[數據分析的3點要求】第一，熟悉業務，不熟業務，分析的結果將脫離實際，業無從指導；第二，多思考，只有經常發問為什么是這樣的？為什么不是那樣的？只有這樣才有突破點；第三，多動手，不動手，靠腦袋想是不夠的，不要怕錯，大不了錯了重來。——@小蚊子樂園
數據分析不僅是個工具，而且是門藝術，優秀的數據分析師不光要懂業務、懂管理，懂分析、還要懂創意、懂設計、懂生活，所以數據分析師也是個藝術家。——@小蚊子樂園
【數據分析流程】首先明確分析目的，然后搭建分析體系，確定各個分析內容，進行數據搜集、數據處理、數據分析、數據展現逐步完成，最后檢驗是否達到分析目的！ ——@小蚊子樂園
【以終為始的分析原則】我做這個數據分析的目的是什么？然后，再根據這個目標倒推應該從哪幾個角度、指標進行分析。——@小蚊子樂園
【數據分析5步走】1、鎖定分析目標，梳理思路，叫紙上談兵；2、把雜亂的數據整理出圖表報表，用數據探業務，叫自問數答；3、鎖定核心抓重點，設定最終算法，叫挾天子以令諸侯；4、梳理重點發現，準備劇本開拍，接受PK，叫才辨無雙；5、效果梳理，總結經驗，叫內視反聽。——@數據挖掘與數據分析
【數據分析框架的重要性】問題的高效解決開始于將待解決問題的結構化，然后進行系統的假設和驗證。分析框架可以幫助我們：1、以完整的邏輯形式結構化問題；2、把問題分解成相關聯的部分并顯示它們之間的關系；3、理順思路、系統描述情形/業務；4、然后洞察什么是造成我們正在解決的問題的原因。——@小蚊子樂園
數據分析如果一開始數據分析方向就錯了，所有努力都是徒勞，后果不堪設想。親們，數據分析前先明確目的，再根據分析目的確定分析框架與內容，以及所采用的數據分析方法。 ——@小蚊子樂園
【常用數據分析方法】：趨勢分析：查看一段時間某一數據或者某一組的變動趨勢，得出某一個業務上升、下降、平穩、波動等趨勢信息；對比分析：自己和自己比，找趨勢、規律；自己和別人比，找差異、問題。結構分析：拆字訣，子類目、屬性值、新老會員、各個運營節點，都可拆。——@電子商務研究員
【數據分析注意點】1、要注意每種統計分析方法的適用范圍；2、使用不同的數據分析方法對同一問題進行解釋，來互相驗證結論的真偽，多次嘗試；3、結果要使用通俗易懂的語言或圖表進行描述；4、需要耐心和細致，不能出現任何疏漏，別一個老鼠害一鍋湯；5、高級數據分析不一定是最好的，簡單有效才是最好的。 ——@數據挖掘與數據分析
【如何用數據看透問題】1、確定指標，看數值；2、問題還不夠明確？將指標層層分解；3、只看數值還不能確定問題？多周期看趨勢；4、問題初步明確了，找不到原因或者發力點？將統計對象分類，拆解為不同角度來觀察；5、參考行業對比數據，如果有的話…而每一步具體怎么走，全靠業務理解！——@數云宋向平
營銷應關注——市場細分，市場定位，目標用戶。 運營關注——新客獲取，用戶轉化，重復購買。網站關注—— 入口頁，過渡頁，轉化頁。數據分析三原則——現狀， 趨勢，細分。——@小蚊子樂園
【統計方法的三大特性】1、實用性：除了實情，數據能證明一切；2、豐富性：統計就像比基尼，露出來的部分固然誘人，沒露出來的部分才是最要命的；3、公平性：我們相信上帝，其它人請用數據說話。——@數據挖掘與數據分析
【你敢說你是做數據分析】從事數據分析工作的朋友也越來越多，但有誰敢說自己對數據分析有個清晰的認識？知道數據分析是做什么用的？可解決什么問題？能用簡潔的語言回答下列問題嗎？這時候你還敢大聲說你是做數據分析的嗎? ——@小蚊子樂園
