能或者工作岗位。 从知乎上知道的猴子老师，前面看的很仔细，后面由于部分案例没有同感，行业不同代入感不强，就匆匆带过。 但是，流程化思维和细节分享挺好，整体值得推荐，有了数据化思维，不再蒙着眼睛走路，能避坑，尽量往正确方向发力。
-
陈默非🍦推荐
有的时候不代表碎片化的内容不好。看书的问题是，人类天生有补完计划倾向，想看完一本书的倾向大到难以想象，背后的本质是有fomo情节，害怕遗漏作者可能会给出的一些洞见。本质还是损失厌恶，看都看了，看完他吧。 数据分析的问题在于知识简单但广度大，应用场景和技术的迭代又足够快，所以很多时候不在于会不会的有无问题，而在于好不好的程度和效率问题。 内容一致性强，所以脱不开逻辑、数学、统计以及一般已经被广泛验证的方法论和思维模型，针对这每个人的解答都大差不差，没有谁解读的特别好也没谁解读的特差，看自己喜欢的表述风格即可。 但作者如果是广泛涉猎以及兵器库常用常新的话，靠出书终究会慢。 猴子的知乎已经不怎么更了，数据分析的学习和理解还真不如去看看一些daas公司的blog或者创始人的社交媒体呢（对，比如growing io的老大就在知乎），估计会更好。
-
繁霖推荐
是本理清思路的好书 第一篇 数据分析的方法 第一章 业务指标 （1）如何理解数据？ 懂得从数据中发现业务指标，数据的含义（如何定义与计算）与分类（用户数据、行为数据、产品数据） （2）常用的指标有哪些？ 使用相关指标去分析数据/问题 A、用户数据指标： 新增用户、活跃用户、留存用户（粘性） B、行为数据指标： PV(访问次数）、UV（访问人数）、转发率、转化率、K因子（转化成新用户的转化率） C、产品数据指标： 成交总额（GMV)、成交数量、访问时长、客单价、复购率、付费率、产品（热销产品TOP、好评产品TOP、差评产品TOP) D、推广付费指标： 展示位广告、搜索广告、信息流广告，点击率、成本、投入产出比 （3）如何选择指标？ A、好的数据指标应该是比例 B、找到最核心的指标—北极星指标 （4）指标体系和报表 A、明确KPI，找到一级指标 B、了解业务运营情况，找到二级指标 C、梳理业务流程，找到三级指标 D、通过报表监控指标，不断更新指标体系 第二章 数据分析的常见方法 （1）5W2H分析： what（是什么）、when（何时）、where（何地）、why（为什么）、who（是谁）、how（怎么做）、how much（多少钱） 5W2H分析方法能解决哪些问题？ 案例1：如何设计一款产品？ 案例2：设计一款App的调查问卷，如何设计问卷上的问题？ 5W2H分析方法很好理解，但是在复杂的商业问题面前不起作用 （2）逻辑树分析： 逻辑树分析方法是把复杂问题拆解成若干个简单的子问题，然后像树枝那样逐步展开 领导力，就是把目标拆解成员工可以执行的小任务的能力 逻辑树分析方法在解决业务问题时，经常不是单独存在的，会融合在其他分析方法里，辅助解决问题 （3）行业分析: PEST分析方法（政策、经济、社会、技术） （4）多维度拆解分析 逻辑树是拆解、多维度拆解是不同角度看一件事 只看数据整体，我们可能注意不到“数据内部各个部分构成的差异”。如果忽略这种差异进行比较，就有可能导致无法察觉该差异所造成的影响。 我们需要从多个维度去观察数据，并相互验证，才能得出相对可靠的结论。 通过多维度拆解数据，我们发现了和一开始截然相反的结论，这种现象被称为“辛普森悖论”（Simpson’s Paradox），也就是在有些情况下，考察数据整体和考察数据的不同部分，会得到相反的结论。 如何使用多维度拆解分析方法 1）从指标构成来拆解 2）从业务流程来拆解 （5）对比分析： 如何使用对比分析方法 （1）和谁比 1）和自己比：同比、环比 2）和行业比 （2）如何比 1）数据整体大小 常用的是平均值、中位数，或者某个业务指标 2）数据整体的波动 标准差除以平均值得到的值叫作变异系数。变异系数可用来衡量整体数据的波动情况 3）趋势变化 趋势变化是从时间维度来看数据随着时间发生的变化。常用的方法是时间折线图，环比和同比 注意： 在进行比较的时候，要注意比较对象的规模要一致 （6）假设检验分析： 假设检验分析方法分为三步： 1）提出假设 2）收集证据 3）得出结论 假设检验分析方法有什么用 1）假设检验分析方法背后的原理是逻辑推理，学会这个方法以后，可以显著提高我们的逻辑思维能力 2）假设检验分析方法的另一个作用是可以分析问题发生的原因，也叫作归因分析 如何使用假设检验分析方法 A、分析销售业绩，可通过4P营销理论（产品、价格、渠道、促销）。 