国外亚洲成av人片在线观看,热99re久久精品这里都是精品,天堂网在线最新版www,国产成人av区一区二区三,51久久成人国产精品麻豆

前兩節(jié)我們更新了，數(shù)據(jù)分析師進(jìn)階全攻略的上篇和中篇大家反饋很好，那咱們這篇文章就來更新下篇。

先講下咱們整體的架構(gòu)，主要會講到數(shù)據(jù)分析的重要性，數(shù)據(jù)分析崗位的分類。首先呢，先給大家整理一份思維導(dǎo)圖。

一、對個人的意義

1. 晉升的必備技能

如果你想在職場上做上管理層，那么數(shù)據(jù)分析是必備的能力

舉個例子：小 A 和小 B 現(xiàn)在同時屬于競爭運營主管的時期。然后領(lǐng)導(dǎo)給小 a 和小 b 同時下達(dá)了一個項目任務(wù)，領(lǐng)導(dǎo)說這個項目大家好好干。誰能提出超越對手的建議，誰就升職。

小 a 回去想了一想，他對競爭對手進(jìn)行了分析，又從市場戰(zhàn)略和業(yè)務(wù)需求中進(jìn)行分析，交叉引用，并且又基于目前的用戶數(shù)量歸類用戶的列表分析工作模式和行為。對于受眾創(chuàng)立用戶畫像。創(chuàng)立出了適合現(xiàn)在公司運營的方案。

2. 說服的必備技能

如果你是一個想要做出成績的職場人，必然是要自己出方案的，但怎么讓別人相信自己的方案，最好就是用數(shù)據(jù)來證明

舉例：有一個地方，人們都不穿鞋子。公司有兩個業(yè)務(wù)員分別去考察?？疾焱辏篈 說：“這里的人都沒有鞋子，是個重大潛力市場”B 說：“這里的人都不穿鞋子，沒有市場”現(xiàn)在領(lǐng)導(dǎo)請你分析在這里開展新業(yè)務(wù)的可行性：

兩個業(yè)務(wù)員的評價，你信誰的？

A.相信 A

B.相信 B

C.誰都不信

其實，這兩個人說的話，都不可信，因為都是他們各自的主觀判斷，沒有任何數(shù)據(jù)支撐，你讓我怎么相信你？如果你說沒有鞋子，會是重大潛力市場，請問這些不穿鞋的人當(dāng)中，有百分之多少的人愿意購買鞋子？客單價多少？復(fù)購率多少？喜歡什么款式？各種鞋子的碼數(shù)比例是多少？

不論是有市場還是沒有市場，都不應(yīng)該是主觀的一句話來判斷，而是你得給出這些客觀的數(shù)據(jù)，所以這道題應(yīng)該選C，誰都不信，除非你給我證據(jù)。

3. 獨立自主的判斷

不會人云亦云，具備數(shù)據(jù)分析的思維，能更容易抓到重點，避免偏見

舉個例子：如果你問運營活動做的怎么樣?。磕憧赡芙?jīng)常會聽到如如下話語，這個活動很好，該繼續(xù)做。這個活動不好，不能做。這個活動做了不好不壞，做了也是白做。

這就說明了我們平時遇到的運營大概率都是稀里糊涂，呆頭呆腦，投機取巧，渾水摸魚。而你作為一個數(shù)據(jù)分析師你不能這樣想啊，要有自己獨立的判斷能力，可以分析業(yè)務(wù)邏輯，梳理業(yè)務(wù)過程，這樣才能客觀的得出結(jié)論。首先咱們可以梳理活動流程，然后篩選主指標(biāo)，設(shè)定判斷標(biāo)準(zhǔn)，最后找出影響的過程。