【數據分析能力提升方法】1、多看書，看各種專業書籍，如統計、管理、營銷、工具方面書籍，吸收其精華；2、多思考，多想想是什么？為什么？如何做？3、多總結，把學到的知識技術進行總結沉淀，變為自己的東西；4、多交流，通過各種方式，聽君一席話，勝讀十年書；5、多動手，沒有實踐，神馬都是在扯蛋。 ——@數據分析那些事
數據分析學習不能死板，不要學到一就是一，而是需要掌握其原理，能夠靈活運用，舉一反三，那就是真正學到了。數據分析方法、工具的學習也是如此！——@小蚊子樂園
【數據分析師的價值】大量存在的數據以及處理這些數據的強大計算技術使得分析工作顯得越來越重要，但技術并非全部內容。這就像變魔術一樣，變魔術的是魔術師而不是帽子。數據的價值就在于分析人員透過它獲得問題的解決方案，為企業決策和企業活動提供輔助作用，最終取得良好的結果。——@小蚊子樂園
【數據分析的三大境界】1、我知道你不知道，對已知的掌握；2、我猜到你猜不到，基于已知對未知的預判；3、我做到你沒做到，基于正確的預判形成正確的行動決策。——@caoz
【數據分析與數據挖掘的區別】數據分析找數據變化的原因和本質，數據挖掘是找模式，找一種發現知識的模式。好比，今天股市大漲，數據分析是找漲的原因，數據挖掘是發現什么樣的容易漲；數據分析更加偏向于描述性的分析，和數據挖掘更加偏向于預測性的分析，但兩者的本質是一樣的，都是從數據里面發現關于業務的知識！——@數據挖掘與數據分析
【數據分析方法論】?PEST分析理論：行業分析；?4P分析理論：公司整體運營情況分析；?邏輯樹分析理論：業務問題專題分析；?用戶使用行為分析理論：用戶行為研究分析；?5W2H分析理論：用途廣泛，可用于用戶行為分析，也可用于業務問題專題分析。——@誰說菜鳥不會數據分析
【如何撰寫數據分析報告】一份好的數據分析報告，首先需要有一個好的分析框架，并且圖文并茂，層次明晰，能夠讓閱讀者一目了然。結構清晰、主次分明可以使閱讀者正確理解報告內容；圖文并茂，可以令數據更加生動活潑，有助于閱讀者更形象、直觀地看清楚問題和結論，從而產生思考。——@小蚊子樂園
【分析獅月經攻略】分析獅每月都有煩惱的那么幾天，就是撰寫經營分析報告。其實經分報告撰寫也是有章可循的：1、了解大盤指數；2、縱向解讀；3、橫向解讀；4、趨勢解讀；5、對策解讀。——@數據分析那些事
【寫給搞經分的】經分苦，經分累，經分讓人真憔悴；跑數據，做報表，周末不能有休息；看環比，看同比，看看平均與高低；數字多，數字少，業務部門找咱扯；分析好，分析壞，各級領導批批踢。——每月一次，俗稱月經。——@鄭來軼
【數據分析思路遵循4W模式】當企業面臨某個營銷難題時，數據分析能回答四個問題：營銷難題是什么？為什么會產生？難題未來如何發展？如何解決？這四個問題的分析與解讀，對企業的支持程度是遞增，分析難度也是遞增。由此衍生數據分析八個等級、四類報告和兩個階段。——@數據小宇軍
數據分析要講究體系和方法，不要孤立看待數據，應把數據聯動起來，橫向和縱向結合分析，數據是死的，人是活的，分析時要看到指標背后蘊藏的信息，有時不要想指標簡單沒有分析價值，非用NB算法套模型才叫分析，或只盯著指標不放手，簡單分析不深入挖掘，這兩種都是不行的。——@jetpv
【數據分析需重點把握三大方向】用戶、營銷、業務。時刻記住：我的用戶在哪？有啥特征？用戶需要什么？營銷活動怎樣跟蹤與評估？如何針對客戶需求優化業務及完善業務？產品的價格和渠道特性如何的？——@ETwise