B、按业务流程分析留存率、复购率等。 C、从用户、产品、竞品这3个维度提出假设。 （7）相关分析： 散点图，相关系数，相关关系不等于因果关系。 （8）群组分析： “群组分析方法”（也叫同期群分析方法）是按某个特征，将数据分为不同的组，然后比较各组的数据，说白了就是对数据分组然后来对比。 比如留存分析，可按时间、性别、地域分组等。 （9）RFM分析： 根据最近1次消费时间间隔（R)、消费频率(F)、消费金额(M),分类重要价值、发展、保持、挽留用户，一般价值、发展、保持、挽留用户。 A、使用原始数据计算出R、F、M值； B、给R、F、M值按价值打分，例如按价值从低到高分为1～5分； C、计算价值的平均值，如果某个指标的得分比价值的平均值低，标记为“低”。如果某个指标的得分比价值的平均值高，标记为“高”； D、和用户分类规则表比较，得出用户分类。 （10）AARRR模型分析： A、获取用户（渠道曝光量、转换率、日新增用户数、日应用下载量、获客成本） B、激活用户：用户首次体验如何、访问时长、活跃率 C、提高留存：顾客还会回来吗 D、增加收入：成效总额、成效数量、客单价、付费率、复购率 E、推荐他人：转发率、K因子 （11）漏斗分析： 从业务流程起点开始到最后目标完成的每个环节都会有用户流失，因此需要一种分析方法来衡量业务流程每一步的转化效率，漏斗分析方法就是这样的分析方法。 漏斗分析的作用是“定位问题节点”，即找到出问题的业务环节在哪。漏斗分析常用于用户转化分析或者用户流失分析，所以漏斗分析中要关注两个指标：用户转化率和用户流失率。 浏览量、点击量、创建订单、支付率层层转化率 第三章 用数据分析解决问题 第1步：明确问题 （1）明确问题的常见错误 在定义问题时，注意不要加入分析者的“主观猜测”，导致无法分析其他可能的原因。 （2）如何明确问题 1）明确数据来源和准确性 2）业务指标理解 第2步：分析原因 两个问题把原因搞清楚 （1）哪里出了问题？ （2）为什么会出现这个问题？ 优先分析关键因素 （1）使用“多维度拆解分析方法”对问题进行拆解，将一个复杂问题细化成各个子问题； （2）对拆解的每个部分，使用“假设检验分析方法”找到哪里出了问题。分析的过程可以用“对比分析方法”等多个分析方法来辅助完成； （3）在找到哪里出了问题以后，可以多问自己“为什么出现了这个问题”，然后使用“相关分析方法”进行深入分析 第3步：提出建议 回归分析 AARRR模型分析 需要注意 （1）做决策的选项不能太多。太多的选项不仅会增加决策的成本，还会让人迷失，无从下手。相对简单的问题，需要4个选项左右；相对复杂的问题，需要4～7个选项； （2）决策要是可以落地的具体措施，这样决策者才能根据措施，合理安排资源，把措施变成行动。
-
海虾_Konger推荐
本书可作为数据分析思维的入门教材 通过简单易懂的数据分析方法，指标及部分应用讲解，再结合一些浅显的实践案例来配合讲解 能让人更理解。但书中的知识仍然需要结合自身实际开展相应的实践，才能把知识化为自身的 否则合上书本，也只能讲个框架，真真还是需要多实操 掌握技巧的同时，需要多理解业务流程、业务知识、基本逻辑，这样才能更好去做分析 而且在实操中，需要通过与队伍，与数据后台，不断沟通推敲改善方向和举措，才能事半功倍，否则就是脱离实际，自说自话！
-
猴子推荐
这是第一本系统讲分析方法、如何用数据分析解决问题的书，并且真正做到了通俗易懂👍
-
Patricia2Q21推荐
逻辑清晰，方法➕案例双线，通俗易懂[强][强][强] 1．工作中常用的指标有哪些？ 用户数据指标：鱼塘里有3种用户：新增用户（日新增用户数）、活跃用户（活跃率）、留存用户（留存率）。其中活跃用户对应的是不活跃用户，留存用户对应的是流失用户。 e.g. 在这50万安装用户里，只有1.9万用户是活跃的，也就是产品的日活跃率不到4%（日活跃率=日活跃用户数／总用户数=1.9/50=3.8%）。这么低的活跃率说明产品存在很大的问题。 第1天新增用户100个，第2天这100个人里有40个人打开过App，那么次日留存率=40/100=40%。如果第7天这100个人里有20个人打开过App，那么第7日留存率=20/100=20%。 Facebook有一个著名的40-20-10法则，也就是新用户次日留存率为40%，第7日留存率为20%，第30日留存率为10%，有这个表现的产品属于数据比较好的。 