- 综合排序
- 最热优先
- 最新优先
- 来自专栏Hank’s Blog
数据分析数据运营商业分析
如果已经有一定行业履历，只是想要转岗数据分析师，那么跨岗不跨行，避免跳到一个陌生的领域。 领域经验太宽泛，我给不了太多的指点，主要也就三点：1.自己感兴趣的，2.自己擅长的，3.有钱途的。 从职场生涯看，成为某领域的数据专家，会是一个更好的筹码。 而路线大致可以划分成四大方向： 数据分析，数据挖掘，数据产品，数据工程。 数据分析/数据运营/商业分析 这是业务方向的数据分析师。 这里更多指互联网行业，偏业务的数据分析师，一般属于运营部门。不少公司也称数据运营或者商业分析。 数据分析的管理岗，比较常见的有数据运营经理/总监，数据分析经理等，相对应的能力是能建立指标体系，并且解决日常的各类「为什么」问题。 商业/市场分析是另外一个方向，更多见于传统行业。 从业务型发展上来的好处是接地气，具备商业洞察力（天天搞报表，怎么可能不熟），这点是直接做数据挖掘，或者程序员转岗，所不具备的。 新人，比较普适的发展路线是先成为一位数据分析师。
3.3K21编辑于 2022-11-29 - 来自专栏全栈数据化营销
商业数据分析案例：客户流失分析之—商业理解
那么如何在客户即将流失之前有效地发现他们，并对其特征进行刻画，从而帮助营销部门确定客户挽留市场活动的目标客户群以及合适的营销方案就是企业分析部门的重要工作。在这些方面，数据分析和挖掘可以帮助企业。 一、商业理解 在这里，根据上面的需求，可以把流失问题归结为如下3个问题： • 问题 1: 预测哪些客户(尤其是哪些高价值客户)可能会流失? • 问题 2: 可能流失客户的特征是什么? 2、哪些变量可用于预测流失 • 客户基本信息数据：包括客户的年龄、性别、入网时间等，这类数据一般都可以获得，尤其是在电信企业加强了用户实名制管理之后。 3、如何定义分析用数据的时间窗口 对因变量(是否流失)的数据窗口来说，为使得到的预测结果既具有前瞻性，又能给营销部门充分的营销时间，考虑流失定义的时间窗口与自变量的定义窗口问隔一个月(考虑到客户详单数据并不是每个月末马上就能得到一一通常要有 通过数据挖掘得到流失分析的结果往往有两类：一类是流失客户的特征描述，另一类是针对每一个客户的流失评分。
4.2K30发布于 2018-09-30 - 来自专栏Corley的开发笔记
商业数据分析从入门到入职（1）商业数据分析综述
文章目录 一、商业数据分析概念 1.商业数据分析引入 2.什么是商业数据分析？ 3.所需技能 4.基本分析流程和供应链各个环节 5.商业理解 6.需要用到的工具 二、数据特性 1.数据粒度 2.数据质量与形式 3.数据隐性 三、数据分析类型、可视化与数据驱动开发团队 1.不同类型的分析 2.数据可视化 3.数据驱动开发团队 一、商业数据分析概念 1.商业数据分析引入 先列举几个案例： （1）请估计一下2020年八月份在北京卖出有多少双鞋子？ 重点需要分析背后的原因，因此需要分析问题的能力。 很多时候我们觉得学校学到的东西都没用，那只是因为我们没有将学校的知识与实际应用结合起来。 2.什么是商业数据分析？ 基于数据通过分析手段挖掘出商业价值，解决商业问题，并通过分析商业问题建立相应的分析模型。 上面的几个案例都可以通过数据分析的手段得出结论。
1K20发布于 2020-09-11 - 来自专栏Corley的开发笔记
商业数据分析从入门到入职（2）Excel基础
