前兩節(jié)我們更新了，數(shù)據(jù)分析師進(jìn)階全攻略的上篇和中篇大家反饋很好，那咱們這篇文章就來(lái)更新下篇。

先講下咱們整體的架構(gòu)，主要會(huì)講到數(shù)據(jù)分析的重要性，數(shù)據(jù)分析崗位的分類。首先呢，先給大家整理一份思維導(dǎo)圖。

一、對(duì)個(gè)人的意義

1. 晉升的必備技能

如果你想在職場(chǎng)上做上管理層，那么數(shù)據(jù)分析是必備的能力

舉個(gè)例子：小 A 和小 B 現(xiàn)在同時(shí)屬于競(jìng)爭(zhēng)運(yùn)營(yíng)主管的時(shí)期。然后領(lǐng)導(dǎo)給小 a 和小 b 同時(shí)下達(dá)了一個(gè)項(xiàng)目任務(wù)，領(lǐng)導(dǎo)說(shuō)這個(gè)項(xiàng)目大家好好干。誰(shuí)能提出超越對(duì)手的建議，誰(shuí)就升職。

小 a 回去想了一想，他對(duì)競(jìng)爭(zhēng)對(duì)手進(jìn)行了分析，又從市場(chǎng)戰(zhàn)略和業(yè)務(wù)需求中進(jìn)行分析，交叉引用，并且又基于目前的用戶數(shù)量歸類用戶的列表分析工作模式和行為。對(duì)于受眾創(chuàng)立用戶畫(huà)像。創(chuàng)立出了適合現(xiàn)在公司運(yùn)營(yíng)的方案。

2. 說(shuō)服的必備技能

如果你是一個(gè)想要做出成績(jī)的職場(chǎng)人，必然是要自己出方案的，但怎么讓別人相信自己的方案，最好就是用數(shù)據(jù)來(lái)證明

舉例：有一個(gè)地方，人們都不穿鞋子。公司有兩個(gè)業(yè)務(wù)員分別去考察?？疾焱辏篈 說(shuō)：“這里的人都沒(méi)有鞋子，是個(gè)重大潛力市場(chǎng)”B 說(shuō)：“這里的人都不穿鞋子，沒(méi)有市場(chǎng)”現(xiàn)在領(lǐng)導(dǎo)請(qǐng)你分析在這里開(kāi)展新業(yè)務(wù)的可行性：

兩個(gè)業(yè)務(wù)員的評(píng)價(jià)，你信誰(shuí)的？

A.相信 A

B.相信 B

C.誰(shuí)都不信

其實(shí)，這兩個(gè)人說(shuō)的話，都不可信，因?yàn)槎际撬麄兏髯缘闹饔^判斷，沒(méi)有任何數(shù)據(jù)支撐，你讓我怎么相信你？如果你說(shuō)沒(méi)有鞋子，會(huì)是重大潛力市場(chǎng)，請(qǐng)問(wèn)這些不穿鞋的人當(dāng)中，有百分之多少的人愿意購(gòu)買鞋子？客單價(jià)多少？復(fù)購(gòu)率多少？喜歡什么款式？各種鞋子的碼數(shù)比例是多少？

不論是有市場(chǎng)還是沒(méi)有市場(chǎng)，都不應(yīng)該是主觀的一句話來(lái)判斷，而是你得給出這些客觀的數(shù)據(jù)，所以這道題應(yīng)該選C，誰(shuí)都不信，除非你給我證據(jù)。

3. 獨(dú)立自主的判斷

不會(huì)人云亦云，具備數(shù)據(jù)分析的思維，能更容易抓到重點(diǎn)，避免偏見(jiàn)

舉個(gè)例子：如果你問(wèn)運(yùn)營(yíng)活動(dòng)做的怎么樣??？你可能經(jīng)常會(huì)聽(tīng)到如如下話語(yǔ)，這個(gè)活動(dòng)很好，該繼續(xù)做。這個(gè)活動(dòng)不好，不能做。這個(gè)活動(dòng)做了不好不壞，做了也是白做。

