資料分析三大認識誤區
1.不是所有人都需要用得上資料分析
2.學習資料分析，就是要掌握python/tableau/pbi/sql等工具
3.資料分析門檻很高，一般人很難學會
資料分析應用場景很廣，並不是只有專業從事資料分析工作的人才需要學習資料分析。
反而是普通員工如果擁有資料思維，就能獲得更多洞見，解決更多問題，更充分的展示自我，自然就更加具備核心競爭力。
工具是有人使用的，是為了解決問題的，而不是為了工具而工具。更重要是是使用工具的底層思維邏輯，只有這樣才能更好的創造價值。
資料分析其實有四個層次：描述性分析，診斷性分析，**性分析，規範性分析（資料優化）。
舉例子：給老闆做年終報告
銷售用資料描述今年成績，更好的用資料講故事，用資料舒服他人。
然後用對比分析，漏斗分析進行分析、診斷問題分析本質，診斷自己為何達成目的，為何不足。
再用資料****明年銷售情況，以及如何優化銷售。
只有一部分人在從事基礎的資料，處理數量龐大的 、海量的大資料。大部分人學習資料分析只是為了有用，會用就行。
資料分析 三個特點
一.業務理解 能跑數，不叫資料分析，和業務結合並產生價值才是資料分析 怎樣去對業務了解 1.對進入的行業和產品感興趣，有好奇心，願意學習一切未知的知識 2.能夠把業務和資料結合起來，嘗試用資料量化業務狀態和結果，能夠用資料解釋潛藏的未被發現的業務邏輯 3.當分析需求來的時候，要問下為什麼要做這個分析...
資料分析 資料分析的誤區
在資料分析的過程中，我們難免會走一些彎路，但有些彎路是可以避免的，下面我將介紹幾個資料分析過程中常見的誤區 我們一定都聽說過二戰中的乙個經典示例 軍方為了提高戰鬥機飛行員的生還率，打算在飛機上增加裝甲的厚度，但不能在所有部位加厚，這樣會喪失戰機的靈活性，於是軍方請了統計學家來研究，這些專家在一開始就...
產品資料分析的三個層次
在這樣乙個 資料驅動 的時代，很多產品團隊都選擇在產品早期就引入或搭建資料分析平台，並希望能夠通過資料驅動產品的快速成長，但即便如此，大多數的初創企業還是難逃失敗的厄運。除去戰略 經營等導致企業死亡的情況，資料分析的 深度不夠 也是讓產品鎩羽的重要原因 大多數企業構建的資料分析平台僅僅能看一些統計指...