前言：
數據分析師對技術有要求，需要掌握匹配于企業的工具來滿足日常分析需要，但技術不是全部，業務理解的重要性會在數據分析師的功能日益深入后愈發體現出來。針對工具類應用技術的原則是：不拘泥于技術，但掌握必備技能。
精通項：Excel，SQL，統計學基礎
加分項：Hive常見命令，Python、R等
業務儲備行動原則：首先要確定行業意向，然后學習細分行業業務知識（1~2個）
什么是業務？
-- 把產品以合理的方式通過渠道賣給消費者以賺取利潤。
什么是業務需求？
-- 即業務方提出的需求；在實際業務中過程中，常常需要依據數據進行決策與監督，此時就會產生數據相關的業務需求。
業務知識包括：1、利潤；2、組織架構；3、產品；4、渠道；5、運營；6、用戶
據此，針對特定行業和企業，需要了解：
1、行業的業務模式，收支模式
靠搜靠問，利用搜索引擎、觀察經驗、業內好友，多了解相關資訊。
2、企業的組織架構
了解你在企業中會打交道的部門、不同角色的KPI目標、關注點，相應可能需要哪些數據（靠搜靠問，通用的）。
3、體驗和使用產品
了解產品賣點和用戶；同時了解競品；了解產品運營推廣活動，搜索目標產品都采用了哪些玩法，心中有數。了解產品優化有哪些指標，數據是如何指導產品優化的。
產品設計過程的數據需求？前：宏觀數據；中：定位問題，指建立標體系，埋點設計；后：監測情況，產品迭代
產品迭代需要哪些數據？1、用戶量；2、客群結構（可能由此影響產品模塊/功能設計）；3、功能點使用情況
添加功能點需要考慮哪些問題？1、要不要加；2、加了會影響多少人；3、怎么加；4、加了之后的結果如何
4、了解銷售
了解常見業績/拉新相關指標；了解銷售方式、銷售流程/特點；觀察銷售行為。
渠道包括：線上渠道、線下渠道
渠道目標包括：拉新、銷售
渠道指標包括：業績、客單價、成交量、訂單數、新增客戶、渠道成本等，相較于線上指標，線下指標更不可控，不可靠
5、運營知識
可系統學習一下運營知識，如果時間不足則定向了解常見運營方式，了解每種方式下關注的指標。
運營職責分類：內容運營，提升業績，服務用戶
運營成果指標：內容：到達率、響應度；業績：短期業績、長期業績、成本、ROI（回報率）；用戶：用戶量、使用率、滿意度
6、熟悉用戶
行業內可收集的用戶數據，了解不同維度用戶分層方法，不同維度的用戶標簽。
用戶畫像/分層的角度包括？1、用戶價值，如RFM模型；2、用戶生命周期，如AARRR模型；3、活躍度；4、業務相關特征
用戶價值包括？1、存在價值；2、帶來消費；3、轉介紹/高影響力，帶來流量和新客戶
RFM模型：最近一次消費（recency）消費頻率（frequency）消費金額（monetary）
AARRR模型：獲客（acquisition）激活（activation）留存（retention）變現（revenue)推薦（refer）
參考書籍：
《精益數據分析》、《增長黑客》、《網站分析實戰》