如何判斷數據分析師正處于分析流程哪個階段： 1、手托腮幫，深思痛苦狀，在思考分析思路； 2、手放鍵盤上，不動，表情呆滯，在數據處理； 3、鼠標在飛快移動，在用數據透視表做分析； 4、鼠標不斷左右鍵交替點擊，在畫圖表； 5、斷斷續續敲擊鍵盤，時而移動鼠標，在寫PPT分析報告。——@小蚊子樂園
【數據分析的七重修煉】第一重：建立經營坐標系第二重：依據變化隨時調整第三重：打散重組建立體系第四重：專項監控尋求突破第五重：指標考核優化管理第六重：市場監控知己知彼第七重：預測趨勢掌握領先。如何用數據經營和決策。——@某淘寶講師
【數據分析六面性】 1、想得清：根據運營使用各種數據分析來支持；2、提得全：找全需要的數據； 3、拿得到：能通過開發、產品，拿到靠譜的數據；4、看得懂：通過分析的發現趨勢、規律、問題；5、玩得轉：能透過現象看本質，找出背后的原因；6、用得上：得出數據分析結果時，能客觀地對待，真正支持決策。——@數據海洋
【數據在電商中的應用】1、用戶在哪里:市場調研,目標用戶挖掘、產品定位、尋找價值用戶等；2、如何營銷用戶:用戶行為挖掘挖掘、用戶瀏覽路徑分析等；產品分析通過關聯、交叉銷售、用戶消費偏向等；3、如何留住用戶：建立會員生命周期以及根據用戶訪問習慣、購買喜好等進行精細化營銷。——@數據挖掘與數據分析
【大數據分析的5個方面】①可視化分析：直觀展示數據，讓數據自己說話，讓觀眾聽到結果。②數據挖掘算法：可視化是給人看的，挖掘是給機器看的。③預測性分析：做出一些預測性的判斷。④語義引擎：非結構化數據的多樣性帶來了數據分析新挑戰。⑤數據質量和數據管理。——@數據挖掘與數據分析
【分析問題與解決問題的七步法】管理咨詢公司常用的方法論之一，有時候根據實際項目需要，可靈活調整七步的內容。最簡單的七步法是：1）定義問題；2）收集整理信息；3）選取分析方法；4）數據提取整理；5）分析結果與結論；6）實施及建議措施；7）實施效果評估及報告整理。——@錢皓-互聯網分析師
【游戲數據分析】主要分為常規的基礎數據和定制的游戲系統數據。基礎數據主要為設置監測指標，包括用戶數據（注冊、DAU/MAU、留存與流失），在線數據（ACU/PCU,單次在線時長）,收入數據（付費人數，ARPU,活躍用戶付費率）；還涉及專題數據挖掘，主要包括靜態和動態數據。——@游戲數據分析
讓數據分析變的有趣的方法是，把自己想象成福爾摩斯，數據背后一定是真相！——某網友
做數據分析就要耐得住寂寞，經得起考驗，受得了煎熬，做得到淡定！——@小蚊子樂園
工欲善其事，必先利其器！數據分析也好，統計分析也好，數據挖掘也好、商業智能也好都需要在學習的時候掌握各種分析手段和技能，特別是要掌握分析軟件工具！——@沈浩老師
【數據分析師必備十條技能】1、分析之處懂得目標；2、數據少時懂得積累；3、數據多時懂得抽樣；4、指標多時懂得提取；5、變量多時懂得降維；6、用戶多時懂得分類；7、算法多時懂得取優；8、數據展示懂得可視；9、結果發布懂得評估；10、有成績時懂得低調！——@數據挖掘與數據分析
【數據分析師職業要求】1、興趣；2、愛鉆研，干活務實；3、專業知識（統計學、社會學，計算機、行為學等）；4、掌握一種統計工具（spss、sas、 r等）及數據庫語言（SQL）；5、喜歡撲捉前沿，廣交友；6、了然基本算法（回歸，聚類，決策樹、關聯）；7、EXCEL、PPT要苦練；上乘心法：大膽假設，小心驗證；——@數據挖掘與數據分析
【數據分析師級別】1、數據跟蹤員：機械拷貝看到的數據，很少處理數據 2、數據查詢員/處理員：數據處理沒問題，缺乏數據解讀能力 3、數據分析師：解讀數據，定位問題提出答案 4、數據應用師：將數據還原到產品中，為產品所用 5、數據規劃師：走在產品前面，讓數據有新的價值方向。——網友 dong_hong1
