十张图，看数据分析如何赋能销售

作为一线的销售人员，他们头顶KPI，面对客户的冷眼还要笑脸相迎，压力山大。而“数据助力业务”口号喊了很多年，到底业务部门需要啥样的数据分析，很少有人认真讨论。本文作者以销售部门为例，讨论数据分析如何赋能销售。“数据助力业务”口号喊了很多年，可一提到数据分析，人们习惯性的依然讲的是：excel，python，sql，依然是数据清洗、数据计算、可视化。到底业务部门需要

分析评测 2021年01月29日

八张图，看懂数据分析如何驱动决策

如今在这个大数据时代，数据对于企业的重要性越来越明显，因此不少企业开始做数据驱动决策，让业务里的每个人都可以更精准的展开工作；本文作者分享了关于数据分析如何驱动决策的讲解，我们一起来看一下。数据驱动决策，是大家天天挂在嘴边的时髦词汇，可到底数据是如何驱动的？很少有同学真正看到过全流程，更有同学总疑惑：“自己被人追着屁股要数，感觉自己才是被驱着动的”。今天系统讲解一

分析评测 2021年01月27日

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

分析评测 2021年01月19日

它是最给力的数据分析体系，却被90%的新人忽略！

要问数据分析师最讨厌的一件事是什么，很多人会回答是“日、周、月、季、年报制度”，这已经变成了天天都得干，干了还没啥用的鸡肋。为什么要搞这样一个制度呢？它的意义在哪里？本文作者将对此进行六个维度的分析，希望对你有帮助。日、周、月、季、年报制度，可能是数据分析领域最大的一个“咕咚来了”。每一个新人在进公司的时候，都会得到一个类似传家宝一样的日、周、月报模板，交接工作的

分析评测 2020年12月10日

数据分析师，到底要懂多少业务？

毫无疑问，数据分析师需要懂业务。但所谓“懂“业务，并不是全包全能，而是尽可能全面地了解与数据息息相关的基础业务知识。本文作者梳理总结了数据分析师需要懂的业务，一起来看看~总是听人说：数据分析师要懂业务，懂业务。懂业务确实很重要，可到底要懂到啥程度？很少有认真讨论的。更难搞的是，不管你懂多少，总会有人冒出来说你：“不懂业务呀”到底这事啥时候是个头？今天我们系统讲解一

分析评测 2020年12月07日

MECE：数据分析师都要掌握的准则

MECE分析法也就是对于一个重大的议题，能够做到不重叠、不遗漏的分类；而且能够借此有效把握问题的核心，并成为有效解决问题的方法；本文作者方向了关于MECE的解释与分享，我们一起来看一下。几乎所有数据分析的书、教程、文章，都很政治正确写上MECE作为数据分析的准则。这东西很快又成为一个数据领域的“咕咚来了”：到底啥是MECE？为啥非得MECE？我做的是不是MECE？

分析评测 2020年11月30日

数据增长实验，互联网人进阶必会技能！

对互联网人来说，掌握数据分析能力能为日常工作提供大量支持，不过大多数人仍处于认知阶段。那为了提前发现问题，确保增长，该如何设计增长实验？本文就此展开了梳理讨论，从五个方面进行了分析，对数据分析感兴趣的童鞋不要错过哦。之前分享过：做增长，是数据分析师最好的立功方式，今天直接来个例子，看看怎么通过数据设计增长实验。话不多说，整！问题场景：某包含多系列产品的快消品公司，

分析评测 2020年11月26日

这套方法，更容易让数据分析师立功，比算法模型好用

数据分析这个岗位很容易背锅，结果是好的那就另说，但如果结果不令人满意，各方就会来找数据分析师的麻烦；数据分析师要做一个好的结果，需要掌握一些方法，比如本文说到的“增长实验”；本文是作者分享的关于数据分析师的一套方法，我们一起来看一下。上一篇【这套系统，可能真的是数据分析师们未来5年的机遇！】引起了同学们强烈反响，其中提到一个关键点：CDP与增长实验结合，很容易让数

分析评测 2020年11月18日

商品价格主动调整，分析该怎么做？

调整价格，可采用减价及提价策略，顾客一般对价值高、购买频率也高的商品价格变动敏感，反之就不太敏感；所以，在进行价格变动评估时需要考虑到多个方面的问题；本文作者分享了关于商品价格主动调整时，分析应该怎么做的问题，我们一起来看一下。总有做数据的新人抱怨，做的分析被挑刺，嫌弃考虑不全面，不深入。到底该咋做？今天直接上案例，开搞！问题场景：某视频网站以包月会员形式收费，现

分析评测 2020年11月10日

这套系统，可能真的是数据分析师们未来5年的机遇！

每个业务部门依赖的是客户数据的不同方面，都有自己的运用场景，所以很容易造成无法同步；所以企业需要一个“客户数据中台”来描述客户，保证统一性；本文作者分享了关于“客户数据中台”的理解和运用，我们一起来看一下。2017年吹用户画像、2018年吹人工智能、2019年吹数据中台、2020年吹……？答：CDP！（customer data platform客户数据中台）如果

分析评测 2020年11月05日

数据分析师必看：双十一分析备战手册

双十一马上就要来了，忙起来的不光是正在计算优惠折扣的消费者，还有数据分析师。双十一作为一个大体量的营销活动，只有提前做好准备才能不慌不忙。本文将从六个方面，总结数据分析师应该做哪些准备，希望对你有帮助。双十一临近，又是各大公司打折促销密集上线的日子，姑娘们往往会准备一个活动攻略或者采购清单。数据分析师们当然也需要准备一个备战手册，只不过里边写的不是商品名称，而是分

