2019/2/14-星期四-陰晴天
最近陸陸續續看完了網易電商數據分析師的相關課程，看完課程后的感受我的天一套一套的方法論，跟體驗課說的一樣這門微專業的課程偏向于理論內功心法的教導，也有很多分析報告的中觀方法框架套路。可能我只是看視頻，沒有到直播現場以及社群交流互動提交作業所以效果還是大打折扣的。這一門課程其實真的像“雞湯”，只有有了相關的工作經驗才能更好的評論這門課是否有用。對于目前的我來說，這門課程沒有手把手地教我如何工作，只是給我建立了一個大綱。
所以接下來我應該整理這些課的學習筆記以及在接下來的時間找一個題目輸出一份數據分析報告才能真正理解這門數據分析課程。大白話的說數據分析師的學習還有好一段路要走。共勉！
1、什么是數據分析師
高大上地說數據分析師是連接數據世界和商業世界的橋梁；既要懂商業需求，也要懂數據邏輯分析，將兩者進行轉義和價值應用。
數據分析師的痛點常被稱為馬后炮，取數機、表哥/表姐。
2、數據分析應該掌握什么技能
網易電商數據分析師需要掌握的技能，里面的少辰老師起碼兩次說到工作中常用的是Excel和PPT，SQL常用于取數查詢。但是要成為終身學習的學霸型優秀人才，要掌握必不可少的算法和數據挖掘的相關知識。
3、數據分析師的行業分析
關于行業研究，20年代制約行業發展是生產，50年代是顧客；現在是競爭。
1、觀察行業需要選取恰當的切入點。
①看現狀：主要是看目前行業參與者，各參與者的市場份額以及經營狀況。
②看發展條件：主要是看行業的環境，政策
③看趨勢：行業的空間，增長率
④看模式：看上下游、產業鏈的發展情況
行業研究側重研究行業與環境的研究，是一種相對宏觀的研究。關注大的趨勢而不是具體、短暫的行為；對某些問題解決能力有限：很難從外部環境的變化直接推導到具體業務決策，行業研究的幫助反而不如研究內部經營數據來得大；行業研究能夠得到的啟發、指引是定性的，而不是定量的。
2、觀察行業的三類視角
①分類視角：優點：全面，方便快速把握行業總圖景，知悉參與者所處位置。
②產業鏈的視角：兩種產業鏈視角類型：圍繞明確最終產品的產業鏈，側重梳理各環節的參與者側重解讀產業鏈不同環節間的關系，以及價值傳遞鏈條。
③比較視角：這種視角幫助我們對不同行業參與者的現狀或發展動態，更有助于幫我們看清楚競爭態勢。這類視角比較靈活，根據目的不同也有很多不同的具體場景。
3、觀察行業四種分析框架
①PEST模型：針對于新興行業，分析其發展環境，進入條件是否成熟；注意分析內容的相關性。其中6大因素：政治因素(Political)、經濟因素(Economic)、社會因素(Social)、技術因素（Technological）、環境因素(Environmental)和法律因素(Legal)。
②波士頓矩陣：市場增長率---相對市場份額矩陣
按照波士頓矩陣的原理，產品市場占有率越高，創造利潤的能力越大；另一方面，銷售增長率越高，為了維持其增長及擴大市場占有率所需的資金亦越多。
(1)明星產品(stars)。它是指處于高增長率、高市場占有率象限內的產品群。
(2)現金牛產品(cash cow)又稱厚利產品。
(3)問題產品(question marks)，它是處于高增長率、低市場占有率象限內的產品群。
(4)瘦狗產品(dogs)，也稱衰退類產品。
③Five Forces模型（波特五力）：波特五力模型將大量不同的因素匯集在一個簡便的模型中，以此分析一個行業的基本競爭態勢。
④SWOT模型：SWOT分析模型，又稱為態勢分析法。就是將與研究對象密切相關的各種主要內部優勢、劣勢和外部的機會和威脅等，通過調查列舉出來，并依照矩陣形式排列，然后用系統分析的思想，把各種因素相互匹配起來加以分析，從中得出一系列相應的結論，而結論通常帶有一定的決策性。
4、數據分析師的用戶分析
1、全鏈路用戶分析中關注的指標
2、用戶數據分析的三板斧
第一板斧：用戶分新老
新用戶--在平臺進行用戶生命周期
老用戶
第二板斧：RFM要用好
衡量客戶價值和創利能力
最近消費、消費頻率、消費金額
第三板斧：完整分析人貨場
3、用戶數據分析產品化實戰--CRM產品為例
CRM客戶關系管理系統：企業利用相應的信息技術以及互聯網技術協調企業與顧客間在銷售、營銷和服務上的交互，從而提升其管理方式，向客戶提供創新式的個性化的客戶交互和服務過程。最終吸引客戶、保留舊客戶以及將已有用戶轉化為忠實客戶。
閉環MVP實驗步驟
???? 1、目標明確：選人
???? 2、方式明確：選品-->選場
???? 3、上線測試：指標體系構建，A/B測試框架
???? 4、復盤沉淀：策略整合
用戶場景的下鉆：
5、數據分析的商品分析
電商的核心要素是人、貨、場；
①商品品類的拆分：
②打造爆款商品
③商品銷售評價
6、數據分析師的活動分析
活動分析分為三個階段：預熱準備階段、主場監控階段、活動復盤階段。
活動分析典型分析框架——以雙十一“紅包”項目為例
1、預熱——活動數值策劃中的套路
①目標制定——預測未來
1、基于活動爆發度預估法（小體量快速發展階段）
活動GMV = 活動前平銷GMV × 爆發倍率
【注意】：
????? 1、活動促銷力度需接近
????? 2、不同時間階段需進行一定加權或近期為準
????? 3、平銷對比基數需保證一致
??? ? 4、構建嵌套公式的Excel調節模板
????? 5、結合資源、人群、類目側重等拆分的預估
2、基于已有用戶表現預估法（大體量用戶穩定階段）
活動GMV = 活動支付用戶 × 用戶支付arpu
用戶購買概率預測：加購物車、收藏、搜索、近期訪問詳情頁、是否消費、用戶消費頻次。
用戶購買金額預測：類目/商品偏好、日常訂單價、促銷期訂單價、優惠敏感度、近期商品偏好。
2、監控——實現有價值的監控
用戶視角、流量視角、商品視角、arpu視角
3、復盤——Insight是如何煉成的
7、數據分析師的商品品牌分析
1、品牌定位，如何準確定位
消費者心智特征：
①消費者喜歡簡單、討厭復雜
②消費者缺乏安全感
③消費者對品牌的印象不會輕易改變
2、量化品牌的分析方法
①Graveyard模型
②品牌發展指數模型
③金字塔氣泡聯想
3、品牌的情感屬性定位
4、品牌建立檢測機制
品牌檢測需要關注的方面：心智占領、品牌高度、溢價能力、關聯度、認知程度、品牌區隔
8、總結數據分析師
9、職場中更好的未來——終生學習
