Spring數據分析思惟課

本文目錄

1、雜　　　　　　　　　　　　　　　2、四大行業數據分析

　　一、工具　　　　　　　　　　　　　　　　　　一、電商數據分析——以京東爲例

　　二、sql常見問題　　　　　　　　　　　　　　  二、互聯網金融——以芝麻信用爲例

　　三、數據異常排查　　　　　　　　　　　　　　三、遊戲行業——以歡樂鬥地主爲例

　　四、融入專項——專題分析　　　　　　　　　　四、傳統銷售行業

　　五、面試

 

3、具體方法論　　　　　　　　　　　4、專題分析標準化流程　　　　　　　　　　5、數據分析師的我的素養

　　一、指標體系搭建　　　　　　　　　　　　　　一、問題定義和拆解　　　　　　　　　　　　　　　　一、行業分析

　　二、流量分析　　　　　　　　　　　　　　　　二、SQL提數與分析　　　　　　　　　　　　　　　　二、數據倉庫研究

　　三、路徑分析　　　　　　　　　　　　　　　　三、報告撰寫　　　　　　　　　　　　　　　　　　　三、用戶研究

　　四、競品分析　　　　　　　　　　　　　　　　四、AB測試

　　五、營銷活動分析

　　六、用戶增加分析

 

1、雜

一、工具

二、sql常見問題

 

 

 

 

三、數據異常排查

 

 四、融入專項——專題分析

五、面試

 

 

2、四大行業數據分析

一、電商數據分析——以京東爲例

1.1 引流

能夠看到，「搜索」的分發效率最高；其次，618主要影響「搜索」功能。所以活動期間須要把主要的資源向「搜索」傾斜

1.2漏斗

舉例說明

1.3 拉新

 

二、互聯網金融——以芝麻信用爲例

2.1 變量選擇

 

2.2 數據處理

　　

2.3 數據標準化

2.4 具體方案

 

舉例

模型評估

三、遊戲行業——以歡樂鬥地主爲例

　

能夠發現，迴流率在第7天以後就穩定在0.05了，因此流失週期爲7天（咱們能夠在第5天或者第6天的時候對這部分即將流失的用戶進行活動營銷，吸引他們回來）

四、傳統銷售行業

　　

4.1 需求解讀

 

4.2 區域完成率

4.3 各門店完成率

　　

門店3略（受政策影響，銷量低）

 

 

3、具體方法論

一、指標體系搭建

 

例子：知乎

二、流量分析

2.1 渠道分析

 

2.2 價值分析

 

2.3 流量波動分析

 

三、路徑分析

 

「享美食」做爲最大的曝光界面，僅有20%的轉化率，顯而易見，該功能是出現了問題的，後續是增強該功能的引導仍是弱化曝光需進一步分析。

    

四、競品分析

  

優酷愛奇藝會員案例分享

  

  

  　　 　　

五、營銷活動分析

 

 　　 　　

 案例講解——百度APP爲例

 　　

　　

六、用戶增加分析

　　　　

　　

 

4、專題分析標準化流程

一、問題定義和拆解

　　

　　　　

二、SQL提數與分析

 

 

三、報告撰寫

　　　　

案例——彩妝行業分析（紅色字體爲授課老師點評）

 　　

　　

　　

　　

　　

　　

四、AB測試

　　

案例

 　　

 

 

5、數據分析師的我的素養

一、行業分析

　　

　　

　　

　　

二、數據倉庫研究

三、用戶研究

　　　　　

 

 　　

　　　　

　　

 文章推薦和思考

【用戶增加】 結合在Uber和摩拜的實戰經驗，我從三個層次總結：用戶增加怎麼作？ 

　　　　　　 滴滴用戶增加邏輯：如何洞察才能突破瓶頸成爲1%？

【行業分析】 梁寧萬字分析：除了「假貨」，拼多多還有什麼？