目录 一、认识数据——产品经理与数据分析 1.1 数据的客观性 1.2 面对数据的智慧 1.3 数据分析中的误区 二、获取数据——产品分析指标和工具 2.1 网站数据指标 2.2 移动应用类数据指标 2.3 电商类数据指标 2.4 UGC类数据指标 三、分析数据——产品数据分析框架 3.1 基本分析方法 3.2 数据分析框架——AARRR 3.3 数据分析框…

电子商务数据分析经验总结-三年工作总结。

摘要：基于一项针对620多位数据专家的调查研究，我们发现数据科学技能分为三个分支：行业知识背景（本文特指商业），技术/编程和数学/统计。这项研究将影响目前数据科学家，即将成长为数据科学家和招聘者。 数据科学是从数据中提取信息的能力。普遍认为三个主要技能将有助于提升数据科学能力。它们是：行业知识背景（商业上为商业头脑），技术/编程，数学/统计技能。 在这项数据…

摘要：毋庸置疑，大数据市场是一座待挖掘的金矿。随着数据使用量的增长，将有更多的人通过数据来寻求专业问题的答案。可视化数据分析工具的出现让人们可以通过将数据可视化来探讨问题、揭示洞见，用数据分享故事。甚至于不懂挖掘算法的人员，也能够为用户进行画像。 BI(BusinessIntelligence)即商业智能，越来越多的智能软件供应商推出可视化数据分析工具，应对…

验证最小化可行产品(MVP)的15种方法。

摘要：互联网产品的用户增长离不开卓有成效的推广。而目前，国内大量的移动应用或网络推广公司鱼龙混杂，不少产品在推广方面投入了大量的人力财力，却收效甚微，白白的浪费钱不说，往往还因此失去了快速占领市场的先机。 因此，评估推广渠道质量，识别渠道作弊是每一个互联网产品的运营团队的必备技能。 下面我们就来看看「某某商城」的运营负责人，是如何通过数据分析有效评估渠道质量…

摘要：在本篇文章中，将对机器学习做个概要的介绍。本文的目的是能让即便完全不了解机器学习的人也能了解机器学习，并且上手相关的实践。当然，本文也面对一般读者，不会对阅读有相关的前提要求。 在进入正题前，我想读者心中可能会有一个疑惑：机器学习有什么重要性，以至于要阅读完这篇非常长的文章呢？ 我并不直接回答这个问题前。相反，我想请大家看两张图，下图是图一： 图1 机…

为什么您的数据挖掘项目成果总是难以落地？或者数据挖掘的价值总是远远低于预期？无论您是项目管理者还是数据分析师，相信看完这篇文章，每个人都能找到一个属于自己的答案。

在我们之前分享的文章《一名合格的机器学习工程师需要具备的5项基本技能，你都get了吗？》收到了读者的热烈响应。在这片广受赞誉的文章当中我们向大家介绍了成为机器学习牛人所需具备的关键技能。现在，我们将来自读者关于上一篇文章的问题进行汇总，发现其中大家最关心的就是：掌握机器学习技能到底需要学会哪一种编程语言？ 这个问题的答案或许会让你大跌眼镜——掌握哪一种编程语…

一个数据分析牛人的职业规划

本文借用国外评图应用例子说明如何使用由新加坡科技设计大学（简称 SUTD）提出的创新工具箱来规划用户研究。该工具箱可能会在您下次遇到“每个人都知道”如何解决的情况时派上用场。

准度提高没有那么快，在准度相对固定的情况下，要赢得比赛，需要怎么样的策略？

谨以此文，献给在路上的年轻朋友们!

大部分数据都是模拟趋势数据，要获得一个产品的绝对历史下载量是一件很难的事情，你要知道每个App都是分版本向App store或者安卓应用商店提交的，所以理论上我们需要看的是这个版本的下载量和活跃度。

这篇文章是一个投资者对数据分析在过去25年的回顾。作者西蒙迪斯从投资者的角度讨论了数据分析的变革，认知应用的价值，以及最受风投关注的大数据核心领域。

近来由于数据记录和属性规模的急剧增长，大数据处理平台和并行数据分析算法也随之出现。于此同时，这也推动了数据降维处理的应用。实际上，数据量有时过犹不及。有时在数据分析应用中大量的数据反而会产生更坏的性能。 最新的一个例子是采用 2009 KDD Challenge 大数据集来预测客户流失量。 该数据集维度达到 15000 维。 大多数数据挖掘算法都直接对数据逐…

在雇佣数据科学家最多的十大行业中，有六个行业的研究型数据科学家数量超过了其他类型的数据科学家。

数据分析是一个大话题，借这篇小笔记整理一下自己的思路：数据分析是什么？涉及到哪些技术？有哪些数据公司玩家？如何定位数据分析的价值？

摘要：对于用户端产品经理来说，监控处理日常的用户端数据是必不可少的工作之一，转化数据、用户数据、交易数据等等，都应该是列入日常监控的数据指标。 对于用户端产品经理来说，监控处理日常的用户端数据是必不可少的工作之一，转化数据、用户数据、交易数据等等，都应该是列入日常监控的数据指标。一般来说，这些数据都有固定的波动周期，每个周期内的数据变化应该是趋于稳定的，如果…

“数据驱动决策”，为了不让这句话成为空话，请先装备以下13种思想武器，相信将来你一定能用上！～