<数据分析>数据分析入门
主要目标：学会下面7个方面的知识
预期结果：能写出好的数据分析报告
培养能力：解决问题的能力
0.数据分析的结构层次
1.底层数据的收集/产品端收集（埋点）-----得到原始数据
2.数据业务化/产品需要什么的数据---转化成可理解、可量化、可观察的数据-----加工数据
3.数据可视化/产品的表现如何---对数据指标的监控和衡量---可视化数据/信息 BI
4.数据决策和执行/怎么让产品更好---需要将洞察转换成策略---数据决策
5.数据模型/产品开始自动化和系统化--将策略制作成应用和产品---数据产品和应用
6.数据战略/指导未来---将数据变现做成战略性规划，一直迭代---数据体系/战略
1.1数据思维
1.何为数据分析？
数据分析是指用适当的统计方法对收集来的大量数据进行分析，将它们加以汇总和理解消化，以求最大化地开发数据的功能，发挥数据的作用。
直接的理解：提炼杂乱无章的数据背后的信息，总结出研究对象的内在规律。
2.三种分析思维
结构化---捋顺思路
题目：现在有一个线下销售的产品。我们发现8月的销售额下降，和去年同比下降了20%。
第一层：核心论点
销量
第二层：结构拆解
内部因素：消费者，地区，时间
外部因素：市场竞争，内部容量，政策风险
第三层：MECE--相互独立，完全穷尽
地区：地区A,地区B，地区C
地区A：销售量，销售单价
第四层：验证
结果：
总结：结构化的核心就是思维导图（工具：XMind）---ProcessOn
多人的结构化--头脑风暴（会议上，多人使用）
公式化---将一切都可量化（数据化）
业务化---落地，贴合业务
题目：如何预估上海地区的共享单车投放数量
从城市流动人口计算，从人口密度计算，从城市交通数据计算，从保有自行车计算
思考：：自行车的损耗问题---业务化
1.2.数据分析的思维技巧
象限法---直接转化成策略
RFM
多维法
假设法
指数法---衡量的指标
美国最佳NBA球星？怎么衡量
---设置不同权重，Y=K/X，log---很多都靠经验公式
二八法
对比法
漏斗法
怎么锻炼？好奇心
2.业务知识
2、数据分析在企业日常经营中的作用
①现状分析：过去发生了什么
企业的整体运营情况，企业的业务构成
分析一般通过日常通报来完成。
②原因分析
某一现状为什么会发生
一般通过专题分析来完成，针对某一现状进行原因分析。
③预测分析
将来会发生什么
对企业的整体趋势进行预测
一般通过专题分析来完成，通常在企业的季度、年度等计划进行，其开展的频率没有现状分析及原因分析高。
明确分析目的---数据收集---数据处理---数据分析---数据展现----报告撰写
3、数据收集
第一手数据：主要指可直接获取的数据
第二手数据：主要指加工整理后得到的数据
4、需要懂的工具
Excel、Access、SPSS、SAS
5、数据分析与做衣服的对照表
6、常用的理论模型
①PEST分析法
PEST分析法主要用于宏观环境的分析
P（political）政治环境
关键指标：政治体系、经济体制、财政政策、税收政策、产业政策、投资政策、专利数量、国防开支水平、政府补贴水平、民众对政治的参与度等。
E（economic）经济环境
关键指标：GDP及增长率、进出口总额及增长率、利率、汇率、通货膨胀率、消费价格指数、居民可支配收入、失业率、劳动生产率等。
S（social）社会环境
关键指标：人口规模、性别比例、年龄结构、出生率、死亡率、种族结构、妇女生育率、生活方式、购买习惯、教育状况、城市特点、宗教信仰状况等因素。
T（technological）技术环境
关键指标：技术的发明、技术传播、更新。商品化速度、技术发展趋势；国家重点支持项目、国家投入的研发费用、专利个数。
主要对影响企业的外部环境进行分析，这种方法简称PEST分析法
②5W2H分析法
说话抓不住重点→缺乏逻辑训练
5W：何因（Why）、何事（What）、何人（Who）、何时（When）、何地（Where）
2H : 如何做(How)、何价(How much)
③逻辑树分析法（问题树、演绎树、分解树）
将问题所有子问题分层罗列，从最高层开始，并逐步向下扩展。
④4P营销理论
产品（Product）、价格（Price）、渠道（Place）、促销（Promotion）
⑤用户行为理论
一些指标：IP、PV、页面停留时间、跳出率、回访者、新访问者、回访次数、回访相隔天数、流失率、关键字搜索、转化率、登录率等。
行为轨迹：认知---熟悉---试用----使用---忠诚
7.理解数据及数据来源
字段（属性）：事物或现象的某种特征。（在统计学中称作变量）
记录：事物或现象某种特征的具体表现。（一行数据）
数据类型
字符型：不具备计算能力的数据
数值型：可以直接使用自然数或计量单位进行计算的数值数据。
一维表：列标签是字段
年份 GDP
二维表：列标签是数据
2016、2017、2018
3.Excel
4.数据可视化
5.SQL
6.统计学
7.python