4. 嚴(yán)謹(jǐn)?shù)乃伎寄芰?/h3>

不再是我覺得，我認(rèn)為，從主觀判斷到客觀嚴(yán)謹(jǐn)?shù)臄?shù)據(jù)分析，更容易找到正確的方向。那從企業(yè)的角度來講，我們數(shù)據(jù)分析師就是醫(yī)生，我們通過對企業(yè)運營數(shù)據(jù)的分析來判斷企業(yè)的癥結(jié)所在。作為一名合格的數(shù)據(jù)分析師，我們應(yīng)該保持嚴(yán)謹(jǐn)負(fù)責(zé)的態(tài)度，并且保持中立立場，客觀評價，這樣才能對企業(yè)發(fā)展過程中存在的問題提供有效的參考依據(jù)，不說其他影響的改變。

舉個例子，比如你說：

落地頁轉(zhuǎn)化率是 1%，轉(zhuǎn)化率較低。

估計絕大部分的新人分析師在分析報告都會這么寫。這里“落地頁轉(zhuǎn)化率是 1%”是事實，“轉(zhuǎn)化率較低”是觀點。雖然有事實支撐，但是這個觀點很明顯有問題，憑什么 1% 就是低呢？

很多新人評判高還是低完全看數(shù)字大小，覺得 1% 這么少肯定算低了。但業(yè)務(wù)人員一看，覺得這個轉(zhuǎn)化率很高，因為平時的轉(zhuǎn)化率只有 0.5%。這就是大家的論證過程不同導(dǎo)致的觀點不同。

但人是優(yōu)先使用直覺思維的，因為直覺思維可以快速做出判斷，節(jié)省了大量的能量。如果你沒有考慮過理性思維的重要性，依靠著直覺思維和數(shù)據(jù)分析的方法解決問題，這會給你的職業(yè)發(fā)展留下一個巨大的隱患。在開始的時候，你不會有什么感覺，和別的分析師似乎也沒什么區(qū)別，但幾年之后，你會發(fā)現(xiàn)自己成長非常有限。

二、對公司的意義

開發(fā)“鵝臉識別”！深圳 00 后學(xué)生克服重重困難，巧用 AI 助農(nóng)戶養(yǎng)鵝

300 多年來，“世界鵝王之鄉(xiāng)汕頭”的鵝農(nóng)們都學(xué)會了一個技能：通過肉眼觀察鵝是否長時間不動、雙手觸摸感知體溫是否發(fā)燒，來判斷鵝的健康。但很多時候，眼和手再快，也快不過病毒。

疾病摧毀一個千余只的鵝場，最快只需要十天。2018 年冬天，一場突如其來的禽流感席卷了后溪村，有鵝場 1000 只獅頭鵝最后只存活了 5 只。深圳的 00 后大學(xué)生用上了 AI，造了一個人工智能養(yǎng)鵝場

深圳大學(xué)騰訊 AI 班（下稱騰班）的大二學(xué)生，開啟了一次獨特的實踐作業(yè)，用 AI 幫助農(nóng)戶養(yǎng)鵝。蹲守鵝場半年，他們踩著 3cm 深的鵝屎工作、對 30 萬只鵝進(jìn)行“鵝口普查”，在標(biāo)注中練出手速；在 40 度高溫和臺風(fēng)來襲中，打響攝像頭“保衛(wèi)戰(zhàn)”；和農(nóng)戶交流鵝病，翻遍論文變成半個養(yǎng)鵝專家。

鵝是水禽生物，像給豬一樣掛二維碼識別的方式行不通。為了獲取足夠多的樣本“投喂”AI，同學(xué)們選擇用養(yǎng)殖場的攝像頭抓拍，人工逐一抽幀，再對拍攝的每張照片進(jìn)行分類、打標(biāo)簽。

6000 張圖片、30 萬只鵝的標(biāo)注，讓很多同學(xué)睡覺夢見的都是鵝?！白?AI 真的是有多人工，才能有多智能?！蓖躐礊栒f，標(biāo)注過程中需要集中百分百的注意力，“紅框如果稍微大一點，圈了一點雜物都會影響 AI 的訓(xùn)練效果”。

