数据分析

从 APP 数据上报到可视化报表展示

我们每天都在使用各式各样的APP,我们的操作行为也不断地被APP的开发商收集,这些APP的开发商通过可视化报表平台,查看APP的用户行为数据。本文将试图揭秘,从用户触发操作,到这些数据形成可视化报表的整个过程。声明下,本文是分享给产品经理们的。长久以来,关于产品经理要不要懂些技术,一直是1个有争论话题。个人理解,产品经理不需要懂太多技术,但要懂些技术上的基本过程。所以,本文

产品数据分析,重点是数据还是分析?

相信大家经常会听到“数据驱动产品”这样的口号,也会听到“不要为了分析而分析”的劝说。无论是口号还是劝说,都是这个行业前辈踩过的坑。那到如何进行产品数据分析?我

小王摆摊失败了!用数据分析找出问题

互联网人,来摆摊了!摆摊经济一词大火以后,很多自媒体又开始算起摆摊的账。特别喜欢算出诸如“卖煎饼大妈月入3万”之类的账目,再加个“互联网人”的点缀,刺激在西二旗

数据仓库合作心得:埋点与上报(1)

与数据仓库合作近一年,爱恨情仇不必说,本文仅复盘整理所学所得,希望我与读者能从中得到收获与启发。埋点先谈谈埋点吧——用户行为分析的数据来源(通俗些就是格式化,以表格形式展示的目标日志数据)。战士上战场,莫得子弹 就是一个死——分析者是战士,数据就是子弹,埋点就像制造子弹的机床。就我所知,目前大部分企业获取用户行为大数据最好的方式就是在各终端设置埋点。目前使用的是全埋点的策略

ToB用户运营之数据分析

以我2023年度总结报告来看,数据分析分为以下内容:整体数据篇整体数据对比篇重点数据对比篇客户画像篇内容篇整体数据篇:✔目标与实际进度,完成率(百分比计算),包括引流和产出等。所有比率建议统计到小数点后两位,因为tob用户运营是长期的,且波

留存率还能这样计算?(上)

留存率这个概念对于大家来说一点也不陌生,平时看到的更多是固化的留存率,一般统计周期按天,常见有次日、7日、14日、15日、30日、60日等;如果大家想看更加灵活维度的留存率,比如按照某一日期时间段的留存率,都有经历这样的流程:给分析师提需求——分析师给技术提需求——分析师拿到数据并分析留存率——将数据结果给PM/运营,这个流程至少需要持续一天,一天后才能拿到最终的结果,不仅

数据分析终极一问:自然增长率,到底怎么算才合理?

提到数据分析中的难题,那自然增长率必须拥有姓名。自然增长率到底怎么算才合理?这是困扰不少人的问题。在本篇文章中,作者分析了理论上的自然增长是怎样的,并且总结了其面临的来自现实的挑战,理论上我们可以如何破局,以及现实中面临着怎样的无奈。数据分析领域有很多终极难题,如果你和营销、运营等部门打交道,最常遇到的问题一定有一个叫:自然增长率!到底自然增长率怎么算?为啥我算出

风控中必做的数据分析

处于大数据时代的我们,离不开数据分析,风控行业也是如此。本文以风控数据分析为例,拆解其数据分析过程,由此说明,风控中的数据分析跟其他的互联网业务是互通的,而数据分析技能在任何互联网行业都是通用的。大数据领域就没有不做数据分析的,大数据风控也不例外。我的观点是风控和其他互联网业务都是互通的,本文介绍下风控中必做的数据分析,用以说明数据分析是一通百通的。工欲善其事,必