這就說(shuō)明了我們平時(shí)遇到的運(yùn)營(yíng)大概率都是稀里糊涂，呆頭呆腦，投機(jī)取巧，渾水摸魚(yú)。而你作為一個(gè)數(shù)據(jù)分析師你不能這樣想啊，要有自己獨(dú)立的判斷能力，可以分析業(yè)務(wù)邏輯，梳理業(yè)務(wù)過(guò)程，這樣才能客觀的得出結(jié)論。首先咱們可以梳理活動(dòng)流程，然后篩選主指標(biāo)，設(shè)定判斷標(biāo)準(zhǔn)，最后找出影響的過(guò)程。

4. 嚴(yán)謹(jǐn)?shù)乃伎寄芰?/h3>

不再是我覺(jué)得，我認(rèn)為，從主觀判斷到客觀嚴(yán)謹(jǐn)?shù)臄?shù)據(jù)分析，更容易找到正確的方向。那從企業(yè)的角度來(lái)講，我們數(shù)據(jù)分析師就是醫(yī)生，我們通過(guò)對(duì)企業(yè)運(yùn)營(yíng)數(shù)據(jù)的分析來(lái)判斷企業(yè)的癥結(jié)所在。作為一名合格的數(shù)據(jù)分析師，我們應(yīng)該保持嚴(yán)謹(jǐn)負(fù)責(zé)的態(tài)度，并且保持中立立場(chǎng)，客觀評(píng)價(jià)，這樣才能對(duì)企業(yè)發(fā)展過(guò)程中存在的問(wèn)題提供有效的參考依據(jù)，不說(shuō)其他影響的改變。

舉個(gè)例子，比如你說(shuō)：

落地頁(yè)轉(zhuǎn)化率是 1%，轉(zhuǎn)化率較低。

估計(jì)絕大部分的新人分析師在分析報(bào)告都會(huì)這么寫(xiě)。這里“落地頁(yè)轉(zhuǎn)化率是 1%”是事實(shí)，“轉(zhuǎn)化率較低”是觀點(diǎn)。雖然有事實(shí)支撐，但是這個(gè)觀點(diǎn)很明顯有問(wèn)題，憑什么 1% 就是低呢？

很多新人評(píng)判高還是低完全看數(shù)字大小，覺(jué)得 1% 這么少肯定算低了。但業(yè)務(wù)人員一看，覺(jué)得這個(gè)轉(zhuǎn)化率很高，因?yàn)槠綍r(shí)的轉(zhuǎn)化率只有 0.5%。這就是大家的論證過(guò)程不同導(dǎo)致的觀點(diǎn)不同。

但人是優(yōu)先使用直覺(jué)思維的，因?yàn)橹庇X(jué)思維可以快速做出判斷，節(jié)省了大量的能量。如果你沒(méi)有考慮過(guò)理性思維的重要性，依靠著直覺(jué)思維和數(shù)據(jù)分析的方法解決問(wèn)題，這會(huì)給你的職業(yè)發(fā)展留下一個(gè)巨大的隱患。在開(kāi)始的時(shí)候，你不會(huì)有什么感覺(jué)，和別的分析師似乎也沒(méi)什么區(qū)別，但幾年之后，你會(huì)發(fā)現(xiàn)自己成長(zhǎng)非常有限。

二、對(duì)公司的意義

開(kāi)發(fā)“鵝臉識(shí)別”！深圳 00 后學(xué)生克服重重困難，巧用 AI 助農(nóng)戶養(yǎng)鵝

300 多年來(lái)，“世界鵝王之鄉(xiāng)汕頭”的鵝農(nóng)們都學(xué)會(huì)了一個(gè)技能：通過(guò)肉眼觀察鵝是否長(zhǎng)時(shí)間不動(dòng)、雙手觸摸感知體溫是否發(fā)燒，來(lái)判斷鵝的健康。但很多時(shí)候，眼和手再快，也快不過(guò)病毒。

疾病摧毀一個(gè)千余只的鵝場(chǎng)，最快只需要十天。2018 年冬天，一場(chǎng)突如其來(lái)的禽流感席卷了后溪村，有鵝場(chǎng) 1000 只獅頭鵝最后只存活了 5 只。深圳的 00 后大學(xué)生用上了 AI，造了一個(gè)人工智能養(yǎng)鵝場(chǎng)

