文章图片
小飞象·读书会
生活从来不会刻意亏欠谁，它给你一块阴影，必会在不远处撒下阳光。
文章图片
文章图片
读书交流│3期
数据分析方法与业务知识
data analysis
●●●●
分享人：木兮
欢迎大家参加这次读书会的直播分享，本次分享由学委木兮来带大家梳理一下《数据分析思维》：分析方法与业务知识这本书的精华内容。在交流会结束后，请和我说一下您的收获和感受。此次分享主要为大家梳理本书的主要精华部分，后面还会在【姜小兔学数据分析】详细的为大家拆解本书的精选内容，并做成一个系列的视频发布视频号，欢迎关注哦！（可以在公众号留言交流，读书会往期回顾）
（学委小姜的个人公众号）
做一个对世界充满好奇的人！所谓的数据分析能力的核心不在方法和工具，而在于思维。就用户增长、转化、成单金额、客单价、用户留存活跃等概念，可以称之为现象。通过数据量化这些现象，我们才能精准感知。所以，数据是用来描述现象的，是被量化的现象。“数据分析”就是寻找这些被量化的现象之间的「关系」。然而，对于数据分析的能力提升需要锤炼分析思维，寻找两个变量的关系，真正指导业务才是关键。
那么，首先来说一下，我们本次读书会选择《数据分析思维》：分析方法与业务知识这本书的原因：其一就是咱们上期书友的投票，其二，在进行数据分析的工作中，总会遇到一些问题，比如：
?有一堆繁杂数据，怎么利用？如何解读这些指标？
?分析完数据，如何得结论、提建议？结论太简单，怎么深入？
?找到新工作，如何快速掌握该行业的知识？
······
那么，今天小飞象读书会的直播总结就来跟大家一起来品读《数据分析思维》：分析方法与业务知识这本书，还用一句话来总结这本书的精髓：数据分析思维将是5G/AI /物联网/元宇宙的时代通用能力，升职加薪的高维武器！
这本书系统地讲分析方法，如何用数据分析解决问题，通俗易懂。但相对通识，比较基础，而且每个行业数据有其特殊的特点，没有一个行业的数据分析是可以一模一样的照搬模式，并且数据采集在数据分析流程中也是很重要的环节，因此，本书不仅能学习到数据分析中常用的思维方法，还能饱览行业中数据分析的真实案例。还有常见的业务面试题。
在这过程中，建议全程认真听，带着思考来听（去看），有任何问题都可以随时交流哦！
—▼—
文章图片
这本书的整体本书分为两大部分：「方法篇」和「实战篇」。包涵了数据分析中常用的思维方法以及不同行业中数据分析的真实案例。
第一部分：「方法篇」介绍了数据分析中常用的业务指标、分析方法以及如何用数据分析解决问题的步骤。
第二部分：「实战篇」讲解了如何应用第一部分的方法论来解决工作中的实际问题，并分享十二个行业（国内电商、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）的业务知识，以及该行业内用数据分析解决问题的实例。而且每个行业都包括业务模式、业务指标、案例分析三方面的内容。
最后，从书中各大行业的实例中，截取出常见的业务面试题，帮助你掌握数据分析的方法，我们可以对照问题，进行自查。也可以作为检索，带着问题回到书中仔细研读。但这部分我们不做重点回顾，总之，可以看看，了解一下各行业的面试题，以帮助你思考、应用读过的内容以及未来跳槽做准备。
文章图片
—▼—
文章图片
▼
文章图片
如何理解数据？第一步、理解每一列数据含义。第二步、对数据进行分类，便于后期分析。
分类如下：
◆用户数据「我是谁」：是用户的基本情况。如姓名/性别/邮箱/年龄/家庭住址/教育水平/职业；
◆行为数据「我做了什么」：是记录用户做过什么事项、如停留时间/浏览过的商品；
◆产品数据「卖什么」：一个平台里的东西都算产品，(如淘宝的商品/公众号的文章等。
▼
文章图片
现代管理学之父彼得·德鲁克：如果你不能衡量，那么你就不能有效增长。
◆用户数据指标 —— 新增用户(日新增用户数)，活跃用户(活跃率-需要明确活跃的定义，是登陆，还是点击还是购买)，留存用户(留存率)；
◆行为数据指标——PV/UV/转发率/K因子(K-factor = 平均每个用户向多少用户发出邀请X接受到的用户转化为新用户的比例)等等；