不僅如此，同樣的算法在不同的場景里，準(zhǔn)確率可能會差幾十個點，因為鵝的場景太過密集，更需要不斷的迭代優(yōu)化算法。在騰訊工程師指導(dǎo)下，同學(xué)們首先優(yōu)化識別算法，提高密集場景下獅頭鵝的識別率，之后又優(yōu)化追蹤算法，記錄每一只鵝的停留時長，進(jìn)而判斷是否有異常。改了“差不多幾十次”模型后，算法組同學(xué)才真正明白老師沈琳琳常說的那句話——沒有 100%的算法模型，只有因地制宜的算法模型。

鞋縫一點點塞滿凝固的鵝糞，學(xué)生們對鵝的了解也在不斷加深。他們發(fā)現(xiàn)，由于成年獅頭鵝的羽毛厚重，導(dǎo)致難以測量鵝溫。而小鵝苗的羽毛更輕薄，有測溫條件，正常鵝苗的體溫是 40-41 度，如果生病體溫一般會略高，所以，又在小鵝生活的鵝棚安裝了紅外測溫儀，并復(fù)用一部分“呆頭鵝”識別跟蹤的算法，幫助鵝農(nóng)識別體溫異常的“發(fā)燒鵝”。

后來，有同學(xué)又從十年前的論文里發(fā)現(xiàn)，獅頭鵝的發(fā)病和臺風(fēng)、霧霾等天氣也有著密切關(guān)系，于是這群 00 后又在小程序上新增了數(shù)據(jù)觀測及分析功能。

從短袖到夾克，跨越 100 多個日日夜夜和上百場的線上會議，小程序一直在進(jìn)行迭代升級。到今天，小程序界面上每天都可以實時收到幾次的呆頭鵝、發(fā)燒鵝的預(yù)警，顯示鵝場的溫度、濕度、PM2.5 指數(shù)及數(shù)據(jù)變化的趨勢圖，幫助農(nóng)戶將獅頭鵝的存活率環(huán)比提升了 30%。

三、數(shù)據(jù)分析案例

數(shù)據(jù)分析有反面案例么？也是有的，

啤酒和尿布

有一個傳言說沃爾瑪在分析消費者的購物行為時，發(fā)現(xiàn)男性顧客在購買嬰兒紙尿褲時，往往會順便拿幾瓶啤酒犒勞自己，于是嘗試將啤酒和紙尿褲放在一起促銷。沒想到這一舉動大大提高了紙尿褲和啤酒的銷量。

你們聽了這個故事，是不是覺得數(shù)據(jù)分析好厲害，居然這兩個不相關(guān)的商品，擺在一起可以提高銷量

1. 是的
2. 不太好說

但其實，這個故事是個胡扯的事。但正好可以作為一個反面的案例來說，你真的去沃爾瑪，絕對不會看到啤酒和尿布放在一起。因為這樣放，會導(dǎo)致一大堆的業(yè)務(wù)問題

1.進(jìn)超市買東西的人找不到自己想買的東西，試想，一個只想買啤酒的人，走到超市里，到處找不到啤酒，要么他就走了，要么他問營業(yè)員，營業(yè)員說我也不知道在哪，因為我們的商品都是按照關(guān)聯(lián)銷售擺放的，每天都在變位置

2.營業(yè)員的工作內(nèi)容變多，工作時間變長，本來只需要按區(qū)域補貨就可以了，現(xiàn)在要把商品不斷換地方

即使把啤酒和尿布放在一起可以帶來更多的銷售額，但做這個事情的弊端會遠(yuǎn)遠(yuǎn)超出帶來的好處。

所以數(shù)據(jù)分析不是瞎分析，懂得數(shù)據(jù)分析的方法更要結(jié)合業(yè)務(wù)。

那么什么場景下啤酒和尿布這個是成立的呢？在電商場景下，你看到一個商品，下面會有一個猜你喜歡，這里面確實會有根據(jù)銷售關(guān)聯(lián)度推薦的一些其他商品，在電商的某商品下面推薦了一個跟這個商品不是一個品類，但有一定關(guān)聯(lián)性的產(chǎn)品（比如電腦攝像頭下面會推薦電腦拓展塢）

