如何系统学习数据分析？
我的图书馆
如何系统学习数据分析？
很多学习数据分析的同学也都有这样一种困惑“为什么学了那么多工具，还是不会数据分析?”，原因无外乎两个，一是只学到了碎片的知识，没有建立知识之间的连接，无法形式自己的知识体系，二是缺乏实践，导致无法形成“知行合一”的工作技能。知识超载和碎片化当代人都面临两个问题——信息超载和知识碎片化。信息超载老话题不多说了，讲几个数据：全世界每天有4000本书出版，超过4亿个字；纽约时报一天的文字量等于牛顿同时代的人一生的阅读量；一个专业领域，每天大概有200个公众号正在注册，有近1000篇文字正在产生……过去杂家、博物家在现代社会已经不可能存在，即使有，也干不过谷歌度娘。结论1：知识的储存能力，人类早就被电脑完胜了，知识的搜索和链接能力，才是学习的核心竞争力。另一个趋势也很明显：知识碎片化。这个碎片化从3个方面开始——首先时间和空间被打碎，移动手机允许你在三站地铁里听完一本书；其次被打碎的是信息，如果你翻知乎、今日头条或者某个博客，你并不会像看一本书一样，知道前面一章讲什么的，后面即将讲什么，除了标题党，你根本对下一个博客、内容毫无预期，只能被动接受；最糟糕的其实是知识结构碎片化——你并不知道是谁，在什么情况下，针对什么问题讲的这句话。所有的信息缺乏了上下文，就是废话。比如说有段时间我刷管理类的文，你会发现在雷军、傅盛、彼得德鲁克、吴伯凡、马云、吴晓波……各位大佬针对同一个问题讲的内容完全不同。到底信哪个？其实雷军讲的是互联网行业；傅盛讲的是小企业逆袭，他正在做投资；彼得德鲁克用管理在讲哲学；吴伯凡老师在讲中西方文化；马云老师在对大众励志；吴晓波其实是用管理谈财经——更重要的是，他们讲话的场合，时间点和对象你一无所知。结论2如果一个人没有搜索能力，他不会知道背景；没有思考能力，不会知道为什么——这样单纯知道一句话，比不知道更糟糕。把前面两个结论放一块，结果很清晰——时间空间碎片化确实能够提高学习的效率（其实也干不过电脑），而信息碎片化和知识结构碎片化带来的，则是学习效率的倒退和焦虑之源——因为他毁掉你的主动搜索能力和主动链接的能力，也就是深度思考的能力。这就是碎片化的陷阱，极大的提高了并没有什么卵用的信息，而降低了最重要的独立思考的能力。&知识可以零售吗？最近的问答类APP非常火，先是知乎4月份在其微信公众号悄然上线了【值乎】，而后果壳网在5月份不甘示弱，上线了【分答】并且后来居上，用户活跃一下子超越了【值乎】。【分答】是一款付费语音问答产品，它的规则非常简单，有三种角色设定：回答者、提问者、偷听者。回答者只需说明自己擅长的领域，然后设置付费问答的价格，价格规定在1-500元之间，感兴趣的用户可以作为提问者付费后对回答者进行【分答】吸引人的地方有两个，一个是提问和回答能赚钱，让知识不再是免费的分享，真正做到了书中自有黄金屋；一个是明星效应，或者说是网红效应。【分答】一开始能够点爆市场，看它的卡司就知道了。有亚洲首富之子同时也是国民老公的王思聪，有各类综艺大咖如《最强大脑》的帅气教授魏坤琳、《奇葩说》第一季冠军马薇薇、《逻辑思维》创始人罗振宇等，还有演艺界的明星佟大为、汪峰等，这样强大的阵容，让【分答】在上线20几天的时候，就拿到一亿美金的估值，而国民老公王思聪，仅仅回答了25个问题，短短的25分钟时间，就赚了11万多。在一片喧嚣，全民欢腾过后，静下心想一想，以“知识的零售平台”为目的的【分答】一类的问答社区，真的能达到传播知识，提升能力的效果？如果说【知乎】的一问多答，干货至上的模式，收获的是多角度的价值观、人生观以及知识体系；【果壳】的科技报道，收获的是科技的不为人知的小细节，是沧海遗珠。那么【分答】一类的60s的语音回答，收获的或许只是跟明星的亲密接触，以及搞一个大新闻赚钱的欲望的满足。为什么这么说呢？首先，对于答题者来说，60s的时间仅足够讲1、2个笑话，对于一个知识点来说根本不足以讲透，所以这60s的回答不是用来提供知识的；其次，对于提问者来说，提问字数限制在50个字以内，提问的东西只能非常直接，根本无暇顾及问题的背景。因此在【分答】上经常出现以下的问题： & & & & &如果非要二选一做你的女朋友，你选XXX还是XXX，为啥？ &你和XXX的性福生活是真是假？ &你多久啪啪啪一次，最近的一次啪啪啪是什么时候和谁？