如何做商业数据分析
47 57最热 | 最新
- 我对用户洞察的工具的理解： 1. 数据预测模型（如使用 sklearn 内置的机器学习模型，或 Excel 直接的拟合公式），在一定意义上，是能给用户研究，以超过统计学描述之上的洞察的。 2. A/B testing 假设检验，由于互联网公司做试验很方便，试验数据量大、收集方便，可以通过 A/B testing 去洞察、证明用户的需求。哪怕是伪 A/B testing（没有经过实验设计，直接分析活动结果，对比未展开活动之前）也是不错的 analytical review 复盘。 3. 数据清理，过程中也能发现很明显的规律，尤其是通过可视化以后，有些洞察可以直接得出来。 4. 统计学的初步描述，比如频数、均值、标准差、各种中位数（0、25%、50%、75%、100%等）、峰度、偏度、近似的分布（正态、二项、泊松）、相关系数、树图，可以得出较多洞察，让业务凭经验印证或结合自己的实践，是可以启发出新的灵感的。 5. 指标计算模型，初步描述的基础上略加定性定义后，得到的 RFM 分类、活跃用户/非活跃用户分类、AARRR 等，会给人更加落地的用户洞察，是各种 KPI 的基础。也有用 AIPL 模型分析的。但不太像是洞察，更像是监督工具。 6. 市场的定量分析模型，基于问卷调查，包括 AIDMA、AISAS、PSM、KANO 模型等。直接获得消费者反馈，传统的田野调查。 7. 经典的定性分析，包括 SWOT、PEST、4P、4C，以及大量阅读、访谈调查、亲身经历下形成的新论点。思维层级高度决定了能不能把经典定性分析用得好，往往对个人的脑洞要求很高。 8. 数据营销中台如 Matomo，可以直接做网站热点图、漏斗、用户轨迹、分流做 AB testing 等。可以直接作为 Wordpress 插件，而 Wordpress 也已经支持小程序的开发了。 9. 以及像 The Trade Desk 本月新出的 Solimar 广告投放平台，用机器学习延展预测的功能，会越来越内置在这样的自动化营销平台。 10. 但定制化的机器学习团队还是当之无愧最厉害，但这绝对是一批人组成的研究院式的组织。
- 数据分析、商业分析、经营分析，说白了，就是将自己的数据产品，业务模型给销售出去，要拉进与业务的关系。
- 如何成为一名合格的商业分析师？ 🤳随着这几年互联网行业的发展，商业分析师的薪资也在迅速上升，在一线城市商业分析师的薪资在30k+是很普遍的，而刚毕业的应届生的薪资也在10k起步，而且这个岗位在企业中也有很高的地位，发展前景可想而知。👏那么初入职场的小白怎样才能成为一名合格的商业分析师呢？需要具备哪些基本的能力？😼我在备考CPBA商业分析师证书的过程中，从导师那里了解到了很多关于商业分析师的信息，今天就来给大家做个分享哦~ 👉商业分析师的日常工作： 1、对接企业业务问题，了解业务细节，分析业务数据 2、定位业务问题出现的原因，和业务方沟通讨论解决方案 3、监控业务数据，战略型调整业务方方案，优化业务 👉商业分析师需要具备哪些能力： 1、数据分析能力 具备基础的数据分析能力，如SQL、Excel、Python等。 具备基础的数据分析方法：SWOT、7S模型、PEST、GE矩阵、3C模型 2、决策能力 业务师的主要工作就是了解客户的要求，然后分析业务情况并制定正确的决策 3、沟通能力 4、管理能力 🥳怎样培养商业分析能力？ 1、考CPBA商业分析师证书 商业分析师属于一种综合性岗位，小白需要系统的学习商业分析相关知识和技能。而快速获得这些知识醉好的办法就是考证，如CPBA商业分析师证书，是国内含金量很高的商业分析师证书。拿到它就相当于拿到了行业的敲门砖。 🌸PS:CPBA证书的报考形式和BDA证书差不多，都需要有关方授权的培训经历证明才能报考，目前市面上有关方授权的培训机构就是小灶能力派，具体资料我帮大家放在尾图啦~ 2、培养沟通交流的能力 1）每次沟通业务时可以用录音、记笔记等方式记录自己沟通的重点，然后总结复盘 2）主动参加公司的大型演讲 3）阅读一些培养情商和提高沟通能力的书籍：《谈判力》、《沟通的艺术》 3、提高市场敏感度 可以借助研究报告如《艾瑞Zi询》等了解行业市场，时刻注意市场变化才能更科学的制定决策 ☄⛄️好咯今天就给大家分享到这里啦~我们下一期见哦！~