分析评测 2020年10月28日

如何做好用户生命周期分析？

对于产品经理们来说，我们需要了解产品各个时期的用户特点，从而保证在整套流程中，我们都能辅助相应部门，在不同阶段制定出适合的策略激发更多新用户的加入，提升客户的转化和留存。所以做好用户生命周期的分析是非常重要的。本文作者就此分享了他的几点经验，供大家一起参考学习。在做数据分析的时候，用户生命周期分析，是个很典型的“理论一听就懂，数据一做就废”的东西。很多同学很困扰：

分析评测 2020年10月27日

都2020年了，别再迷信啤酒与尿布！数据分析的真相在这

想必很多人都听过啤酒和尿布的传说，这两样物品放在一起，销售量比单独售卖要高得多。然而，现实生活中啤酒与尿布并不会捆绑售卖，更没有因此销量大增。但是，支持这个故事的关联规则算法却是存在的，并且被广泛运用。本文作者对此展开了三方面的分析，与你分享。一提人工智能大数据，必有人提啤酒与尿布，有意思的是，都2020年了，还有人信这个老掉牙的都市传说。今天我们系统讲解一下。一

分析评测 2020年10月19日

领导对数据的期望值太高了！该怎么破？

这几年，随着数字化进程的加快，越来越多的企业开始重视数据分析。但是，很多领导都是外行人，指导工作的时候难免会期望值过高，让数据分析师特别头疼。本文作者基于自身工作经验，对这个话题提出了自己的一点看法，与你分享。做数据的同学们，最怕被人喷：“你做的没有用！”十个“你做的没有用”，至少七个和期望值过高有关。特别是越不懂数据原理的人，对数据的期望值越高。悲剧就是这么来的

分析评测 2020年10月16日

“人货场”模型搞懂没？数据分析大部分场景都能用！

做数据分析的同学，可能很多都听过人、货、场分析模型。但是大多数人只是知道这个模型，对其具体应用却不了解。本文作者结合实际分析，对此进行了系统的讲解，与大家分享，希望通过此文能够加深你对“人货场”模型的认识。问题场景：某生鲜电商，用户复购率较低，60%的用户在30天内无二次购买行为，运营领导非常着急，要求通过数据分析提升复购率，请问你作为数据分析师该怎么做？建立人工

分析评测 2020年10月11日

数据分析师，你是车夫，还是拉车的驴子

随着互联网时代的发展，大数据时代早已来临，我们平常生活和工作，都跟很多数据打交道；“数据驱动”一词也出现了，但是数据驱动是什么？你做的真的是数据驱动吗？本文作者详细分析了“数据驱动”和它的现状，我们一起来看一下。“数据驱动业务”是句非常时髦的话，也是让很多同学头疼的话，因为这玩意看得见摸不着呀。天天光听着喊“驱动”“驱动”，可到底咋驱不知道；而且问个问题也被业务喷

分析评测 2020年09月29日

数据分析方法：RFM模型

RFM是很传统的数据分析模型，几乎所有文章都会提到它，然而市面上流传的各种乱用、错用也非常多；本文作者对RMF做出了详细的分析，我们一起来了解一下。上一篇讲了【用户画像高大上，但90%的人都做失败了】以后，很多同学表示想看RFM，今天它来了。一、RFM基本原理RFM是三个单词的缩写：最近一次消费时间（Recency），取数的时候一般取最近一次消费记录到当前时间的间

分析评测 2020年09月23日

用户画像高大上，但90%的人都做失败了

做好数据分析，有助于清晰现有用户的画像，找到各个行业用户的核心关注点，来进行精细化的运营以提升用户的复购。但实际的情况中，很多人却并不知道如何做好用户画像。本文作者从项目实践出发，结合案例对用户画像失败的原因进行了分析讨论，与大家分享。上一篇分享算法模型失败的案例，参见《不懂数据分析的算法工程师，会有多惨》，激起了很多同学的共鸣，有同学问：“有没有用户画像项目失败

分析评测 2020年09月21日

咨询公司的数据分析模型有多高大上？

很多行业在日常工作中都会遇到数据分析的板块，数据分析可以很好的协助我们读懂现在的数据情况；咨询公司的数据分析很多人都觉得非常的高大上，其实每个分析方法都有自己的使用目的；本文作者对此进行了详细的解释，我们一起来看一下。做数据分析的同学们都见过下边这种矩阵，很多人对此顶礼膜拜，甚至还有一些网文作者直接就把：矩阵思维、矩阵模型、矩阵法招呼上了。说它是数据分析的“底层思

分析评测 2020年09月16日

不懂数据分析的算法工程师，会有多惨

算法工程师就是利用算法处理事物的人，输入相应的指令将会得到相应的输出；但是算法工程师的要求也非常高，在实体行业，他们还要会数据分析，才能在实体行业中计算出精准需求；本文作者分析了算法工程师的现状，我们一起来看一下。“我们的算法工程师水平太差了，完全解决不了问题！”作为一个经常和传统企业打交道的乙方，这种抱怨我听得太多了，类似惨痛画面也见得太多了。今天我们系统说说。

分析评测 2020年09月10日