行为数据指标：PV、UV、转发率（转发率=转发某功能的用户数／看到该功能的用户数）、转化率（转化率=10（购买产品的人数）/100（到店铺的人数）=10%）、K因子（K因子=平均每个用户向多少人发出邀请×接收到邀请的人转化为新用户的转化率。注：K因子=平均每个用户向多少人发出邀请×接收到邀请的人转化为新用户的转化率） 产品数据指标：用来衡量业务总量的指标，例如成交总额、成交数量；用来衡量人均情况的指标，例如客单价；用来衡量付费情况的指标，例如付费率、复购率；以及与产品相关的指标 推广付费指标：展示位广告、搜索广告、信息流广告 2．分析方法 （1）5W2H分析方法 案例1：如何设计一款产品？这时候可以用5W2H分析方法：what（是什么）：这是什么产品？when（何时）：什么时候需要上线？where（何地）：在哪里发布这些产品？why（为什么）：用户为什么需要它？who（是谁）：这是给谁设计的？how（怎么做）：这个产品需要怎么运作？how much（多少钱）：这个产品里有付费功能吗？价格是多少？ 案例2：设计一款App的调查问卷，如何设计问卷上的问题？这时候可以用5W2H分析方法：what（是什么）：你用这款App做什么事情？when（何时）：你通常在什么时间使用这款App？where（何地）：你会在什么场景使用这款App？why（为什么）：你为什么选择这款App？who（是谁）：如果你觉得你喜欢这个产品，你会推荐给谁？how（怎么做）：你觉得我们需要加入什么功能才是比较新颖的？how much（多少钱）：如果你认为这个App对你有帮助，你会花多少钱去购买App里的服务？ （2）逻辑树分析方法 把目标拆解成员工可以执行的小任务的能力 （3）行业分析方法 PEST分析方法是对公司发展宏观环境的分析，所以经常用于行业分析。通常是从政策、经济、社会和技术这四个方面来分析的。 （4）多维度拆解分析方法 - 从指标构成来拆解：新用户销售额=新用户数×转化率×新用户客单价；老用户销售额=老用户数×复购率×老用户客单价。 这样拆解后，有利于后续找到原因来制定对应的决策。如果是“新用户”导致的销售额目标没达成，可以对新用户发小额无门槛的折扣券，因为新用户往往还没有对店铺建立信任，不会第一次就购买很多。如果是“老用户”导致的销售额目标没达成，可以对老用户发高额满减折扣券，起到提升复购率的效果。 - 从业务流程来拆解：按照地域细分，考察一线、二线、三线及以下等不同城市的新增用户数量情况。按照性别细分，考察男性用户、女性用户分别是多少。按照渠道细分，考察公众号、百度、头条哪个渠道的用户来源多。 （5）对比分析方法 弄清楚两个问题：和谁比，如何比较。——A/B test 变异系数：=STDEV(B:B)/ AVERAGE(B:B) 一般来说： 0-15%小变异，16%到35%中等变异，大于36%高度变异 （6）假设检验分析方法 步骤分为3步：提出假设、收集证据、得出结论 提出3种假设：（1）假设用户有问题：可以从用户来源渠道这个维度来拆解分析，或者画出用户使用产品的业务流程图来分析原因；（2）假设产品有问题：可以研究这段时间销售的产品是否符合用户的需求；（3）假设是竞品导致的问题：可以看竞品是不是在搞什么优惠活动，用户跑到竞争对手那里了。 我们还可以从4P营销理论出发来提出假设。什么是4P营销理论呢？4P营销理论产生于20世纪60年代的美国，它是随着营销组合理论的提出而出现的。营销组合实际上有几十个要素，这些要素可以概括为4类：产品、价格、渠道、促销。（1）产品：公司提供给目标市场的有形或无形产品，包括产品实体、品牌、包装、样式、服务、技术等；（2）价格：用户购买产品时的价格，包括基本价格、折扣价格、付款期限及各种定价方法和定价技巧等；（3）渠道：产品从生产公司到消费用户所经历的销售路径。（4）促销：是指企业利用各种方法刺激用户消费，来促进销售的增长。包括广告、人员推销、营业推广等。例如买一送一、过节打折等。为了寻找销售业绩下降的原因，可以利用4P营销理论从4个维度提出假设。 可以使用3个方法来客观地提出假设，同时防止遗漏假设：（1）从用户、产品、竞品这3个维度提出假设；（2）从4P营销理论提出假设；（3）从业务流程提出假设。 （7）相关分析方法 第1步，单击Excel左上角的“文件”；第2步，单击“选项”，弹出“Excel选项”对话框；第3步，在“Excel选项”对话框中选择“加载项”；第4步，在“管理”下拉列表框中选择“Excel加载项”，然后单击“转到”。