- 数据分析vs商业分析，同一道题不同回答 上篇说道，我如何用一道题来判断，一个同学在现有的思维模式下，更习惯用数据思维思考还是商业思维思考 那么，这篇我们看看商业分析师和数据分析师会具体在面试中如何回答这道题目 🌟🌟如果今日头条的人均使用时长下降了，你会如何分析这个问题？🌟🌟 给自己几分钟想一下你会如何回答，你会给出一个什么样的分析框架？ 数据分析师会这么说： Step1：人均使用时长 = 总使用时长 / 使用人数 指标类问题，和面试官明确分子和分母 Step2：人均使用时长下降了，这是不是一个问题？趋势是突然的下降，还是缓慢的下降？是不是只是因为是从周末到了工作日，大家都上班没时间刷手机？---判断是否是异动 Step3：如果判断是问题，最常见的做法就人群拆分，核心是找出哪些人群的人均使用时长下降了？是所有人的人均使用时长都下降了，还是部分人？回答此问题的核心是看你能想到多少维度。一个新老用户拆分的例子，对于新用户，如果发现是新用户的人均使用时长下降，可能的问题有哪些？是新用户的质量下降了？哪些渠道新用户的人均使用时长下降了？除了新老用户维度外，还有不同功能模块的使用时长是否有差异、竞品因素等等---拆分想的越全面越好，此处的拆分维度仅做参考。 商业分析师会这么说： Step1：我能先问几个问题，明确一下这个商业场景吗？ 今日头条是一个什么样的产品？使用对象是谁？市场有什么变化吗？这个数据变化其他竞争对手也变化吗？ Step2: 根据收集的信息，判断是由外部变化导致，还是内部产品自身问题导致，是异常波动，还是正常波动。 Step3: 如果是内因导致，再拆分具体是某一模块变化，从用户/产品功能/ 内容素材等模块依次判断，并给出对应策略建议。 而理想答案的话，我会给出这样一个思维导图： Step 1：告诉面试官整体的思考框架：我会把这个题目分为外因和内因两部分 Step 2：先判断外因的可能性，如排除外因后，着重从数据角度分析内因 Step 3：内因按照数据分析的思路，先明确数据是否准确，再选取不同时间周期的数据进行波动差距分析，最后做细分拆解，找到引发数据下降的最主要模块 这便是一个数据分析+商业分析能力结合在一起形成的回答～
- +2
- 沪深 300 指数解读视频播放已结束
- 每天发一遍，今日是第3天，加油 1.坚持每天都登录BOSS直聘 2.每天把打招呼的数量用完 3.当求职者回复时我们要点击要简历/要电话/要微信 4.邀约面试尽量通过线上视频面试 5.面试后一定要在boss写反馈/做评价 6.时常转发分享职位到其他社交软件获取点赞 提升曝光度 7.不定期更新职位，让职位类型更加完善 8.经常在有了社区回答问题关联自己的职位
- 总是被批评缺少数据敏感度？这里有个办法帮你快速提高！ 平常总是被人说缺少数据敏感度，到底什么才是数据敏感度呢？说实话工作时间久了总能慢慢培养出数据敏感度，就像游泳一样，居住在水边的渔民，天天跟水打交道，自然都会游泳了。但是总有一些法，可以让你更快地学会游泳，也总有一些方法，可以让你更快地培养数据敏感度。 1 数据敏感度举个例子 现在室外温度是多少？今天出门该穿什么衣服？ 小 A 出去走了一圈，说：有点热，得穿短袖了 小 B 看看今天的天气预报，说：27℃，要穿 T 恤或者薄衬衫才行这两个人里，小 A 是靠感性的方式认知环境，而小 B 则是用数据的方式认知环境。 显然，这两个人里面小 B 具备数据敏感度的那个，他可以通过数字就知道该穿什么衣服出门。 在这个例子里，温度就是数据，天气和着装就是业务。能相对准确地建立温度与天气着装之间的匹配关系，知道什么样的气温下应该穿什么样的衣服最舒适，就是具备数据敏感度。简言之就是能在业务和数据之间建立匹配关系，通过数据洞察业务。如果你在这个案例里的感受并不是那么强烈，可以试试把摄氏度换成华氏度，相信不怎么使用华氏度的我们会立马感受到什么叫做“对数据不敏感”了。问：气温 64℉，该穿什么衣服出门？业务在数据敏感度中扮演着重要的角色，甚至可以说脱离业务谈数据是无意义的。36℃是冷是热？很难说。 36℃的天气是冷是热？ 我相信大家应该都能回答上来，酷热。毕竟超过 35℃都要发放高温作业补贴了。 36℃的饮用水是冷是热？ 