那么我們來看看數(shù)據(jù)分析的其他案例：

數(shù)據(jù)分析助力公司運營

前公司的時候，有一次被領(lǐng)導(dǎo)叫進(jìn)了辦公室。話說當(dāng)時我正在開開心心的碼字，領(lǐng)導(dǎo)一臉凝重的說你們幾個進(jìn)來一下。當(dāng)時我和我得同事面面相覷說怎么了這是？

就有一種不太好的預(yù)感，一進(jìn)去領(lǐng)導(dǎo)就開始發(fā)飆拿出上個月的業(yè)績嚴(yán)肅的說沒完成啊，你們?yōu)槭裁礇]完成，你們有想過么？現(xiàn)在的目標(biāo)拆解，你們上個月就差這么多，怎么補，這個月能補上么？每個月都差，今年的業(yè)績就這樣了？擺爛了？

領(lǐng)導(dǎo)唧唧呱呱說了一大堆，而我倆的內(nèi)心卻是，完不成怎么辦？？？算了，完不成就完不成吧，大不了離職被，又不是我的公司，再去霍霍下一家公司。（打工人職場日常是不是）

呸呸呸，我在說啥。

如果你是運營，一般這時候你該怎么辦？

1、無腦低價促銷，管他賺不賺錢，沖業(yè)績就完

2、理性分析業(yè)績下降原因，搞清楚用戶去哪了？是去競品了，還是需求變少了？搞清楚原因

我相信大部分公司的運營這時候都會覺得，促銷吧。先完成任務(wù)再說。業(yè)績完不成唯有搞促銷，短期拉業(yè)績，但是我們可以這次低價，那么下次呢？一直低價么？公司不賺錢了么？所以這時候我們應(yīng)該做的，是去搞清楚事情為什么會發(fā)生，我們該如何應(yīng)對。

后來咱們拉出來數(shù)據(jù)看一看，分析哪些產(chǎn)品賺錢？哪些客戶賺錢？發(fā)現(xiàn)49個產(chǎn)品中只有不到30個產(chǎn)品是賺錢的，就拿毛利率為基準(zhǔn)，我們將低毛利的商品砍掉20%，然后將一些低毛利的捆綁銷售，去改變現(xiàn)有的策略，讓用戶仍然覺得實惠，最后拉高了整體的毛利率和銷售額。

數(shù)據(jù)分析崗位的分類

在第一部分呢，咱們已經(jīng)對了數(shù)據(jù)分析師的崗位，以及他的技能薪資有了一個簡短的介紹，那是一個縱向的維度。繼續(xù)根據(jù)數(shù)據(jù)分析的 3 個層次，我們來分別講解一下。

入門階段的我們就不說了，硬核職場的課程至少都是奔著10K去的，所以我們直接從初級的開始說起。

初級階段：么的感情的取數(shù)工具人：

1.初級的工具人，需要具備的能力是什么？excel，數(shù)據(jù)可視化，BI，sql 取數(shù)，指標(biāo)體系搭建，簡單的分析方法例如同比環(huán)比分析，漏斗分析（知道有什么方法論，但因為不懂業(yè)務(wù)不知道方法論應(yīng)用的場景）

說一個我最近做面試官的例子吧

最近公司比較忙，我打算招一個小伙伴一起幫我。面試了諸多小朋友，最后覺得小 D 還不錯，因為小 D 相比其他的小朋友可以熟練的使用工具，并且知道一些數(shù)據(jù)分析的方法。

剛好雙十一剛剛結(jié)束，我讓小 D 做了一份數(shù)據(jù)分析的報告給我看。看小 D 寫的一份“母嬰產(chǎn)品分析報告”時，根據(jù)時間與銷量的關(guān)系，可以看到第四季度的銷量猛增或者 11、12 月的銷量增長，憑空冒出假設(shè)是“雙十一”、“雙十二”的促銷效果。

