数据分析师的业务知识储备指南

前言：

数据分析师对技术有要求，需要掌握匹配于企业的工具来满足日常分析需要，但技术不是全部，业务理解的重要性会在数据分析师的功能日益深入后愈发体现出来。针对工具类应用技术的原则是：不拘泥于技术，但掌握必备技能。
精通项：Excel，SQL，统计学基础
加分项：Hive常见命令，Python、R等

业务储备行动原则：首先要确定行业意向，然后学习细分行业业务知识（1~2个）

什么是业务？

-- 把产品以合理的方式通过渠道卖给消费者以赚取利润。

什么是业务需求？

-- 即业务方提出的需求；在实际业务中过程中，常常需要依据数据进行决策与监督，此时就会产生数据相关的业务需求。
业务知识包括：1、利润；2、组织架构；3、产品；4、渠道；5、运营；6、用户

据此，针对特定行业和企业，需要了解：

1、行业的业务模式，收支模式

靠搜靠问，利用搜索引擎、观察经验、业内好友，多了解相关资讯。

2、企业的组织架构

了解你在企业中会打交道的部门、不同角色的KPI目标、关注点，相应可能需要哪些数据（靠搜靠问，通用的）。

3、体验和使用产品

了解产品卖点和用户；同时了解竞品；了解产品运营推广活动，搜索目标产品都采用了哪些玩法，心中有数。了解产品优化有哪些指标，数据是如何指导产品优化的。
产品设计过程的数据需求？前：宏观数据；中：定位问题，指建立标体系，埋点设计；后：监测情况，产品迭代
产品迭代需要哪些数据？1、用户量；2、客群结构（可能由此影响产品模块/功能设计）；3、功能点使用情况
添加功能点需要考虑哪些问题？1、要不要加；2、加了会影响多少人；3、怎么加；4、加了之后的结果如何

4、了解销售

了解常见业绩/拉新相关指标；了解销售方式、销售流程/特点；观察销售行为。
渠道包括：线上渠道、线下渠道
渠道目标包括：拉新、销售
渠道指标包括：业绩、客单价、成交量、订单数、新增客户、渠道成本等，相较于线上指标，线下指标更不可控，不可靠

5、运营知识

可系统学习一下运营知识，如果时间不足则定向了解常见运营方式，了解每种方式下关注的指标。
运营职责分类：内容运营，提升业绩，服务用户
运营成果指标：内容：到达率、响应度；业绩：短期业绩、长期业绩、成本、ROI（回报率）；用户：用户量、使用率、满意度

6、熟悉用户

行业内可收集的用户数据，了解不同维度用户分层方法，不同维度的用户标签。
用户画像/分层的角度包括？1、用户价值，如RFM模型；2、用户生命周期，如AARRR模型；3、活跃度；4、业务相关特征
用户价值包括？1、存在价值；2、带来消费；3、转介绍/高影响力，带来流量和新客户
RFM模型：最近一次消费（recency）消费频率（frequency）消费金额（monetary）
AARRR模型：获客（acquisition）激活（activation）留存（retention）变现（revenue)推荐（refer）

参考书籍：
《精益数据分析》、《增长黑客》、《网站分析实战》