其中，整个Excel文件为一个工作簿，一个工作表标签对应着一个工作表，每一个格子称为一个单元格，可以输入数据。 Excel的常见用途之一是数据存储，但是不适合处理大量数据，但是好处是方便快捷。 假设有一个订单数据如下： ? 一行即一条数据，一列是一个属性，其中售出单价是通过前面的数据计算出来的。 一般记录按行，分析按列。 根据订单数据得出的汇总数据透视表如下： ? 一般输入数据时为选中状态，一旦选中某个表格并输入，之前的数据就会被覆盖； 还可以双击单元格切换到编辑状态，可以根据需要进行增删改数据。 如下： ? 新建窗口后，不是新建了一个工作簿，只是新建了一个窗口便于用于同时查看多个表、便于对比分析。 美化单元格不仅可以使单元格更美观，而且可以突出重点，如下： ? 还可以插入迷你图显示数据趋势。 数据及数据类型 数值型数据的基本操作如下： ? 与文本有关的操作如下： ? 分列一般是用来读取分割数据的，但是也可以用于数据转换，如果日期是文本类型时，可以将其转换为日期类型。
2.1K20发布于 2020-09-15 - 来自专栏大数据文摘
大数据与商业地理分析
我们以下图来说明架构在大数据之上的商业地理分析。 ? 沙盘上的商业地理 商业地理分析正如将军俯视沙盘，挖掘商业数据的地理纬度，将城市的战略高地和价值洼地一览无遗，运筹帷幄，决胜千里。 打开麦肯锡“解读中国”的22个城市集群，查访每一个城市，从市辖区到街道，从街道到居委会，乃至2km×2km的栅格，商业地理的分析工具使得“战略图景”的解析度和可视化程度大大提高。 该市地铁尚处于公共轨道交通建设初期，而未来10年间将从现在的2条线增加到10条线。 将该市的地铁规划、人口分布、商业网点分布及楼宇价格都放在GIS平台上，地铁的未来蓝图跃然纸上(见图2)。 而中国目前专门从事商圈分析及商业选址分析的公司还只是少数，拥有大客户资源、掌握丰富数据且具备商业地理分析技术的公司将会成为新兴产业的领袖。
1.7K50发布于 2018-05-22 - 来自专栏数据科学与人工智能
【数据分析】如何用商业思维分析游戏用户行为数据
第1步：看整体数据，主要看整体数据有何异常，以及哪些数据的趋势较好(例如，整体数据，游戏人数稳定，月收入对比极端) 第2步：看细分数据(例如，细分数据，游戏新增用户和流失活跃付费用户成正比，新增用户不付费 ，大R流失严重) 第3步：结合数据分析(例如，分析数据，付费玩家为什么流失? 2. 培养数据的衍生敏感性 如果市场上的牙刷销量增加了，你能感觉到牙膏的销量也会增加吗? 用商业思维看行为数据 行为数据，即用户行为占有率，例如活跃度，留存率，付费率… 商业思维，即利益分析，例如用户周期价值，用户可挖掘价值的探索性… 例如，两个公会冲突，游戏内打得火热，公会成员拼活跃 很简单的一次用户行为，很常见的用户行为数据，换个角度分析，或许就是一场商业营销! 5.
1.8K81发布于 2018-02-27 - 来自专栏大数据文摘
如何用商业思维分析用户行为数据
第1步：看整体数据，主要看整体数据有何异常，以及哪些数据的趋势较好(例如，整体数据，游戏人数稳定，月收入对比极端) 第2步：看细分数据(例如，细分数据，游戏新增用户和流失活跃付费用户成正比，新增用户不付费 ，大R流失严重) 第3步：结合数据分析(例如，分析数据，付费玩家为什么流失? 2. 培养数据的衍生敏感性 如果市场上的牙刷销量增加了，你能感觉到牙膏的销量也会增加吗? 用商业思维看行为数据 行为数据，即用户行为占有率，例如活跃度，留存率，付费率… 商业思维，即利益分析，例如用户周期价值，用户可挖掘价值的探索性… 例如，两个公会冲突，游戏内打得火热，公会成员拼活跃，比等级 很简单的一次用户行为，很常见的用户行为数据，换个角度分析，或许就是一场商业营销! 5.