最后，对于提问者来说，提问的目的不再是单纯的希望获得知识，而是想获得更多的人偷听，从而达到赚钱的目的，这样的目的，不利于知识的正向分享。知道哪些知识重要比学习知识更重要我们都有这样的经历，在上学的时候，准确而准时地划重点的老师会往往被同学们点赞。曾几何时，划重点成为课堂最激动人心和最令人期待的一刻。在信息爆炸时代，尤其如此，最重要的不是增加信息，而是筛选和删除信息。系统学习的重要性任何学习知识，都是相互联系，相互作用的。因此第一步就是找出各部分间的直接联系，把网络结构初步地建立起来。但是有些部分和其他部分并不一定能够建立直接的联系，那么还需要发掘第二层、第三层关系。&要明确各部分之间的关系，以及综合运用。&学习是先模糊概括，再逐渐在大框架下逐步明晰细节、完善结构、针对缺陷和不足专攻的学习方法。行动学习理论认为，人要掌握一门技能，需要有10%的时间学习知识和信息，70%的时间练习和践行，还有20%的时间与人沟通和讨论。这个原则叫做721原则。碎片化学习对于10%的信息接收非常有用，而剩下独处练习的70%和讨论的20%，则需要留出大量时间来系统学习——碎片化学习永远只是系统化学习的辅助。你需要留出足够多整块时间学习。所谓系统学习法，是指把所学内容当成是一个系统看待，力求从大方向出发指导学习，这样，在学习的时候不是按部就班按章节行进，而是先模糊概括，再逐渐在大框架下逐步明晰细节、完善结构、针对缺陷和不足专攻的学习方法。如何系统学习数据分析？在学习数据分析之前应该明白几点数据初期的准备通常占整个数据挖掘项目工作量的70%左右。数据分析师本身融合了业务知识、统计学和计算机等学科，并不是新的技术。数据分析更适合业务人员学习（相比技术人员学习业务来的更高效）数据分析项目通常需要重复一些毫无技术含量的工作。职业规划以数据分析师为例，先看一下国内知名互联网数据分析师的招聘要求：计算机、统计学、数学等相关专业本科及以上学历；&具有深厚的统计学、数据挖掘知识，熟悉数据仓库和数据挖掘的相关技术，能够熟练地使用SQL；&三年以上具有海量数据挖掘、分析相关项目实施的工作经验，参与过较完整的数据采集、整理、分析和建模工作；&对商业和业务逻辑敏感，熟悉传统行业数据挖掘背景、了解市场特点及用户需求，有互联网相关行业背景，有网站用户行为研究和文本挖掘经验尤佳；&具备良好的逻辑分析能力、组织沟通能力和团队精神；&富有创新精神，充满激情，乐于接受挑战前三个属于硬件要求，一般而言，有专业基础(计算机、统计学、数学等相关专业)入行需要3个月以上的学习。对于非专业背景的同学，入行的时间可能需要的更长，建议给自己预留6-12月的时间。而要成为一个熟手(企业用工需求最多)则需要2-3年以上的行业经验。Anyway,作为一门对数学和计算机都有较高要求的一门交叉学科，从事大数据是有一定门槛的，但相对于10年以上的职业生涯（国外顶尖数据科学家50-60岁仍然十分活跃），预备半年的时间来学习这个最炙手可热的技能还是很划算的。从业务开始学习一门技术要和行业靠拢，没有行业背景的技术如空中楼阁。技术尤其是计算机领域的技术发展是宽泛且快速更替的（十年前做网页设计都能成立公司），一般人没有这个精力和时间全方位的掌握所有技术细节。但是技术在结合行业之后就能够独当一面了，一方面有利于抓住用户痛点和刚性需求，另一方面能够累计行业经验，使用互联网思维跨界让你更容易取得成功。不要在学习技术时想要面面俱到，这样会失去你的核心竞争力。大数据是技术工具，最终的应用需要深入理解业务企业的业务场景和商业模式，甚至有人说不懂业务就不要谈大数据，可见领域知识的重要性。值得一提的是，近几年在顶尖科学杂志《Nature》与《Science》上发表的大数据文章都是来自行业专家，而并非计算机专家，这从另外一个方面反映了业务知识的重要性。get技能数学知识数学知识是数据分析师的基础知识。对于初级数据分析师，了解一些描述统计相关的基础内容，有一定的公式计算能力即可，了解常用统计模型算法则是加分。对于高级数据分析师，统计模型相关知识是必备能力，线性代数（主要是矩阵计算相关知识）最好也有一定的了解。分析工具对于初级数据分析师，玩转Excel是必须的，数据透视表和公式使用必须熟练，VBA是加分。另外，还要学会一个统计分析工具，SPSS作为入门是比较好的。