【數據分析吐槽】1、不關注業務，分析挖掘永遠是華麗的盛裝，不實用；2、不重視底層數據，談數據挖掘分析，永遠是空中樓閣；3、數據不集中，分析永遠看不清全局的風吹草動；4、不尊重數據分析師，您永遠體會不到數據化應用的樂趣和價值；5、不解決60%~80%的ETL，永遠讓表哥表妹難以發威，深惡痛絕！——@數據挖掘與數據分析
【數據分析中易犯的錯誤】1、無明確分析目標；2、未合理安排啟動到結束時間；3、重收集輕分析，多數時間在做夢找數據；4、收集數據太多，導致無法整理及分析；5、不懂得分析哪些數據，手中有數心中無數；6、表格圖表展示不美觀，不清晰，缺乏信息傳遞能力；7、不能有效的堅持，每個分析長期堅持才有價值。——@數據挖掘與數據分析
數據分析的重點是在結合業務的基礎上，做到分析思路清晰，邏輯層次分明。分析思路相當于功夫中的心法，掌握并靈活運用分析思路，就可以隨心所欲，達到手中無劍心中有劍的境界！——@數據分析那些事
要想發揮數據分析的價值，必須首先了解甚至要精通業務。業務邏輯及運作原理不清楚，數據分析就很容易變成單純的數字與圖表游戲。自娛自樂而已！——@王厚東HD
【數據分析名言】你不能衡量它，就不能管理它。–管理大師 彼得杜拉克
【數據挖掘解決精準營銷的三大問題】1 我們這次營銷的對象是誰？聚類分析、異常分析、RFM分析、決策樹、神經網絡、 logistics ； 2 如何營銷？關聯分析、序列分析 ；3 什么時間營銷？生命周期挖掘、時間序列、回歸分析。4、如何評估，T、卡方檢驗，對比分析，環比同比。——@數據挖掘與數據分析
【數據挖掘能夠解決幾類常見的商業問題】1、目標用戶選取，進行精確推送；2、客戶預警流失，幫助挽留客戶；3、客戶市場細分，對各細分市場進行刻畫；4、客戶價值評估，形成評估體系。而數據建模來多數是分類、關聯、細分。但是很多數據挖掘項目都是浮云，項目很難推動下去，除非能固化在系統上。—— @ETwise
數據挖掘關鍵是業務與統計相結合，并不是想象中的那么難。歸納如下：數據挖掘所用的最多的還是基礎統計分析，如描述性分析、探索分析、交叉表，同時需要掌握聚類分析、關聯分析、決策樹、Logistic回歸等高級統計分析。值得注意的是，結合商業價值的目的使用恰當的數據挖掘模型變得很重要。—— @ETwise
【數據分析經驗分享】①分析方法無高低級之分，只有解決問題的方法才是最好的；②模型可以玩的很復雜很高深，但結論和應用一定要通俗易懂；③方法不要生搬硬套，有時應用條件和場景不符，結果偏差甚至錯誤；④對同一個問題進行剖析，盡可能用不同的方法、從不同的角度去闡述驗證結論。——@數據分析精選
想知道一位數據分析師在公司的地位，只要問一個問題就夠了：你的老板是誰；數據分析在電商中的運用，不是難在技術，而是難在商業意識；數據驅動比用戶體驗的時代會更早到來，因為能直接帶來現錢。——@車品覺
【成功演講三大要素】第一要有層次清晰的邏輯框架，使聽眾易于理解；第二要有有力的數據分析，用數據說話；第三要有典型案例，最好是自己親身經歷，能給人以強烈的感染力。——@數據分析那些事
【數學老師講極限的案例】男孩喜歡上女孩，向她表白，女孩拒絕說：我整整比你大一歲。男孩說：我1個月時，你13個月。你是我的13倍。我2個月時，你 14個月。你是我的7倍。我一歲時，你兩歲，你是我的兩倍。只要你愿意和我永遠在一起，我們總在慢慢接近。。。——@數據分析那些事
