精彩点评
-
流浪星推荐
《数据分析思维》 2021-9 花几个小时翻完了这本书，嗯，确实是“翻”完的，个人觉得本书只需要看第一篇方法篇就行了，里面介绍了一些好用的数学模型和方法。后面的实战篇基本都差不多了，都是一些简单的实例。人的感觉和记忆通常是靠不住的，数据和简单的工具模型往往可以很容易帮我们找到问题的根源。 数的发明可以说是人类社会最神奇的魔法，没有之一！它不单可以对现实事物进行模拟和量化，更可以对未发生的事进行预测，如果算力足够强大的话甚至可以模拟整个宇宙的运行！我们现在感叹的无常和不确定性只是因为我们掌握的太少，计算得太粗糙而已，当对事物的细化能力达到无限小的普朗克级别的时候，量子的不确定性也许就不再不确定了，毕竟宇宙运行也是需要有它自己的规则的，我相信，上帝是不会掷骰子的。
-
Johnson·Z·DA推荐
#小曾曾读书笔记#《数据分析思维：分析方法和业务知识》本书从业务指标、数据分析方法、数据分析过程和业务知识四个角度出发，阐述了数据分析问题的解决思维，与书名完全契合，干货满满。 个人理解里面特别加分的有两点：一是体系化地梳理了数分人员在解决问题过程中的结构化流程，二是生动的业务实例赋予了分析方法实操的含义和解答。我相信读本书的人一定会有属于自己的收获，对于想短时间准备面试的同学，也是可以直接关注里面的sample，学习里面三段式的分析步骤，相信能在短时间内武装自己。 我也总结下对自己挺有裨益的一些系统的知识点，方便时时回顾： 1、面对数据时可考虑将数据分为3类：用户数据（我是谁）、行为数据（我做了什么）、产品数据（卖什么）。 2、关于如何搭建指标体系： 1)、确定部门核心OKR，以此制定北极星和一级指标； 2)、根据子部门业务定位，依据一级指标拆解二级指标； 3)、分析业务流程，细化得到三级指标； 4)、不断迭代优化更新（这步必不可少）。 3、数据分析方法多种多样，选择最合适的才最重要。 A、逻辑树分析方法：分而治之&问题拆解 B、多维度拆解分析方法：指标构成和业务流程分析。 C：对比分析法：和谁比？比什么？ D、假设检验：剔除假设的角度有艺术：用户+产品+竞品；4P营销理论；业务流程。 E、相关关系：不是因果关系，区分两者可用控制变量法。 F、群组分析方法：同期群分析。 G、行业分析方法：PEST、SWOT。 4、数据分析三步走：第1步明确问题；第2步分析原因；第3步提出建议。 5、分析原因三步走： 1)、多维度拆解分析方法，将一个复杂问题细化成各个子问题； 2)、假设检验分析方法假设问题，对比分析方法辅助完成； 3)、确定问题后，寻根究底，多问几个为什么，然后使用相关分析法深入分析。
-
小红推荐
读完这本书，给我最大的收获，知道是从哪里开始分析了，好像明白了些要分析什么，为什么这样分析。 以前也听说过各种思维，但是不系统，不明白，不明所以。 这本书介绍了分析方法，最重要的是涉猎了各个行业的业务知识和各行业小案例，非常喜欢这种方式。 哈哈刚开始是看微信读书，后来买了实体书，感觉会隔一阵就得复习下。 唯一有些小小的建议，就是希望书能快快更新一些别的行业哈哈哈，希望能涉猎更多的业务知识和业务小案例，比如说游戏行业。
-
Ver 👾推荐
决定一本书好与不好还是由读者所处的阶段决定的。 一句话总评：对于培养数据sense有启发但绝不可照单全收，可能恰恰也证明了书中不是正确的废话，观点必然伴随争议。 方法是最常用且实用的方法，作为非常吃业务了解的分析师，技能内化后很多分析思路近乎是第一反应，很少有书能非常系统又体系化的把分析师看问题思考问题的方式整理出来。易读性可读性都不错。 哪怕是从事数据工作近一年，还是觉得常读常新。比如家政行业的相对转化和绝对转化，于我而言是非常新鲜的概念。但是虽说如此，我却不知道推荐给小白是否合适，毕竟后续行业案例百家之言，不熟悉的领域觉得是这么回事，熟悉的领域就能立马发现有不妥帖之处，还是需要辩证来看，需要避免照单全收（当然这也是分析师必备的技能 ( •︠ˍ•︡ ) 犹豫再三，还是评了好看。
-
许小煦推荐
微信读书读完的第334本书，《数据分析思维：分析方法和业务》。 本书讲解了数据分析的方法与实战，重点培养数据分析的思维。 一、数据分析的方法： 1、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。 （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。 2、数据分析的常见方法： 数据分析要有分析的思维、思路与方法，不只统计式/工具式（EXCELSQLPYTHON)的数据分析，深挖背后的原因，提出有效的改进计划。 常见方法，可以对应使用在哪里，以及使用的注意事项。 （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）。 （2）逻辑树分析：逻辑树拆解图 （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：维度可按指标构成、业务流程（步骤）等拆解 （5）对比分析：同比、环比、行业比，数据整体大小（平均数或中位数）、波动（变异系数）、趋势变化（拆线图），得出比较结果。比如A/B测试，比较对象规模（口径）保持一致。 （6）假设检验分析：提高逻辑思维能力、分析问题发生的原因（归因分析）。思路：问题—提出假设—收集证据——得出结论。 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：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：浏览量、点击量、创建订单、支付率层层转化率 二、数据分析实战：书中列举国内/跨境电商、金融信贷、金融第三方支付、家政、旅游、在线教育、运营商、内容、房产、汽车、零售等具体行业数据分析，可根据自己所在或感兴趣行业，看相关章节。 三、数据分析总结。 1、明确问题：定义问题，制定分析的思维导图，明确数据来源和准确性、业务指标含义理解与使用 2、分析原因：运用不同分析方法，可采用多维度拆解分析方法、假设检验分析方法、相关分析方法等，找到关键因素。 3、提出建议：落地的具体措施。 综上，数据分析，要具备分析的思维与方法、熟悉业务，用数据分析解决问题，从实际问题出发，明确问题，通过不同的分析方法，分析原因、提出建议。 学以致用，要在实际分析中不断思考，不断运用，不断改进。