深圳大學(xué)騰訊 AI 班（下稱騰班）的大二學(xué)生，開(kāi)啟了一次獨(dú)特的實(shí)踐作業(yè)，用 AI 幫助農(nóng)戶養(yǎng)鵝。蹲守鵝場(chǎng)半年，他們踩著 3cm 深的鵝屎工作、對(duì) 30 萬(wàn)只鵝進(jìn)行“鵝口普查”，在標(biāo)注中練出手速；在 40 度高溫和臺(tái)風(fēng)來(lái)襲中，打響攝像頭“保衛(wèi)戰(zhàn)”；和農(nóng)戶交流鵝病，翻遍論文變成半個(gè)養(yǎng)鵝專家。

鵝是水禽生物，像給豬一樣掛二維碼識(shí)別的方式行不通。為了獲取足夠多的樣本“投喂”AI，同學(xué)們選擇用養(yǎng)殖場(chǎng)的攝像頭抓拍，人工逐一抽幀，再對(duì)拍攝的每張照片進(jìn)行分類、打標(biāo)簽。

6000 張圖片、30 萬(wàn)只鵝的標(biāo)注，讓很多同學(xué)睡覺(jué)夢(mèng)見(jiàn)的都是鵝?！白?AI 真的是有多人工，才能有多智能?！蓖躐礊栒f(shuō)，標(biāo)注過(guò)程中需要集中百分百的注意力，“紅框如果稍微大一點(diǎn)，圈了一點(diǎn)雜物都會(huì)影響 AI 的訓(xùn)練效果”。

不僅如此，同樣的算法在不同的場(chǎng)景里，準(zhǔn)確率可能會(huì)差幾十個(gè)點(diǎn)，因?yàn)轾Z的場(chǎng)景太過(guò)密集，更需要不斷的迭代優(yōu)化算法。在騰訊工程師指導(dǎo)下，同學(xué)們首先優(yōu)化識(shí)別算法，提高密集場(chǎng)景下獅頭鵝的識(shí)別率，之后又優(yōu)化追蹤算法，記錄每一只鵝的停留時(shí)長(zhǎng)，進(jìn)而判斷是否有異常。改了“差不多幾十次”模型后，算法組同學(xué)才真正明白老師沈琳琳常說(shuō)的那句話——沒(méi)有 100%的算法模型，只有因地制宜的算法模型。

鞋縫一點(diǎn)點(diǎn)塞滿凝固的鵝糞，學(xué)生們對(duì)鵝的了解也在不斷加深。他們發(fā)現(xiàn)，由于成年獅頭鵝的羽毛厚重，導(dǎo)致難以測(cè)量鵝溫。而小鵝苗的羽毛更輕薄，有測(cè)溫條件，正常鵝苗的體溫是 40-41 度，如果生病體溫一般會(huì)略高，所以，又在小鵝生活的鵝棚安裝了紅外測(cè)溫儀，并復(fù)用一部分“呆頭鵝”識(shí)別跟蹤的算法，幫助鵝農(nóng)識(shí)別體溫異常的“發(fā)燒鵝”。

后來(lái)，有同學(xué)又從十年前的論文里發(fā)現(xiàn)，獅頭鵝的發(fā)病和臺(tái)風(fēng)、霧霾等天氣也有著密切關(guān)系，于是這群 00 后又在小程序上新增了數(shù)據(jù)觀測(cè)及分析功能。

從短袖到夾克，跨越 100 多個(gè)日日夜夜和上百場(chǎng)的線上會(huì)議，小程序一直在進(jìn)行迭代升級(jí)。到今天，小程序界面上每天都可以實(shí)時(shí)收到幾次的呆頭鵝、發(fā)燒鵝的預(yù)警，顯示鵝場(chǎng)的溫度、濕度、PM2.5 指數(shù)及數(shù)據(jù)變化的趨勢(shì)圖，幫助農(nóng)戶將獅頭鵝的存活率環(huán)比提升了 30%。

三、數(shù)據(jù)分析案例

數(shù)據(jù)分析有反面案例么？也是有的，

啤酒和尿布

有一個(gè)傳言說(shuō)沃爾瑪在分析消費(fèi)者的購(gòu)物行為時(shí)，發(fā)現(xiàn)男性顧客在購(gòu)買嬰兒紙尿褲時(shí)，往往會(huì)順便拿幾瓶啤酒犒勞自己，于是嘗試將啤酒和紙尿褲放在一起促銷。沒(méi)想到這一舉動(dòng)大大提高了紙尿褲和啤酒的銷量。