1.3K130发布于 2018-05-21 - 来自专栏开源心路
精益数据分析-商业模式
一.简介 it行业中，许多数据分析框架的诞生，它们帮助我们理解创业和创业在不同阶段所经历的变化，并助力创业公司获取客户和创造营收。 每一套框架对创业的生命周期都有着不同的视角，分别提出一系列值得关注的数据指标和领域。 二. 商业模式三：免费移动应用 1.总结 移动应用盈利方式有很多种 大部分营收来自于一小部分用户，应该将该部分用户单独划归一组进行分析处理。 商业模式五：用户生成内容 1.流程 2.总结 对于UGC而言，访客参与度意味着一切。 3.流程 参考《精益数据分析》
52810编辑于 2023-06-29 - 来自专栏CDA数据分析师
如何用商业思维分析用户行为数据？
第1步：看整体数据，主要看整体数据有何异常，以及哪些数据的趋势较好(例如，整体数据，游戏人数稳定，月收入对比极端) 第2步：看细分数据(例如，细分数据，游戏新增用户和流失活跃付费用户成正比，新增用户不付费 ，大R流失严重) 第3步：结合数据分析(例如，分析数据，付费玩家为什么流失? 2.培养数据的衍生敏感性 如果市场上的牙刷销量增加了，你能感觉到牙膏的销量也会增加吗? (以MMO混服为例，区分用户可给包打上渠道标识，简单易懂) 4.用商业思维看行为数据 行为数据，即用户行为占有率，例如活跃度，留存率，付费率… 商业思维，即利益分析，例如用户周期价值，用户可挖掘价值的探索性 很简单的一次用户行为，很常见的用户行为数据，换个角度分析，或许就是一场商业营销!
1.4K60发布于 2018-02-23 - 来自专栏大数据文摘
麦肯锡：大数据与商业地理分析
我们以下图来说明架构在大数据之上的商业地理分析。 沙盘上的商业地理 商业地理分析正如将军俯视沙盘，挖掘商业数据的地理纬度，将城市的战略高地和价值洼地一览无遗，运筹帷幄，决胜千里。 打开麦肯锡“解读中国”的22个城市集群，查访每一个城市，从市辖区到街道，从街道到居委会，乃至2km×2km的栅格，商业地理的分析工具使得“战略图景”的解析度和可视化程度大大提高。 该市地铁尚处于公共轨道交通建设初期，而未来10年间将从现在的2条线增加到10条线。 将该市的地铁规划、人口分布、商业网点分布及楼宇价格都放在GIS平台上，地铁的未来蓝图跃然纸上（见图2）。 而中国目前专门从事商圈分析及商业选址分析的公司还只是少数，拥有大客户资源、掌握丰富数据且具备商业地理分析技术的公司将会成为新兴产业的领袖。
1.3K50发布于 2018-05-21 - 来自专栏全栈数据化营销
商业数据分析案例：客户流失分析之—探索性分析
三、数据探索性分析 1、离散型变量的探索性分析方法 对无序型离散变量而言，以本案例中的手机品牌为例，对于名义型离散变量,关注的是该变量的取值分别有哪些，各个取值占比是多少。 对有序型商散变量而言，有序型离散变量之间是可以比较大小的，因此还可以通过累积频数和祟积频率的方式来对数据进行展现。 2、连续型变量的探索性分析方法 对于连续型变量，通常可以使用描述统计量和图形两种方法来进行探索性分析。 • 使用图形：对于连续型变量，主要通过直方图和箱线图的方式来对数据的分布状况进行考察。 2) 离散变量与连续变量 对于离散变量和连续变量之间的关系，可以使用直方图进行查看，将其中的离散变量在图形中用不同的颜色显示来直观地观察变量之间的关系。
1.7K20发布于 2018-09-30 - 来自专栏全栈数据化营销
商业数据分析案例：客户流失分析之—数据理解与数据准备
二、数据理解与数据准备 在数据理解与数据准备阶段，对数据做初步的探索性分析，了解数据质量状况，考察数据的大致分布情况，此外还要将各方面的数据合并，整理成可以进行数据挖掘的宽表形式(即行代表记录、列代表变量的二维表 1、分析的数据基础 （1）数据表1: 客户基本信息表(custinfo.csv) ? （2）数据表2: 客户通话情况表(custcall.csv) 这张表是客户的月度通话行为数据，根据客户通话详单记录汇总而来。 2、生成数据挖掘表 从业务系统中取出的数据都是根据业务的需要考虑设计的，但往往不能达到取得良好 数据挖掘结果的目的，这时需要对数据进行各种变换或者生成相关的衍生变量。 ? 在数据准备过程中，从业务和数据分析的角度出发，对数据做了如下处理: • 将客户6个月的各类通话行为数据进行月度汇总，生成若干汇总变量，这些变量体现了客户通话行为的绝对值状况。
