数据

数据可视化:你想知道的经典图表全在这

如何七周成为数据分析师的第四篇教程,了解写作初衷。Excel的课程告一段落,今天开始第二周的内容,数据可视化阶段。数据可视化是一个热门的概念,是分析师手中的优秀工具。好的可视化是会讲故事的,它向我们揭示了数据背后的规律。大家对可视化的使用认知或许来源于下面这张图。虽然结构清晰,但它只针对Excel图表,不够丰富。本文会结合数据分析师的使用场景展示更多的可视化案例。为方便演示

星巴克数字忠诚十五年(中)

十五年里,星巴克成功建设了从店面到礼品卡、礼品卡到移动应用、再从移动应用到店面的核心产品闭环,基于这个闭环,星巴克将进行三种类型的创新:基于闭环要素(店面、礼品卡、移动应用)的 持续创新 ;基于闭环要素之间关系的 深度创新 ;基于更大生态系统的 生态创新 。持续创新星巴克从未停止三大闭环要素的持续创新,它们分别是基于店面、礼品卡、以及移动应用的长达十五年的创新过程。店面创新

京东高级数据产品经理:如何做一份完美的数据可视化图

对可视化的使用认知或许来源于下面这张图。虽然结构清晰,但它只针对Excel图表,不够丰富,本文会结合数据分析师的使用场景展示更多的可视化案例,用对图胜于用绚丽的图表。(图表均来自网络)丰富的图表可以通过位置、长度、角度、方向、形状、面积、体积、饱和度、色调来产生视觉暗示,达到聚焦用户视线,表达图表所表达含义。Ⅰ、常用三大图:柱(条)、线、饼(环)柱状图:柱形图是分析师最常用

案例分析:如何为共享单车产品做数据分析?

很多人都在问:如何提高数据分析能力?笔者(申悦)认为一方面要掌握基本的分析框架和分析思路,另一方面就要不断实践。一种很好的实践方式就是 分析行业内典型产品的设计、运营思路,假设自己就是该公司的数据产品经理,你会如何对其进行分析 。前一阵在“在行”上就遇到了一个案例,学员想了解 共享单车类 产品的 数据分析思路 ,本文就针对这个案例整理一二,供读者参考。如果pmcaff里有摩

如何利用数据提升存量客户稳定度?

在马云提出现在正在从IT时代进入到DT(data technology)时代后,大数据在各行各行应用热度也在逐步升温,尤其是以能接触到用户的互联网行业为主。电信运营商早在多年前已开始挖掘数据价值,我们今天就聊聊电信行业如何利用数据提升存量客户稳定度。电信运营商经过将近20年的发展,受益于技术、网络、硬件设备的发展,移动市场趋于饱和,渗透率达94%,近些年电信运营商也逐渐将市

以哈尔滨冰雪大世界旅游的传播效应为例,谈数据新闻可视化的“魅惑”

可视化对数据分析至关重要。它是进行数据分析的第一个战场,可以揭示出数据内在的错综复杂的关系,在这一点上可视化的优势是其它方法无可比拟。近段时间,有很多看过《万字干货|10款数据分析“工具”,助你成为新媒体运营领域的“增长黑客”》的小伙伴给我反馈,说对文章中的“数据新闻”这一章节很感兴趣,希望我用实际案例来好好展示下这种新颖的媒体形态的强大威力。在举实际案例之前,我先补充一下

数据可视化 | 好的图表自己会说话

关键词:数据盲点,数据故事,聚焦,视觉对话,视觉暗示,视觉效率,视觉惊吓 马克·吐温有一句名言“世界上有三种谎言:谎言,该死的谎言和统计数字。”人们经常曲解数字,谎言并不是源于数字本身,而是错误或不负责任的使用数字的人,向他人展示数字的时候,你有责任展示出真相 --《数据之美》 从IT时代到DT时代,大数据这个名词已经被无数公司说烂了,风口浪尖上的大

网易产品经理课程学习笔记—精益数据分析

“I never make Todo list, but I make IDid list" —— James Altucher引用詹姆斯·阿尔图切尔一句话作为今天开篇的引言,“我从来不罗列出我将要做什么,但我会罗列出我做过什么。”是啊,在信息爆炸的今天,我们着急地往前跑,却很少停下来看看我们曾收获什么。那些学过的,看过的,还有多少真正转换为了自己的东西?给你我共勉。最近

数据化运营中的用户激活

对于互联网产品的运营,在我看来主要是三件事情:拉新、留存、变现。拉新就是通过各种渠道和营销方式,获得新用户,而留存是要将获得的用户能够尽量持久的留在产品上。做好了前面两点还不够,我们还要有好的商业模式,否则作为一个企业,是无法生存的。可大多数的创业公司一方面发现流量越来越贵,获客成本越来越高,另一方面用户来了之后流失严重,甚至还没有带来营收就再也不过来使用了。这两头都不理想

做运营必须掌握的数据分析思维,你还敢说不会做数据分析?

对于运营数据分析,我相信很多小伙伴会存在以下问题:面对异常数据经常出现“好像做了什么?好像发生了什么?所以可能造成了影响”的主观臆测?面对数据报表,不知道该怎么分析?不知道该分析什么?数据分析作为运营最基础的一项技能,你是否真正的将其价值发挥出来,合格的运营一定是数据驱动运营,而非运营驱动数据!1 从单一维度到体系化的思考,是做数据分析必须做出的转变!对于数据分析你需要有体