你們聽(tīng)了這個(gè)故事，是不是覺(jué)得數(shù)據(jù)分析好厲害，居然這兩個(gè)不相關(guān)的商品，擺在一起可以提高銷量

1. 是的
2. 不太好說(shuō)

但其實(shí)，這個(gè)故事是個(gè)胡扯的事。但正好可以作為一個(gè)反面的案例來(lái)說(shuō)，你真的去沃爾瑪，絕對(duì)不會(huì)看到啤酒和尿布放在一起。因?yàn)檫@樣放，會(huì)導(dǎo)致一大堆的業(yè)務(wù)問(wèn)題

1.進(jìn)超市買東西的人找不到自己想買的東西，試想，一個(gè)只想買啤酒的人，走到超市里，到處找不到啤酒，要么他就走了，要么他問(wèn)營(yíng)業(yè)員，營(yíng)業(yè)員說(shuō)我也不知道在哪，因?yàn)槲覀兊纳唐范际前凑贞P(guān)聯(lián)銷售擺放的，每天都在變位置

2.營(yíng)業(yè)員的工作內(nèi)容變多，工作時(shí)間變長(zhǎng)，本來(lái)只需要按區(qū)域補(bǔ)貨就可以了，現(xiàn)在要把商品不斷換地方

即使把啤酒和尿布放在一起可以帶來(lái)更多的銷售額，但做這個(gè)事情的弊端會(huì)遠(yuǎn)遠(yuǎn)超出帶來(lái)的好處。

所以數(shù)據(jù)分析不是瞎分析，懂得數(shù)據(jù)分析的方法更要結(jié)合業(yè)務(wù)。

那么什么場(chǎng)景下啤酒和尿布這個(gè)是成立的呢？在電商場(chǎng)景下，你看到一個(gè)商品，下面會(huì)有一個(gè)猜你喜歡，這里面確實(shí)會(huì)有根據(jù)銷售關(guān)聯(lián)度推薦的一些其他商品，在電商的某商品下面推薦了一個(gè)跟這個(gè)商品不是一個(gè)品類，但有一定關(guān)聯(lián)性的產(chǎn)品（比如電腦攝像頭下面會(huì)推薦電腦拓展塢）

那么我們來(lái)看看數(shù)據(jù)分析的其他案例：

數(shù)據(jù)分析助力公司運(yùn)營(yíng)

前公司的時(shí)候，有一次被領(lǐng)導(dǎo)叫進(jìn)了辦公室。話說(shuō)當(dāng)時(shí)我正在開(kāi)開(kāi)心心的碼字，領(lǐng)導(dǎo)一臉凝重的說(shuō)你們幾個(gè)進(jìn)來(lái)一下。當(dāng)時(shí)我和我得同事面面相覷說(shuō)怎么了這是？

就有一種不太好的預(yù)感，一進(jìn)去領(lǐng)導(dǎo)就開(kāi)始發(fā)飆拿出上個(gè)月的業(yè)績(jī)嚴(yán)肅的說(shuō)沒(méi)完成啊，你們?yōu)槭裁礇](méi)完成，你們有想過(guò)么？現(xiàn)在的目標(biāo)拆解，你們上個(gè)月就差這么多，怎么補(bǔ)，這個(gè)月能補(bǔ)上么？每個(gè)月都差，今年的業(yè)績(jī)就這樣了？擺爛了？

領(lǐng)導(dǎo)唧唧呱呱說(shuō)了一大堆，而我倆的內(nèi)心卻是，完不成怎么辦？？？算了，完不成就完不成吧，大不了離職被，又不是我的公司，再去霍霍下一家公司。（打工人職場(chǎng)日常是不是）

呸呸呸，我在說(shuō)啥。

如果你是運(yùn)營(yíng)，一般這時(shí)候你該怎么辦？

1、無(wú)腦低價(jià)促銷，管他賺不賺錢，沖業(yè)績(jī)就完

2、理性分析業(yè)績(jī)下降原因，搞清楚用戶去哪了？是去競(jìng)品了，還是需求變少了？搞清楚原因

我相信大部分公司的運(yùn)營(yíng)這時(shí)候都會(huì)覺(jué)得，促銷吧。先完成任務(wù)再說(shuō)。業(yè)績(jī)完不成唯有搞促銷，短期拉業(yè)績(jī)，但是我們可以這次低價(jià)，那么下次呢？一直低價(jià)么？公司不賺錢了么？所以這時(shí)候我們應(yīng)該做的，是去搞清楚事情為什么會(huì)發(fā)生，我們?cè)撊绾螒?yīng)對(duì)。