◆产品数据指标 —— 比如成交总额，客单价，付费和复购率等业务总量指标、电商行业的GMV、游戏行业的人均ARPU(average revenue per user)。例：18年淘宝的人均消费为8732元，京东4426元，拼多多673元；
◆其他推广付费指标—— CPC/CPM/CPA。CPC为按照点击次数收费，一般为搜索广告；CPM为按照展示次数付, 一般为展示位广告；CPD（按照App下载数付费), CPI (按照App激活数付费), CPS(按照购买的用户数或者销售额付费), 一般在信息流广告中常见，以投放实际效果看。
▼
文章图片
一般情况下，在对基础数据进行清洗加工后，数据分析人员会按照业务既定目标对数据指标进行统计分类和分析，再借助分析模型指导业务方进行有针对性的运营。
那么，对具体的业务场景，我们如何去选择数据指标？本书给出两点考虑：
第一、好的数据指标应该是比例。在《精益数据分析》里提到过什么是好的数据指标？好的数据指标是比较性的、简单易懂、一个比率。
第二，根据目前业务重点，找到北极星指标，是一个产品最为重要的指标。比如喜马拉雅最关心的指标就是一个用户进来他能听多久的音频。
▼
文章图片
指标体系是指从不同维度梳理业务，把各项指标有系统地组织起来。指标体系就是业务的逻辑框架，是思考业务逻辑的第一步。因此，建立指标体系是数据分析人员的一项基本技能。
其步骤如下：
①明确部门KPI，找到一级指标 -->② 了解业务运营情况，找到二级指标 --> ②梳理业务流程，找到三级指标 --> ④通过报表监控指标，不断更新指标体系
▼
文章图片
数据分析方法思路及其重要，但我们总是忽略它，重“术”而轻“道”，数据分析方法思维对于数据分析来讲是非常重要的。具体分析方法如上图所示。
本书里在讲解每种分析方法时，也延续了猴子老师一贯有趣有料的风格，并不是枯燥地罗列理论，而是从生活场景切入。而且生动有趣地引入概念之后，对于方法的进一步应用，书中会结合实例、图表进行细致讲解。
在此我们就不一一列举每个分析方法了，像漏斗分析方法、AARRR模型分析方法等分析方法网上有太多的解读，我们挑几个比较经典的分析方法来回顾一下！
◆逻辑树分析方法
逻辑树是将问题的所有分层罗列，从最高层开始，并逐步向下扩展。本书在讲到逻辑树分析方法时，举了“制订年度计划”的例子——可以把年度计划这个复杂问题，拆分成技能学习、读书、健身、旅行这几个子问题，解决了子问题，也就订好了年度计划。
文章图片
◆多维度拆解分析方法
多维度拆解分析方法主要以“维度”、“拆解”，一般为从指标的构成和业务流程两个角度去拆解分析，其中涉及到多种分析方法，比如外部因素时要用PEST分析模型、内部因素时要用漏斗模型等，而本书在讲到多维度拆解分析方法，则通过“相亲”的案例来理解——母亲从各个角度为女儿介绍相亲对象，实际上就是在进行多维度拆解。
文章图片
◆假设验证分析方法
假设检验分析方法是一种使用数据来做决策的过程，分为3步：提出假设-->收集证据：-->得出结论。本书在讲到假设验证分析方法，也是影视剧中常用的套路。书中以《决战中途岛》为例，结合剧情，分析了这一方法在情报侦察中的实际应用。
文章图片
◆RFM分析方法
RFM分析就是Recency, Frequency, Monetary的缩写，RFM的含义分别为最近1次消费时间间隔（Recency）、消费频率（Frequency）、消费金额（Monetary）。书中用这3个指标建立三维坐标系，各指标高低组合，就可以把空间分为8部分，对应8类不同价值的用户，通过图表进行细致讲解。
文章图片
而在具体应用中，还要经历以下几步：
（1）使用原始数据计算出RFM值；
（2）给RFM值按价值打分；
（3）计算价值的平均值，如果得分低于平均值，标记为“低”；如果得分高于平均值，标记为“高”；
（4）比较用户分类规则，得出用户分类。
最后，在每个数据分析方法的整体讲解过程，都是按照是什么、有什么用、如何用、注意事项展开的，逻辑清晰，便于记忆。
—▼—
文章图片
