【笔记】2022.6.7 数据分析概论

1. 互联网行业认知

2. 互联网产品认知

3. 数据分析师的能力层级

4. 理解数据

4.1 数据分类

4.2 数据业务分类

4.3 数据的来源

4.4 数据的存储

4.5 OLTP vs OLAP

4.6 数据仓库

4.7 Hadoop

附：Hadoop

5. 理解指标

数据分析师的工作：

1. 日常指标监控（通常是公司比较重要的运营指标）。
2. 发现异常，定位问题（找到原因）。
3. 运营活动复盘。

5.1 用户数据指标

5.2 行为数据指标

5.3 产品数据指标

5.4 推广付费指标

5.5 从产品运营的完整生命周期看指标分类

5.6 指标的维度

5.7 指标的选择

6. 指标体系

6.1 什么是指标体系

6.2 指标体系的作用

6.3 如何建立指标体系

6.4 指标的落地和迭代

6.5 常见问题

6.6 如何进行数据规划

6.6.1 OSM模型

6.6.2 UJM模型

6.6.3 场景化

6.7 指标分级

7. 数据分析流程

8. 数据分析方法

8.1 为什么要学习分析方法

8.2 5W2H分析法

8.3 象限法

8.4 逻辑树分析法

8.5 多维度拆解法

8.5.1 辛普森悖论

8.5.2 多维度拆解法

8.6 漏斗分析法

（1）关键业务流程必做漏斗分析

（2）通过漏斗的对比可以迅速锁定哪一步出了问题

8.7 对比分析法

例子：锚定效应


总结：

（1）数据再比较的过程中才能发现问题。

（2）数据再构成（结构）上的变化、趋势上的变化一定要注意，这些地方最容易发现问题。

8.8 相关分析法

注意：相关不因果

9. 增长黑客

9.1 AARRR模型（已过时）

9.2 RARRA模型

9.3 AAARRR模型

附：三级联查

附录：马斯洛需求层次理论