后來(lái)咱們拉出來(lái)數(shù)據(jù)看一看，分析哪些產(chǎn)品賺錢？哪些客戶賺錢？發(fā)現(xiàn)49個(gè)產(chǎn)品中只有不到30個(gè)產(chǎn)品是賺錢的，就拿毛利率為基準(zhǔn)，我們將低毛利的商品砍掉20%，然后將一些低毛利的捆綁銷售，去改變現(xiàn)有的策略，讓用戶仍然覺(jué)得實(shí)惠，最后拉高了整體的毛利率和銷售額。

數(shù)據(jù)分析崗位的分類

在第一部分呢，咱們已經(jīng)對(duì)了數(shù)據(jù)分析師的崗位，以及他的技能薪資有了一個(gè)簡(jiǎn)短的介紹，那是一個(gè)縱向的維度。繼續(xù)根據(jù)數(shù)據(jù)分析的 3 個(gè)層次，我們來(lái)分別講解一下。

入門階段的我們就不說(shuō)了，硬核職場(chǎng)的課程至少都是奔著10K去的，所以我們直接從初級(jí)的開(kāi)始說(shuō)起。

初級(jí)階段：么的感情的取數(shù)工具人：

1.初級(jí)的工具人，需要具備的能力是什么？excel，數(shù)據(jù)可視化，BI，sql 取數(shù)，指標(biāo)體系搭建，簡(jiǎn)單的分析方法例如同比環(huán)比分析，漏斗分析（知道有什么方法論，但因?yàn)椴欢畼I(yè)務(wù)不知道方法論應(yīng)用的場(chǎng)景）

說(shuō)一個(gè)我最近做面試官的例子吧

最近公司比較忙，我打算招一個(gè)小伙伴一起幫我。面試了諸多小朋友，最后覺(jué)得小 D 還不錯(cuò)，因?yàn)樾?D 相比其他的小朋友可以熟練的使用工具，并且知道一些數(shù)據(jù)分析的方法。

剛好雙十一剛剛結(jié)束，我讓小 D 做了一份數(shù)據(jù)分析的報(bào)告給我看?？葱?D 寫(xiě)的一份“母嬰產(chǎn)品分析報(bào)告”時(shí)，根據(jù)時(shí)間與銷量的關(guān)系，可以看到第四季度的銷量猛增或者 11、12 月的銷量增長(zhǎng)，憑空冒出假設(shè)是“雙十一”、“雙十二”的促銷效果。

提出假設(shè)以后，也不做任何的驗(yàn)證了，這是不對(duì)的。如果讓你寫(xiě)一份數(shù)據(jù)分析報(bào)告，你是不是也會(huì)和小 D 一樣？

將十一月的成果直接歸功于雙十一？那么我想問(wèn)一下大家。提高銷量是雙十一的活動(dòng)效果，這個(gè)咱們有數(shù)據(jù)支撐嗎？可能只是憑著我們對(duì)生活的經(jīng)驗(yàn)推測(cè)出來(lái)的吧。

那我跟大家講，這并不是結(jié)論。

那正確的做法我們應(yīng)該怎么樣呢？

我們可以先提出再假設(shè)進(jìn)行驗(yàn)證。我們首先先假設(shè) 這有可能是雙十一大促帶來(lái)的高成交量。同時(shí)也因?yàn)殡p十一的促銷，他已經(jīng)提前透支了顧客的部分購(gòu)買需求，所以未來(lái)下一季度的成交量也會(huì)減少。

再然后我們可以用數(shù)據(jù)進(jìn)行證明，比如說(shuō)我們可以拉出 11 月份的日程交量。然后然后證明雙十一幾個(gè)重要節(jié)點(diǎn)銷量確實(shí)有所增加，但只是一部分的原因，因?yàn)樵谄渌掌诶镆矔?huì)有高成交的存在。

