学习内容
数据思维，业务知识，Excel，数据可视化，SQL，统计学，Python
数据分析的结构层次
1 底层数据的收集/产品端收集 数据采集简称为埋点，收集用户在网页端，产品端，客户端等终端的数据，也包括第三方外部数据
用户行为---原始数据（数据库）
2 数据业务化/产品需要什么样的数据？ 将收集到的数据转换为可理解可量化可观察的业务指标。单纯的数据没有意义，只有和业务结合才能发挥价值。
原始数据---加工数据 比如把说的话变成文字，深层次提炼出标签
3 数据决策和执行/怎么让产品更好 当从数据中获得了洞察，就需要把洞察转化为策略，这也是包含分析的过程。执行既包含策略的制定，也包括优化和改进。这是持续的。
可视化数据/信息---数据决策
4 数据模型/产品开始自动化和系统化的运营 这是将策略制作成数据应用和产品，当你洞察到数据中蕴含的规律，什么样的额用户喜欢，什么样的商品会被购买，什么样的活动形式会更好，就尝试把这些做成系统。
数据决策---数据产品/应用
5 数据战略/指导未来
当积累了大量的数据，大量的模型，大量的数据应用时，公司级的数据体系已经具备雏形，它不只是数据分析，而是应该将数据变现。
数据工具---数据体系/战略
What 三种核心思维
Why 数据分析的思维技巧
How 如何在业务时间锻炼分析能力
网友评论