目前大部分的企業領導都提過乙個詞「資料驅動」，大家似乎都知道在目前的數字經濟概念下「資料」是時代和企業的新能源。很多網際網路公司或者相關企業都在擴建自己的資料中心，大的企業開始搭建自己的資料服務中臺，中小微或者創業型公司會購買價效比高，落地快的資料類產品。大體來說主要有兩個方向，1.偏底層基礎能力，搭建資料倉儲，資料集市，形成報表對外輸出；2.偏業務運營，對已有的資料深耕細作，名曰精細化運營。簡而言之乙個是向上做資料整合，把一堆資料堆到一起；另乙個是向下對資料抽絲剝繭，力圖找到可解釋業務變化的原因。
資料分析不應該停留在資料本身，資料和excel、ppt一樣都是一種工具，它是為了服務於企業的，就像汽油之於汽車，不是說汽油好的，多的車就一定跑的快，如果輪胎、發動機、底盤等等任何一樣不好它都跑不好。資料分析的重點在於「分析」二字。任何資料分析首先要考慮的應該是現階段公司、部門或者某次活動某個產品的重點目標是什麼，而不是一味的資料堆砌出報告，作評價一定是有標準的，沒有目標的評價就是無的放矢（排除探索類分析）
常規資料分析套路：
一般產品的週期目標：1.產品運營，使用者增長；2.品牌露出，流量變現；3.深層優化，轉型公升級，三大步完成迴圈。
一.產品運營，使用者增長：
這一步主要是使用者運營，1.使用者留存，日留存、周留存、月留存，對應的有dau/wau/mau分析，不同行業側重點不同，例如社交、新聞類考慮dau，服務、金融類考慮wau甚至是mau。2.使用者分群，根據產品屬性抽象出多個標籤，大家都知道的「二八法則」使用者分群可以找到「二」的那些超級使用者的屬性標籤，然後針對性做使用者引導可以提公升更多的超級使用者量。
二.品牌露出，流量變現：
3.深層優化，轉型公升級：
這一步主要是產品分析，1.建立產品功能點指標檢測，從異常資料指標入手 ，分析使用者和產品的互動問題；2.新功能上線後的使用者留存，判斷新功能的必要性和優化空間以及對核心功能的貢獻度；3.每次的產品版本迭代的歷史資料歸因分析，從而抓住使用者的心理和偏好不斷優化（使用者的行為心理不能主觀臆斷，要在歸因分析中找到切實的資料證明）
總結：一切商業資料分析的最終目的都是助力公司業務增長，為公司或者產品的下一部動作做的各類前置性分析（覆盤分析也是為了下次部署的更好）
階段性總結
今天聽學長交流了一些人生的經驗，便有了一些感觸，加上對自己最近的學習狀態的總結，就寫一篇部落格給自己一點指示。最近渾渾噩噩的，有幾次考試也沒考好，考後也沒總結。晚自習本想刷一些題，複習一下，或是學習一點技術。看見其他同學在打擺，便動搖了。最後心中也只是徒留深深的罪惡感。所以我也是時候對自己的未來進行...
階段性總結
感覺上個星期還挺痛苦的，因為要練演算法，每個人都告訴我說演算法很重要很重要，但是演算法對我來說就像是一根很亂的神經，一觸就炸了，可我的驕傲還不允許我放棄。在leetcode上練習的時候是直接告訴用什麼方法，在寫藍橋杯演算法的時候就像是閱讀理解，經常讀不懂是什麼意思，要不就是理解錯誤，追根究底還是做的...
自考階段性總結
週六日這兩天的自學考試就這樣隨著落日再是告一段落，這是自己經歷的第三次自考。就著這一步走來的歷程著實令人緊張而又亢奮的，一次次的考試，乙個個課程的考試，讓我們朝著自考畢業證更進一步。總體而言，自學考試的經歷實在難稱完美。頓時轉折自己的學習需要不斷總結，需要針對這一屆的學習方法來個總結，思考這樣的學習...