提出假設(shè)以后，也不做任何的驗證了，這是不對的。如果讓你寫一份數(shù)據(jù)分析報告，你是不是也會和小 D 一樣？

將十一月的成果直接歸功于雙十一？那么我想問一下大家。提高銷量是雙十一的活動效果，這個咱們有數(shù)據(jù)支撐嗎？可能只是憑著我們對生活的經(jīng)驗推測出來的吧。

那我跟大家講，這并不是結(jié)論。

那正確的做法我們應(yīng)該怎么樣呢？

我們可以先提出再假設(shè)進(jìn)行驗證。我們首先先假設(shè) 這有可能是雙十一大促帶來的高成交量。同時也因為雙十一的促銷，他已經(jīng)提前透支了顧客的部分購買需求，所以未來下一季度的成交量也會減少。

再然后我們可以用數(shù)據(jù)進(jìn)行證明，比如說我們可以拉出 11 月份的日程交量。然后然后證明雙十一幾個重要節(jié)點銷量確實有所增加，但只是一部分的原因，因為在其他日期里也會有高成交的存在。

所以這是咱們的新手很容易存在的問題，就是也學(xué)了一堆工具，那么談起使用工具的時候，滔滔不絕，但是面對問題還不知道怎么分析。他們也很努力，每天做了很多圖表，但也只是能分析出已有的現(xiàn)象，比如說這個月銷量下降了，下個月銷量上升了。但是他們卻不會分析背后發(fā)生的原因，所以他們也得不出什么結(jié)論

中級階段：可以熟練使用工具并且透徹了解業(yè)務(wù)數(shù)據(jù)分析師

中級的數(shù)據(jù)分析師，需要具備的能力是什么，工具+業(yè)務(wù)能力

在營銷領(lǐng)域，數(shù)據(jù)方面是分成不同的職業(yè)的，主要可以分成兩大類，就是一類是數(shù)據(jù)分析，一類是 數(shù)據(jù)科學(xué)。在數(shù)據(jù)分析這個領(lǐng)域?qū)@個行業(yè)的領(lǐng)域知識會比技術(shù)的要求更高，或者說對技術(shù)的要求并沒有數(shù)據(jù)科學(xué)對技術(shù)要求那么高。

對于數(shù)據(jù)分析，工作的內(nèi)容大體上是需要從 SQL 中拉一些數(shù)據(jù)出來，然后做一些簡單的分析，以及在數(shù)據(jù)可視化的工具上去做一些看板，來幫助營銷團(tuán)隊監(jiān)測營銷活動的表現(xiàn)，并且找出他們關(guān)心的 KPI 增長或下降背后的原因。

除了數(shù)據(jù)分析，現(xiàn)在越來越多的科技公司也有市場數(shù)據(jù)科學(xué)這樣的架構(gòu)

例如 Joy 就是 marketing 領(lǐng)域的 data scientist，他們會專門為 stockholder 去回答一些更加復(fù)雜的問題，比方說去幫助營銷部門來優(yōu)化一年的營銷預(yù)算，幫助來建立個性化推薦的算法，或者做很多優(yōu)化營銷創(chuàng)意的測試等。很多營銷數(shù)據(jù)科學(xué)家除了要去利用統(tǒng)計建模，機器學(xué)習(xí)來解答這些問題之外，還經(jīng)常會在工作中涉及數(shù)據(jù)管道的搭建等 。

你以為只有這些高大上的職位才能做數(shù)據(jù)分析嗎？不不不，后勤也要做數(shù)據(jù)分析。舉一個我現(xiàn)在公司的例子吧，

我們公司做物聯(lián)網(wǎng)設(shè)備，會定期給線下的商家門店送一些宣傳的物料，讓他們在門店里擺放。假如你是一個商家，你不管需不需要，你都要接受，因為我們每周都會定期給你。做宣傳物料本身是需要花費很多成本的。

但是，后來我們發(fā)現(xiàn)市場部發(fā)現(xiàn)不是所有的商家都這么頻繁的需要物料，給商家無差別的發(fā)放物料，商家用不完就會扔掉，造成了大量浪費。而且大家用同樣的物料，不同門店之間轉(zhuǎn)化率還是相差很大，有的商家做的優(yōu)秀，有的商家做的差的還是很差，可見物料并不是決定轉(zhuǎn)化率的決定因素。