对于高级数据分析师，使用分析工具是核心能力， SPSS/SAS/R至少要熟练使用其中之一，其他分析工具（如Matlab）视情况而定。编程语言对于初级数据分析师，会写SQL查询，有需要的话写写Hadoop和Hive查询，基本就OK了。对于高级数据分析师，除了SQL以外，学习Python是很有必要的，用来获取和处理数据都是事半功倍。当然其他编程语言也是可以的。勤于学习大数据时代的知识，没有像印刷时代对知识结构视为必须具备的“基础”知识，知识是非线性的，可以自由组合、切割，处于一种分散和游离的状态。未来，你必须具备快速自学和捕捉知识的能力，学习将从一个“知识储备，学以致用”的过程，向“知识构建，用时再学”的过程转变，学习将是一个持续的，乃至终身学习的过程。为此你需要具备一种快速而灵活的学习方式。参与一次系统培训：系统培训能够帮你规划并实施一个系统的学习方案，会在你起步的时候构建一个比较扎实的基础知识框架，这个过程和盖楼时先打地基的道理是一样的，地基打的越深，楼房才能盖的越高。具备项目经验的讲师会讲授很多实际工作中的项目经验，可以带领大家快速进入正确的学习通道，少走弯路。当然，培训取代不了工作实践，如前所述，多在工作中积累业务经验，技能水平才能提升的更快。在社区快速学习：在国外，除了大学，社区形式的学习平台(如、KNIME)由于知识更新快，学习时间更加灵活，形成了独特的社区学习(community learning)现象。社区里不但有初学者(freshman)，也是不少顶尖技术专家(Veteran)光顾的地方。社区是一个自由、无中心的交流学习平台，没有权威，一切都可以质疑和挑战。当然，如果要和这些高手过招，你必须先打好英语基础。未来，社区将成为从业者技能get、快速充电的重要渠道，社区或将成为继高等学校、职业学校以外的一个“无围墙”的校园。参考文章1） 承认吧，碎片化学习就是个骗局 &http://t.cn/RtkNR5N&2） 长期接受碎片化信息，会有什么后果？/p/3）数据分析师的能力和工具体系 &/p/?refer=data-analyst-improvement
馆藏&19139
TA的最新馆藏
喜欢该文的人也喜欢APP需求学习_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
APP需求学习
阅读已结束，下载文档到电脑
想免费下载本文？
定制HR最喜欢的简历
下载文档到电脑，方便使用
还剩5页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢注册 | 登录
降峰，十年产品人。百度金融资深产品经理。打造产品经理孵化课程
产品经理就业特训营，专门为大学生和准备转型做产品的人量身定制，60天线下培训，包就业！
文章为大家分析了数据分析的第一步：数据埋点的实操方法。希望大家可以有所收获。
如果你遇到了下面这些问题，那么看这篇就对了。
领导说，APP需要加一下统计，你负责搞定
研发说，APP需要统计哪些地方，你列一下埋点需求
研发说，APP的数据统计SDK用哪家的？你选好了注册一下、运营说，咱们的APP都能看哪些数据？平台在哪？怎么查首页的UV？
作为一名产品经理，数据分析是一个基本能力，在各大学习社群和论坛，经常会遇到各种各样类似的问题和数据分析的教程贴。
数据分析是一个很复杂的工作，很多人在谈如何挖掘数据，做用户画像，设计数据漏斗，如何负责用户生命周期管理，但发现很多人却卡在了数据分析的第一步，那就是如何做数据埋点。
我今天和大家谈下数据埋点的实操方法，我们花10分钟时间，学会如何走出第一步。
我们分3个部分来谈：
什么是数据埋点
埋点后能看到什么数据
一、什么是数据埋点
一款APP在开发完成后， 一定需要看数据，来分析用户量，访问量，点击量，转化率等等这些指标。
想看数据，就需要先做好数据埋点。
每个公司的情况不同，大的公司有自己的数据分析系统，很多公司都会采用第三方的数据分析平台来进行数据收集和分析。所以我们需要先了解都有哪些数据分析的网站。
HTML网站和APP的数据分析平台和埋点方式是不同的，所以大家不要混淆。
我们今天谈APP的数据分析网站和方法。
常用的APP数据分析网站:
百度移动统计
二、如何埋点