所以這是咱們的新手很容易存在的問(wèn)題，就是也學(xué)了一堆工具，那么談起使用工具的時(shí)候，滔滔不絕，但是面對(duì)問(wèn)題還不知道怎么分析。他們也很努力，每天做了很多圖表，但也只是能分析出已有的現(xiàn)象，比如說(shuō)這個(gè)月銷量下降了，下個(gè)月銷量上升了。但是他們卻不會(huì)分析背后發(fā)生的原因，所以他們也得不出什么結(jié)論

中級(jí)階段：可以熟練使用工具并且透徹了解業(yè)務(wù)數(shù)據(jù)分析師

中級(jí)的數(shù)據(jù)分析師，需要具備的能力是什么，工具+業(yè)務(wù)能力

在營(yíng)銷領(lǐng)域，數(shù)據(jù)方面是分成不同的職業(yè)的，主要可以分成兩大類，就是一類是數(shù)據(jù)分析，一類是 數(shù)據(jù)科學(xué)。在數(shù)據(jù)分析這個(gè)領(lǐng)域?qū)@個(gè)行業(yè)的領(lǐng)域知識(shí)會(huì)比技術(shù)的要求更高，或者說(shuō)對(duì)技術(shù)的要求并沒(méi)有數(shù)據(jù)科學(xué)對(duì)技術(shù)要求那么高。

對(duì)于數(shù)據(jù)分析，工作的內(nèi)容大體上是需要從 SQL 中拉一些數(shù)據(jù)出來(lái)，然后做一些簡(jiǎn)單的分析，以及在數(shù)據(jù)可視化的工具上去做一些看板，來(lái)幫助營(yíng)銷團(tuán)隊(duì)監(jiān)測(cè)營(yíng)銷活動(dòng)的表現(xiàn)，并且找出他們關(guān)心的 KPI 增長(zhǎng)或下降背后的原因。

除了數(shù)據(jù)分析，現(xiàn)在越來(lái)越多的科技公司也有市場(chǎng)數(shù)據(jù)科學(xué)這樣的架構(gòu)

例如 Joy 就是 marketing 領(lǐng)域的 data scientist，他們會(huì)專門為 stockholder 去回答一些更加復(fù)雜的問(wèn)題，比方說(shuō)去幫助營(yíng)銷部門來(lái)優(yōu)化一年的營(yíng)銷預(yù)算，幫助來(lái)建立個(gè)性化推薦的算法，或者做很多優(yōu)化營(yíng)銷創(chuàng)意的測(cè)試等。很多營(yíng)銷數(shù)據(jù)科學(xué)家除了要去利用統(tǒng)計(jì)建模，機(jī)器學(xué)習(xí)來(lái)解答這些問(wèn)題之外，還經(jīng)常會(huì)在工作中涉及數(shù)據(jù)管道的搭建等 。

你以為只有這些高大上的職位才能做數(shù)據(jù)分析嗎？不不不，后勤也要做數(shù)據(jù)分析。舉一個(gè)我現(xiàn)在公司的例子吧，

我們公司做物聯(lián)網(wǎng)設(shè)備，會(huì)定期給線下的商家門店送一些宣傳的物料，讓他們?cè)陂T店里擺放。假如你是一個(gè)商家，你不管需不需要，你都要接受，因?yàn)槲覀兠恐芏紩?huì)定期給你。做宣傳物料本身是需要花費(fèi)很多成本的。

但是，后來(lái)我們發(fā)現(xiàn)市場(chǎng)部發(fā)現(xiàn)不是所有的商家都這么頻繁的需要物料，給商家無(wú)差別的發(fā)放物料，商家用不完就會(huì)扔掉，造成了大量浪費(fèi)。而且大家用同樣的物料，不同門店之間轉(zhuǎn)化率還是相差很大，有的商家做的優(yōu)秀，有的商家做的差的還是很差，可見(jiàn)物料并不是決定轉(zhuǎn)化率的決定因素。

所以我們現(xiàn)在就做了一個(gè)線上物料管理平臺(tái)，這樣商家可以按需領(lǐng)取物料也節(jié)約了我們很多物料的成本。大家形成雙贏。同時(shí)根據(jù)我們的線上物料平臺(tái)，我們可以知道物料領(lǐng)取的數(shù)據(jù)，發(fā)放的數(shù)據(jù)，以及哪些商家是用的比較多的，哪些商家是比較少的，這樣我們的后勤運(yùn)營(yíng)人員可以通過(guò)數(shù)據(jù)分析對(duì)商家的門店投放效果進(jìn)行一個(gè)評(píng)審。