对于实战篇，书中的12个行业都是从业务模式、业务指标、案例分析展开。在此我们就不一一列举每个行业了，挑选两三个来简单回顾一下解决问题的思维逻辑。
▼
文章图片
以第4章“国内电商行业”为例，先图文结合讲解业务模式，帮助读者从C端深入B端，了解用户行为背后对应的部门及其职责。
再进一步说明业务指标，通过“人”与“货”两大维度，讲解各个业务环节对应的详细指标。
文章图片
按照“明确问题→分析原因→提出建议”的流程，有条不紊，依次展开。
▼
文章图片
在以第10章“在线教育行业”为例，先图文结合讲解业务模式，帮助读者了解了老师、在线教育、用户三者的关系。其主要盈利模式是为用户提供课程服务并收取学费。
文章图片
并了解用户行为背后对应的部门及其职责。
文章图片
模式：录播课+直播课。前台展示通常为App，网站，小程序等。业务指标：一般转化方式还是免费课转正价课。免费试学阶段包括：点击次数，点击率，点进概率，弹出率（具体还要看免费课的载体决定，梳理业务转化漏斗）。
观察用户的ARPU，付费用户的消费意愿越高，平台收入越多。
▼
文章图片
在以第15章“零售行业”为例，梳理了线下实体店业务模式，如下所示。
文章图片
零售行业的分析，主要包括进销存分析，货品结构分析、畅滞销分析、业绩分析等。而实体店常用的分析方法是人货场分析方法，通过“人”、“货”、“场”三大维度，分析实体店的业绩增长或者降低的原因。
“人”：新老员工占比、客单量、客单价。老用户复购情况等
“货”：畅滞销分布、新品分布等
“场”：实体店陈列、竞品活动力度如何
按照“明确问题→分析原因→提出建议”的流程，使用人货场分析有条不紊，依次展开。
—▼—
文章图片
小结
以上就是本次分享的全部内容！《《数据分析思维》：分析方法与业务知识》这本书不仅能学习到数据分析中常用的思维方法，还能饱览行业中数据分析的真实案例。如果你也想通过数据分析思维来武装自己，增强自己的职场“战斗力”，相信这本书是你不错的选择，更是数据分析入门的必读书。
本书有太多需要解读的内容，不是这一次分享能全部吸收的，后面会在【姜小兔学数据分析】详细的为大家拆解本书的每个章节，并做出视频发布视频号，欢迎关注哦！
其实，好的分析思维，不但可以想清楚，还可以给出接地气的落地方案，并且能帮助我们轻松应对和解决日常数据分析问题。当然，还是那句话，有些东西你用了才知道它有用，不用它永远没用，所以学习知识是比较容易，但是把知识应用到实际的工作和生活中是比较难的事，需要我们去实践，去思考、去练习。
最后，祝愿大家都能在自己所在的领域内，保持着好奇心、求知欲、观察生活，在实际场景中，要有数据驱动产品闭环的思维，熟悉业务，时刻关注数据、保持敏感，成就更好的自己，在可预见的未来，遇到更好的自己。
后期内容我们还有继续为大家分享很多的关于数据分析案例以及的数据书籍内容：数据分析项目分享、商业案例分享、高阶书籍分享···
本次分享到此结束，感谢大家的收听，我们下期再会！
文章图片
······
敬请期待小飞象内部读书会第四期
·······
本次分享到此结束，再次感谢大家的收听，我们下期再会！
（本文由木兮整理，可能与演讲时略有遗漏，但整体思路精华都在）
? ……
图片来源于网络
若好的建议和想法，欢迎在下方留言
我们将尽其所能打造数据分析交流的理想之地
【大数据|《数据分析思维》（分析方法与业务知识）】
文章图片
推荐阅读
- 大数据|数据分析中的“产品思维”经验讲解
- 人工智能|10 个开源 Python OpenCV 小项目，YouTube热门
- Spark|基于Spark封装的二次开发工程edata-base，介绍
- 微软|告赢了！程序员拒绝春节带电脑回家工作被开除，判决获赔19.4万！
- 项目管理|程序员拒绝带电脑回家被开除，判决获赔19.4万
- 数据湖|数据湖系列文章
- 2022开放原子全球开源峰会|开源汇智创未来 | 2022开放原子全球开源峰会OpenAtom openEuler分论坛圆满召开
- 人工智能|麒麟软件副总裁李震宁（中国开源社区是操作系统破局的土壤）
- 数据仓库|数仓建模-埋点设计