埋点不管是用那家的平台，基本思路都是一样的，我们今天给大家一个通用的思路和方法。可以让大家快速的试验和动起来。
首页降峰老师先明确下完成一个APP数据埋点的几个步骤：
注册一家统计网站
获取KEY和SDK代码包
将埋点需求和SDK包发给研发
自定义埋点需求完善
研发开发并完成APP上线
在后台查看数据
每一步有些细节和注意事项和大家说下，让大家避免一些坑：
1、注册账号
建议用公司邮箱或者公用邮箱注册，别用自己的私人邮箱和手机号码，后续一旦有交接和工作变动时会比较麻烦。
2、新建应用
登录后一般都有“新建应用”，可以选标准统计，大部分APP都选这个。游戏的app另说。
名称写自己app的名称，分类自己选1个。选错了也不影响。
平台根据情况自己选。后期我们看数据和埋点都是ios和安卓分开的，所以你如果2个端都做，就一起都选上。
描述可选，不用填。
点击创建应用，完成。
3、获取KEY和SDK代码包
完成后可以得到2个APPKEY。分别是ios和安卓的。
这里的appkey很重要，你可以下载了给研发，也可以稍后让研发自己登录进来自己下载。
ios和安卓是分开2个独立的，后续埋点和看数据都是分开的。这个切记。
这时候，重点来了。
此时，如果我们只想看 APP的活跃用户，留存用户，下载量。用户地域分布，渠道分布，那么其实就够了。
4、将埋点需求和SDK包发给研发
你这时候，就把刚才获得的appkey和sdk包的下载地址，发给研发。或者直接把账号和密码发给研发。然后告诉研发，集成下百度移动统计的SDK包。这样发版后，就可以看到大部分数据了。
如下的数据都可以看到：
但是，其实往往我们的数据需求远远不局限这些，我们还需要看每个页面的转化率，页面里面的行为按钮的点击次数，弹层的展示次数等更细节的数据。这样才能更好的知道用户的行为和操作流程的后期改进优化。
那么我们还需要进行第5步。自定义事件完善。 不做这步，这些数据是看不到的。
5、自定义事件完善
比如我们想看页面里面 注册 搜索按钮，顶部banner，底部 首页和 我的 2个导航条的点击量。
一个埋点事件对应1个按钮或者一个页面或者一个弹层。 你来定义。
如果埋点比较多，你也可以批量添加。批量添加的时候，您需要下载excel模板，按照要求填写好，上传进来即可。具体一看便知。
添加完成后就可以把这个列表导出或者人肉复制出来一个表格。发给研发。并附上你的原型图。做好对应关系标注。
6、研发开发并完成APP上线
完成上面几步后，研发哥哥就可以看懂进入第7步研发阶段了。
7、在后台查看数据
上线后就可以看到数据了。大部分数据一般隔天更新。
三、埋点后能看到什么数据
上面提到，按照步骤完成数据分析sdk集成和自定义事件后，就可以看到数据了。
不添加自定义事件，可以看到基础数据，添加后，可以看到更细节的按钮，页面等点击数据。
查看自定义事件埋点数据，还是进入刚才的“事件分析”页面，点击对应埋点即可看到数据。
可以筛选时间段。
下图就是 app首页的banner图的分析结果页面。
（教程的事件是新建的，所以暂无数据）
除了这些外，如果你还想看 几个页面之间的转化路径和数据漏斗。那还需要添加“转化分析”。
添加转化分析后，可以看到例如: 进入首页-点击注册按钮-进入注册成功页 这几步的转化率和流失率。会自动生成一个转化分析图。当然你也可以分别看这几个页面的数据，自己去分析汇总。
进阶的方法还有把事件埋点配合转化分析、访问路径、转化漏斗等工具使用，从点到面地了解用户的使用行为、APP存在的问题。
更多深入的数据分析，还需要大家自己在数据的基础上，进行深加工和分析。数据只是基础，更多的还需要我们人肉去洞察背后的原因和分析结论。
好了，希望大家学会了。
欢迎交流。
作者：降峰，十年产品人，百度金融资深产品经理。微信公众账号：风之学堂
本文由@降峰 原创发布于人人都是产品经理，未经许可，禁止转载。
原创不易，欢迎赞赏(*^▽^*)
赞赏7人打赏
收藏已收藏 | 395赞已赞 | 67
降峰，十年产品人。百度金融资深产品经理。打造产品经理孵化课程
产品经理群运营交流群求职招聘群
Axure交流群
文案策划交流
关注微信公众号
8个回答21人关注
25个回答24人关注
8个回答11人关注
11个回答25人关注
8个回答11人关注
20个回答39人关注