所以我們現(xiàn)在就做了一個線上物料管理平臺，這樣商家可以按需領(lǐng)取物料也節(jié)約了我們很多物料的成本。大家形成雙贏。同時根據(jù)我們的線上物料平臺，我們可以知道物料領(lǐng)取的數(shù)據(jù)，發(fā)放的數(shù)據(jù)，以及哪些商家是用的比較多的，哪些商家是比較少的，這樣我們的后勤運營人員可以通過數(shù)據(jù)分析對商家的門店投放效果進(jìn)行一個評審。

高級階段：商業(yè)分析專家-指南針

激動的心顫抖的手終于講到大神了，這時候要求我們數(shù)據(jù)分析師對市場、上下游、商業(yè)有強烈的洞察力，具備較強的邏輯思維能力，敏銳的觀察能力和獨立分析能力。很多商業(yè)分析師是需要獨立完成一份行業(yè)分析報告，站在整個行業(yè)的角度，去看待本公司、所有競品公司、上下游的各種關(guān)系與優(yōu)劣勢。作為一個高級的數(shù)據(jù)分析師你已經(jīng)完全擁有了指哪打哪的能力！

比如：在金融服務(wù)行業(yè)擁有大量數(shù)據(jù)和資金，長期以來一直采用預(yù)測分析來檢測和減少欺詐、衡量和管理風(fēng)險、最大化營銷機會并留住客戶。各種規(guī)模的銀行都依賴預(yù)測分析。

在營銷中 ， 預(yù)測分析用于確定客戶的反應(yīng)或購買，以及促進(jìn)交叉銷售機會。 許多公司使用預(yù)測模型來預(yù)測庫存和管理資源。

舉一個典型的數(shù)據(jù)預(yù)測案例吧：

大家平時肯定刷過短視頻，而且經(jīng)常一刷就停不下來，當(dāng)你在連續(xù)好幾個小時刷視頻的時候，其實就是一個典型的大數(shù)據(jù)預(yù)測應(yīng)用。

短視頻平臺會根據(jù)你看視頻停留的時長，你的點贊，你的評論，你的收藏，結(jié)合短視頻本身的標(biāo)簽屬性，來預(yù)測你喜歡哪種類型的短視頻，然后推送給你，讓你刷到的都是自己喜歡的。

就這樣，你不斷的在短視頻上消耗時間，而平臺也獲得了大量的用戶流量，再通過廣告的方式變現(xiàn)，賺的盆滿缽滿。而這背后都是數(shù)據(jù)科學(xué)的功勞，如果數(shù)據(jù)科學(xué)預(yù)測的結(jié)果不能讓用戶刷到喜歡的短視頻，用戶使用的時長就會變短，流量自然也會下滑。

能做到這一點的數(shù)據(jù)分析師，市場價不會低于百萬年薪的。

如果把咱們數(shù)據(jù)分析比作一個廚師做菜的過程呢，那咱們就是先走進(jìn)飯店，今天講的課就是咱們已經(jīng)半只腳踏進(jìn)飯店啦，然后再看看顧客下單，然后看到下單之后呢，我肯定要設(shè)計一個方案，就是咱們設(shè)計方案的過程。

這些都處理好，處理好之后，那我要開始備料了，備料其實是數(shù)據(jù)采集的過程。備好料之后，然后接下來咱們就開始切菜，切菜就是數(shù)據(jù)處理拉。切好菜，我們就可以烹飪了，烹飪實際上是數(shù)據(jù)分析。最后端菜就是我們的數(shù)據(jù)呈現(xiàn)。

數(shù)據(jù)分析是一個非常龐大的體系，今天的課程只是一個導(dǎo)論，讓大家知道這個崗位具體需要掌握一些什么能力，以及未來發(fā)展空間，之后我們會講數(shù)據(jù)分析的實戰(zhàn)與應(yīng)用，請大家期待下。