高級(jí)階段：商業(yè)分析專家-指南針

激動(dòng)的心顫抖的手終于講到大神了，這時(shí)候要求我們數(shù)據(jù)分析師對(duì)市場(chǎng)、上下游、商業(yè)有強(qiáng)烈的洞察力，具備較強(qiáng)的邏輯思維能力，敏銳的觀察能力和獨(dú)立分析能力。很多商業(yè)分析師是需要獨(dú)立完成一份行業(yè)分析報(bào)告，站在整個(gè)行業(yè)的角度，去看待本公司、所有競(jìng)品公司、上下游的各種關(guān)系與優(yōu)劣勢(shì)。作為一個(gè)高級(jí)的數(shù)據(jù)分析師你已經(jīng)完全擁有了指哪打哪的能力！

比如：在金融服務(wù)行業(yè)擁有大量數(shù)據(jù)和資金，長(zhǎng)期以來(lái)一直采用預(yù)測(cè)分析來(lái)檢測(cè)和減少欺詐、衡量和管理風(fēng)險(xiǎn)、最大化營(yíng)銷機(jī)會(huì)并留住客戶。各種規(guī)模的銀行都依賴預(yù)測(cè)分析。

在營(yíng)銷中 ， 預(yù)測(cè)分析用于確定客戶的反應(yīng)或購(gòu)買，以及促進(jìn)交叉銷售機(jī)會(huì)。 許多公司使用預(yù)測(cè)模型來(lái)預(yù)測(cè)庫(kù)存和管理資源。

舉一個(gè)典型的數(shù)據(jù)預(yù)測(cè)案例吧：

大家平時(shí)肯定刷過(guò)短視頻，而且經(jīng)常一刷就停不下來(lái)，當(dāng)你在連續(xù)好幾個(gè)小時(shí)刷視頻的時(shí)候，其實(shí)就是一個(gè)典型的大數(shù)據(jù)預(yù)測(cè)應(yīng)用。

短視頻平臺(tái)會(huì)根據(jù)你看視頻停留的時(shí)長(zhǎng)，你的點(diǎn)贊，你的評(píng)論，你的收藏，結(jié)合短視頻本身的標(biāo)簽屬性，來(lái)預(yù)測(cè)你喜歡哪種類型的短視頻，然后推送給你，讓你刷到的都是自己喜歡的。

就這樣，你不斷的在短視頻上消耗時(shí)間，而平臺(tái)也獲得了大量的用戶流量，再通過(guò)廣告的方式變現(xiàn)，賺的盆滿缽滿。而這背后都是數(shù)據(jù)科學(xué)的功勞，如果數(shù)據(jù)科學(xué)預(yù)測(cè)的結(jié)果不能讓用戶刷到喜歡的短視頻，用戶使用的時(shí)長(zhǎng)就會(huì)變短，流量自然也會(huì)下滑。

能做到這一點(diǎn)的數(shù)據(jù)分析師，市場(chǎng)價(jià)不會(huì)低于百萬(wàn)年薪的。

如果把咱們數(shù)據(jù)分析比作一個(gè)廚師做菜的過(guò)程呢，那咱們就是先走進(jìn)飯店，今天講的課就是咱們已經(jīng)半只腳踏進(jìn)飯店啦，然后再看看顧客下單，然后看到下單之后呢，我肯定要設(shè)計(jì)一個(gè)方案，就是咱們?cè)O(shè)計(jì)方案的過(guò)程。

這些都處理好，處理好之后，那我要開(kāi)始備料了，備料其實(shí)是數(shù)據(jù)采集的過(guò)程。備好料之后，然后接下來(lái)咱們就開(kāi)始切菜，切菜就是數(shù)據(jù)處理拉。切好菜，我們就可以烹飪了，烹飪實(shí)際上是數(shù)據(jù)分析。最后端菜就是我們的數(shù)據(jù)呈現(xiàn)。

數(shù)據(jù)分析是一個(gè)非常龐大的體系，今天的課程只是一個(gè)導(dǎo)論，讓大家知道這個(gè)崗位具體需要掌握一些什么能力，以及未來(lái)發(fā)展空間，之后我們會(huì)講數(shù)據(jù)分析的實(shí)戰(zhàn)與應(yīng)用，請(qǐng)大家期待下。