【數據分析師的十大傷心事】①沒有存盤數據變浮云；②分析完后才發現原始數據是錯誤的；③被老板要求修改分析結論；④演示時被發現有個數據是錯的；⑤被質疑結論有針對性；⑥數據量大電腦被跑死；⑦數據源有問題飄忽不定；⑧分析結果被”全國人民”恥笑；⑨看不懂別人的分析報告；⑩加班。——@數據化管理
【商業智能系統3步曲】1、管數據，有效的整合數據業務生產系統、二手數據、調研數據，保證數據的完整、準確、及時和統一；2看數據，基于業務的關鍵指標統計報表、即席查詢；3、用數據，將數據分析、數據挖掘的研究成果融入到系統中去，用到業務生產中去，實現真正的商業發展智能化。——@數據挖掘與數據分析
【數據分析貴在專業功底和解讀能力】數據分析之所以痛苦，一方面在于數據處理技能，更重要的方面是透過數據看問題的能力。不能透過數據看問題，背后的主要原因是專業知識的不扎實，不能真正做到以數據說話。數據處理技能可能經過培訓短期之內可以提高，可專業知識才是內力，需要不斷積累與思考。——@數據分析精選
目前流行兩種數據挖掘和分析，一種是技術部門提供數據分析支持，他們發揮價值的前提是業務需求必須明確且業務人員洞察數據能力必須強。還有種業務部門的分析，他們的特點是分析到執行快速且可適應變化，但業務面窄可能考慮片面，分析方法比較單一。 ——@innovate511
作為一名優秀的數據分析師，不僅能夠發現問題，發現問題同時要提供解決方案；不僅是一個方案，還要有多個方案；不僅有多個方案，對每個方案還要有評估意見；不僅有評估意見，還要把自己傾向性意見加以說明；不僅說明傾向意見，還要把每個方案可能的結果預測和描繪，提供給領導做決策。——@數據化分析
【數據分析工作的樂趣】數據分析的目的是為了管理，決策提供依據，并在運營中不斷發現問題及解決問題。當沉浸其中的時候，當績效不斷提升的時候，我們會發現工作原來是快樂的、有趣的！ ——@數據分析精選
【數據挖掘分析師的價值】從繁雜數據中主動找出眾人可以理解，但出乎眾人意料的線索。與業務人員一道探尋問題的根源，提出高效并可執行的策略方案，最終能與決策層對企業的發展思路碰撞出閃亮的火花。協助領導提升決策的準確性，加速決策的執行力。——@平八_數據挖掘
【散點圖的五大妙用】1、衡量變量之間關系；2、繪制自由的完美曲線圖；3、繪制衡量標準，如平均線；4、輔助添加圖形文本標簽；5、矩陣關聯分析，如波士頓矩陣等。——@小蚊子樂園
【致數據分析師們】上得了廳堂，下得了廚房；算得出流氓，查得出異常；面對過戰場，質疑還要抗；偶爾也彷徨，心酸肚里藏；老大要得急，同事催得忙；EXCEL要棒，PPT還得強；整個就是一新時代的灰太狼。——@數據化管理
【電商數據分析主要的指標】①網站使用：PV/UV、在線時間、跳失率、訪問深度、轉化率等；②流量來源分析：各渠道轉化率、ROI、自然流量比重趨勢等；③運營數據：總銷售額、訂單數、客單價、人均消費、單均商品數、訂單轉化率、退貨率等；④用戶分析：會員的地區分布、年齡分布、重復購買率、注冊時長。——某網友
【管理工具和方法】1、SWOT分析模型：優勢、劣勢、機會s、挑戰；2、PDCA工作法：計劃、行動、檢查、改善；3、5W2H分析法：when/where/who/what/why，how/how much；JIT理念：Just in time；6P:產品、價格、促銷、渠道、權力、公共關系；4C:消費者、成本、便利、溝通；4R:關聯、反應、關系，回報。——某網友
數據分析，必須搞清楚幾個概念及彼此間關系：數據、比較、分類、綜合、趨勢、分析等。——@......