2.3K40发布于 2018-09-30 - 来自专栏接地气学堂
什么是商业分析？
如果扒皮抽筋看本质，商业分析就是：用数据分析方法，解决商业问题。数据分析是一个基础工具，可以运用在政策、学术、教育、体育等多个领域，当然也有企业最关心的商业领域。 正是“商业”两个字，让数据分析有了完全不同的使用方法。 商业分析在目的上区分于政府的政策研究。 根据销售对象的不同，可以分为B2B（对上下游企业销售）和B2C（对终端顾客销售）两种模式，还有一种是二道贩子，通过在企业和终端顾客之间建立联系，来做中间商挣差价，是为B2B2C模式。 脱离具体的商业模式+行业分类，就没法谈商业分析。因为不同的商业模式+行业下，商业组织、商业目标、产品形态、经营方式、用户群体完全不同。包括数据的产生方式、数据类型、数据丰富程度都不一样。 遗憾的是，传统数据分析技术培训出来的科班生，基本都没啥商业分析能力。
1.6K20发布于 2019-12-09 - 来自专栏CDA数据分析师
如何使用SPSS快速上手商业数据分析
最权威的标准统计软件之一，最初为社会科学统计软件，后更名为统计产品与服务解决方案，面向商业化。 那么该如何用SPSS进行数据分析呢？SPSS数据分析的流程是如何的？下面简单来进行说明。 首先，我们要了解数据分析的一般流程是什么？ CDA数据分析师将一个完整的数据分析项目分为以下五个流程： ? 2 数据存储 对于数据量不大的项目，可以使用excel来处理数据，但对于数据量过万的项目，使用数据库来存储与管理会更高效便捷。 SPSS也有自己的用作数据储存的数据格式，sav文件。 CDA数据分析师认为数据分析有80%的工作都在处理数据，可见数据预处理在数据分析的重要性。 4 建模与分析 这一阶段首先要清楚数据的结构，结合项目需求来选取模型。 常见的数据挖掘模型有： ? 5 可视化分析 数据分析最后一步是撰写数据分析报告，一般包括数据可视化分析。 其次，掌握了数据分析的一般流程后，便要以SPSS为工具，根据以下流程对一个完整项目进行以下细分并掌握： ?
1.9K10发布于 2019-10-24 - 来自专栏全栈数据化营销
120个Excel商业数据分析实战案例
Excel是使用最为广泛、最为便捷的办公软件，而且它的数据分析和挖掘功能功能十分强大，能够快速完成所有的数据清洗的过程，能够快速建立分析模型，并且快速运行得出结果，是做数据分析必备的工具。 下面是即将在我的小密圈里分享的120个Excel商业数据分析实战案例目录，欢迎看我个人资料联系我： image.png image.png
2.8K50发布于 2018-09-30 - 来自专栏毛利学Python
【商业数据分析】用户价值RFM模型详解
接下来介绍的RFM模型是最受欢迎的、易于使用的和有效的客户细分方法之一，它使市场营销人员能够分析客户行为。 RFM分析是最受欢迎的、易于使用的和有效的客户细分方法之一，它使市场营销人员能够分析客户行为。 R (Recency）：最近一次交易时间间隔。 RFM 例子 (Example) 让我们通过一个客户事务的示例数据集来演示RFM如何工作: 【说明】表1 15个客户的交易记录，包含客户ID、最近消费（天）、消费频次和消费金额。 由于客户的评分范围为1-5，所以前20%的客户(客户12、11、1)的评分为5，后20%的客户(后3名客户15、2、7)的最新评分为4，依此类推。 总结 (Conclusion) RFM是一种数据驱动的客户细分技术，帮助营销人员做出战术决策。它使营销人员快速识别和细分用户到同质化的群体，并针对他们的差异化和个性化的制定相应的营销策略。
3.8K20编辑于 2022-09-22 - 来自专栏Python数据科学
谈谈当前商业数据分析师现状