最后单击“确定”按钮，就会出现图2-97所示的“加载宏”对话框。在对话框里选择“分析工具库”就安装好了Excel的数据分析功能。 （8）群组分析方法 为什么回关人数越多，用户留存率越高呢？为了找到这个问题的答案（因果关系），团队对用户进行了电话采访，发现了这背后的原因：如果不到1/3的人“回关”，那么推特就会像一个新闻网站，而市面上还有很多其他新闻网站可以选择；如果超过1/3的人“回关”，那么推特就跟其他社交产品没有什么区别，例如微信中大家都是互相关注的状态，也没法体现出推特的独特之处；只有达到1/3这个比例的时候，才能体现出推特的特点，也就是让用户及时了解他们关心的圈子里发生的新鲜事。——案例：推特用户留存分析 （9）RFM分析方法 最近1次消费时间间隔（Recency）、消费频率（Frequency）、消费金额（Monetary） 这3个指标针对的业务不同，定义也不同，要根据业务来灵活定义。各指标特征如下：· 对于最近1次消费时间间隔（R），上一次消费离得越近，也就是R的值越小，用户价值越高。· 对于消费频率（F），购买频率越高，也就是F的值越大，用户价值越高。· 对于消费金额（M），消费金额越高，也就是M的值越大，用户价值越高。 （10）AARRR模型分析方法 -（1）获取用户（Acquisition）：用户如何找到我们？ （1）渠道曝光量：有多少人看到产品推广的信息；（2）渠道转换率：有多少人因为看到广告转换成用户；（3）日新增用户数：每天新增用户是多少；（4）日应用下载量：每天有多少用户下载了产品；（5）获客成本：获取一个客户所花费的成本。 -（2）激活用户（Activation）：用户的首次体验如何？ 需要关注“啊哈时刻”和活跃率指标 -（3）提高留存（Retention）：用户会回来吗？ 亚马逊刚推出会员服务时，许多人说这个计划必定会失败，因为美国的配送成本很高，而以99美元的会员费给会员免费配送一年，亚马逊肯定会亏。但亚马逊的真正目标是改变人们的习惯，让用户在购物中习惯会员优惠价格，习惯免运费，从而不再去其他商家买东西，进而提高了用户留存。 蚂蚁森林是阿里巴巴推出的一款在支付宝里的游戏，用户可以到其他用户的页面上去偷取能量，当能量累计到一定程度，就可以申请种一棵树。蚂蚁森林会在现实中种一棵树，并为用户发一个植树的证书。截至2020年3月12日，蚂蚁森林的用户数超过5.5亿，累计种下1.22亿棵真树，成功提升了支付宝的用户黏性，提高了留存。 -（4）增加收入（Revenue）：如何赚到更多钱？ （1）用来衡量业务总量的指标，例如成交总额、成交数量；（2）用来衡量每个人平均情况的指标，例如客单价；（3）用来衡量付费情况的指标，例如付费率，复购率。 -（5）推荐（Referral）：用户会告诉其他人吗？ 美国作家马尔科姆·格拉德威尔在《引爆点》这本书中用流行病来类比营销：引爆一种流行病需要三个条件—传染物本身、传染物发挥作用所需的环境、人们传播传染物的行为。 这一环节需要关注的指标有转发率、转化率、K因子。 （11）漏斗分析方法 漏斗分析的作用是“定位问题节点”，即找到出问题的业务环节在哪。漏斗分析常用于用户转化分析或者用户流失分析，所以漏斗分析中要关注两个指标：用户转化率和用户流失率。 以汽车行业为例，可以将业务流程分为三部分：售前、售中、售后。 3. 数据分析解决问题的过程 第1步明确问题；第2步分析原因；第3步提出建议。 如何提出建议？ 回归分析 e.g.通过分析，为公司下半年的经营提出以下建议：如果想要完成年度的6000万元利润目标，建议在保持目前商品采购成本不变的前提条件下，通过增加销售收入的方式来保证利润目标。下半年需要将销售收入目标设定为27875.42万元，平均每个月销售目标设定为4546.90万元（27875.42万元/6）。下半年需要吸引84338人到店消费，平均每个月到店的用户数是14057人（84338人/6）。根据相关分析方法，要想提高到店用户数，需要优先提升店铺的售后服务水平。建议可将此作为关键绩效指标，细化分解到具体的部门去执行，并与日常考核联系起来，这样才能确保全年利润目标顺利完成。 案例：内容行业 根据这些内容的不同状态，内容行业的指标可以分为内容生产指标、内容曝光指标、内容点击指标、内容…._
-
Stark推荐
方法和案例都比较干货，是一本进阶不可多得的好书，相比其他数据分析书，要不就是把理论说的太深，不实用，要不就是案例不够深刻，浅尝辄止，本书特别适合做运营的同学看