说实话，入口甚至有点凉，连温水都算不上。 36℃的泳池是冷是热？ ——不仅热，还很舒服，但是想游泳是游不动的。《游泳池给水排水工程技术规程》规定成人游泳池的水温也就 26℃-28℃，36℃的泳池已经够得上温泉的标准了，你在温泉里游几十米试试？小心中暑休克。 2 如何提高数据敏感度 我们如何掌握数据和业务之间的匹配关系呢？又要回到“积累”两个字了。而积累的捷径，就是有意识地主动积累。36℃的天气很热，大家都知道，每天都有天气预报，谁还没看过呢？这就是被动积累。但是 36℃的饮用水估计知道的人就不多了。为什么？一般情况下谁煮水还会检查水温呢。恐怕大部分人对饮用水的水温感知不超过 4 种：冰水、常温、热水、开水。冰水是在冰箱里冰过的，常温就是室温下放了很久的饮用水，热水就是开水放了一会儿，开水就是刚刚煮沸的水。36℃的饮用水？对不起，从来没遇到过这种“业务”。工作中大部分人止步于被动积累，只有少部分人意识到主动积累的重要性并付诸实践。 如何实践呢？无他，唯手熟尔。做产品设计的时候，多去复盘，多去理解数字背后的业务含义。比如今天数据日报的 X 转化率是 30%，这个转化是从那一步到哪一步，表达的是转化用户的比例还是转化订单的比例，这个数字跟以前比是高了还是低了，冬天转化率多高、夏天转化率又是多高，月初和月末的转化率如何，其他模块的转化率是多少，同类型的产品转化率是多少，行业平均水平是多少等等。 当你针对“X 转化率”这个数据积累了足够多的衍生业务场景时，同样一个数字摆在你面前，你就很容易判断这个数据对不对，是不是有异常，对应的业务如何，下一步应该做哪些事情。假设你知道 X 转化率全年的波动在 20%~40%之间时，告诉你今天的 X 转化率是 10%时，你肯定会很敏感地发现异常，要么数字错了要么某块业务宕机了。数据敏感度低的人，可以很清晰地分为两类：一类是对数据很熟悉但不了解业务。这类人群多见于数据工程师、数据产品、财务等业务支撑部门，其日常工作就是跟数据打交道，做报表、做数据基建、取数、建表等等。如果你处在这里，想要提升数据敏感度、判断自己产出的部分结果正确与否，就要多去了解业务，抓住机会跟一线业务人员交流。另一类对业务很熟悉但缺少数据思维。多见于业务一线部门，包括产品、运营、商务、客服、销售等等，这类人群有丰富的业务经验，但是没有办法把自己的感性经验沉淀为可量化的理性数据。提升数据敏感度的途径是，多拿数据跟实际业务做对照，建立数字和业务之间的映射关系。要珍惜数据部门发来的日报，这是少有的别人把答案告诉你的机会。同时还要有意识的、主动的将业务用数据进行量化，“今天客流量很多”，有多多？比平常多多少？量级有多大变化？这些都有助于快速培养数据化思维。 3 数字、数值和数据！最后再让我们玩一个小的文字游戏。你能区分数字、数值和数据吗？拼多多 2020Q1 获客成本是 170 元/人。这里 1、7、0 就是数字，170 是数值，170 元/人是数据。如果你喜欢的话，也可以用罗马数字，C 代表 100，L 代表 50，X 代表 10，右加左减，那么拼多多 2020Q1 获客成本是 CLXX 元/人，数字变了，但数值还是十进制下的 170，数据当然也没变。玩这个游戏是想要说明，数字不等于数据，所以数字敏感度也不等于数据敏感度。“回收的 500 份问卷中有 78.3%的人联系电话尾号是偶数”，能通过 0.3%✖500=0.5 份问卷，或者 1/500=0.2%最小间距发现异常的，是数字敏感度；能通过手机尾号奇偶分布应该接近 1:1 发现异常的，才是数据敏感度。
- SCP 分析模型主要用于分析行业者企业受到外部冲击时，企业的战略调整及行为变化。 SCP 模型从特定行业结构、企业行为和经营绩效三个角度来分析外部冲击的影响。
- 获取用户一般需要评估的维度有：渠道的获客数量、获客质量等。渠道数量和质量的指标包括：每日新增、累积新增、启动次数、首次交易户、首绑交易户、一次性用户数、平均使用时长等。筛选出适合自己的优质渠道。 通过筛选优质渠道，能够让我们在进行推广时取得事半功倍的效果。
- AARRR 模型将数据分析分成了五个大的模块，我们依据这个模型，把每一个模块划分出更细分的维度，罗列出影响每一个维度的变量指标，而这些指标就是我们做数据分析的基础指标。