来源：转行做DT 作者：TwilightZjy 众所周知，数据分析师有两个发展方向，一个是商业数据分析师，一个就是数据挖掘工程师。 两条路，一个更加偏向业务，另一个则更加偏向算法及开发。 今天我们先不谈数据挖掘工程师，因为这个本身要求比较高，一般人很难短时间内达到。 所以我们先聊聊商业数据分析师。 所谓商业数据分析师，也就是和业务相关，需要配合业务去做一些数据分析方面的事情。 1、 例如大公司和小公司首先在数据量上就不一样，另外像金融行业和快消品行业的商业模式也有很大出入。 对数据分析师的要求也是相当不同的。 这也就造成了商业数据分析师工作内容上的很大差异。 2、 就以我而言，我现在交行信用卡的岗位就是营销数据分析，但是现在的主要工作做一些统计报表，或根据市场部业务的一些筛选规则来提取客户名单。 毕竟当你能接触到数据，而且又想做一些分析类的东西时，完全可以在公司做这些东西，毕竟真实数据一般都很难能够拿到的。 如果你已经有比较喜欢的行业，那么就去多看看这个行业内的商业数据分析师是什么样的？
2.4K20发布于 2019-06-20 - 来自专栏数据科学与人工智能
【数据挖掘】数据挖掘#商业智能（BI）数据分析挖掘概念
商业智能（Business Intelligence）: 分析数据、展示信息以帮助企业的执行者、管理层、其他人员进行更有根据的商业决策的应用、设施、工具、过程。 数据仓库（Data Warehouse）: 数据的中央存储库，采集、储存来自一个企业多个商业系统的数据。 数据质量（Data Quality）: 有关确保数据可靠性和实用价值的过程和技术。 Hadoop: 另一个当今大数据领域的热门。Apache Hadoop是一个在已有商业硬件组成的计算机集群上，分布式存储、处理庞大数据集的开源软件架构。它使得大规模数据储存和更快速数据处理成为可能。 在商业领域，预测模型及分析被用于分析当前数据和历史事实，以更好了解消费者、产品、合作伙伴，并为公司识别机遇和风险。 文本挖掘（Text Mining）: 对包含自然语言的数据的分析。对源数据中词语和短语进行统计计算，以便用数学术语表达文本结构，之后用传统数据挖掘技术分析文本结构。
3.2K90发布于 2018-02-27 mooc商业数据分析师-入门指南
第二部分：Power BI2.1 Power BI简介慕课商业数据分析师中Power BI是微软推出的一款商业智能工具，能够将数据转化为有意义的洞察。 其强大的数据连接能力和丰富的可视化选项，使其成为商业数据分析的理想选择。2.2 Power BI的基本操作2.2.1 数据连接打开Power BI Desktop，点击“获取数据”。 2.3 高级功能2.3.1 DAX（数据分析表达式）使用DAX创建计算列和度量值。编写DAX公式，实现复杂的计算和数据分析。 第三部分：Python3.1 Python简介慕课商业数据分析师中Python是一种高层次编程语言，以其简洁和易读性著称。 导入库：import plotly.express as px创建交互式图表：fig = px.scatter(df, x='column1', y='column2')
1.3K10编辑于 2024-06-12- 来自专栏云计算linux
最新数据分析与商业智能趋势前瞻
一份信息管理的幻灯片——《高级分析和BI趋势10大预测》，证实了Gartner的分析师道格拉斯·莱尼（《2022年100个数据分析预测》的作者）等人认为的：“数据分析能力拥有改变当今商业游戏规则的力量 2018年商业智能主要趋势的快速总结 《2018年商业智能和数据分析趋势》列出了今年商业智能领域取得的主要里程碑，并表明其中的许多趋势将在2019年得以继续： ◎ 物联网驱动的数据分析提高了从城市规划到零售等各个行业的运营效率 令人惊讶的是，尽管有一些解决方案供应商正准备在其BI平台上使用增强型的大数据分析工，但该报告反映了2019年大数据分析的表现可能并不会像想象中那么突出， 2019年及未来的商业智能 《商业智能的未来 正如专家指出的那样，商业智能的未来是光明的，这些不断发展的趋势都在帮助我们清晰预览未来的商业智能世界。根据《高级分析：探索一些变革性的未来趋势》，更多政府也将在其管理系统中采用大数据分析。 2. 实时位置分析促进客户互动。据Gartner称，到2022年，30％的客户互动将受到实时位置分析的影响。
1.3K10编辑于 2024-12-19
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号