Spring数据分析思惟课

本文目录

1、杂　　　　　　　　　　　　　　　2、四大行业数据分析

　　一、工具　　　　　　　　　　　　　　　　　　一、电商数据分析——以京东为例

　　二、sql常见问题　　　　　　　　　　　　　　  二、互联网金融——以芝麻信用为例

　　三、数据异常排查　　　　　　　　　　　　　　三、游戏行业——以欢乐斗地主为例

　　四、融入专项——专题分析　　　　　　　　　　四、传统销售行业

　　五、面试

 

3、具体方法论　　　　　　　　　　　4、专题分析标准化流程　　　　　　　　　　5、数据分析师的我的素养

　　一、指标体系搭建　　　　　　　　　　　　　　一、问题定义和拆解　　　　　　　　　　　　　　　　一、行业分析

　　二、流量分析　　　　　　　　　　　　　　　　二、SQL提数与分析　　　　　　　　　　　　　　　　二、数据仓库研究

　　三、路径分析　　　　　　　　　　　　　　　　三、报告撰写　　　　　　　　　　　　　　　　　　　三、用户研究

　　四、竞品分析　　　　　　　　　　　　　　　　四、AB测试

　　五、营销活动分析

　　六、用户增加分析

 

1、杂

一、工具

二、sql常见问题

 

 

 

 

三、数据异常排查

 

 四、融入专项——专题分析

五、面试

 

 

2、四大行业数据分析

一、电商数据分析——以京东为例

1.1 引流

能够看到，“搜索”的分发效率最高；其次，618主要影响“搜索”功能。所以活动期间须要把主要的资源向“搜索”倾斜

1.2漏斗

举例说明

1.3 拉新

 

二、互联网金融——以芝麻信用为例

2.1 变量选择

 

2.2 数据处理

　　

2.3 数据标准化

2.4 具体方案

 

举例

模型评估

三、游戏行业——以欢乐斗地主为例

　

能够发现，回流率在第7天以后就稳定在0.05了，因此流失周期为7天（咱们能够在第5天或者第6天的时候对这部分即将流失的用户进行活动营销，吸引他们回来）

四、传统销售行业

　　

4.1 需求解读

 

4.2 区域完成率

4.3 各门店完成率

　　

门店3略（受政策影响，销量低）

 

 

3、具体方法论

一、指标体系搭建

 

例子：知乎

二、流量分析

2.1 渠道分析

 

2.2 价值分析

 

2.3 流量波动分析

 

三、路径分析

 

“享美食”做为最大的曝光界面，仅有20%的转化率，显而易见，该功能是出现了问题的，后续是增强该功能的引导仍是弱化曝光需进一步分析。

    

四、竞品分析

  

优酷爱奇艺会员案例分享

  

  

  　　 　　

五、营销活动分析

 

 　　 　　

 案例讲解——百度APP为例

 　　

　　

六、用户增加分析

　　　　

　　

 

4、专题分析标准化流程

一、问题定义和拆解

　　

　　　　

二、SQL提数与分析

 

 

三、报告撰写

　　　　

案例——彩妆行业分析（红色字体为授课老师点评）

 　　

　　

　　

　　

　　

　　

四、AB测试

　　

案例

 　　

 

 

5、数据分析师的我的素养

一、行业分析

　　

　　

　　

　　

二、数据仓库研究

三、用户研究

　　　　　

 

 　　

　　　　

　　

 文章推荐和思考

【用户增加】 结合在Uber和摩拜的实战经验，我从三个层次总结：用户增加怎么作？ 

　　　　　　 滴滴用户增加逻辑：如何洞察才能突破瓶颈成为1%？

【行业分析】 梁宁万字分析：除了“假货”，拼多多还有什么？