數據分析實踐：專業知識和職場技巧

摘以下案例，學習下日常工作彙報的思路 1．核心工作進展 小視頻指標體系搭建：完成小視頻指標體系梳理，落地數據Meta平臺，並與業務方達成共識。下週抽取北極星指標，完成DWS層表的數據建設（進度：70%）。 短視頻用戶流失預警專項：本週流失預警模型完成60%，增加活躍度相關特徵，準確率從原來的60%提升到65%；召回率維持在80%左右。同時，與業務方制訂召回方案，輸出業務文檔××。下週模型上線平臺，輸出預測數據給到業務方（進度：40%）。 2．詳細工作內容 ××問題排查：××問題主要由於××原因導致，當前已經恢復（進度：100%）。 ××看板搭建：××看板已完成配置，看板地址：www.xxx.com（進度：100%）。 3．個人思考 流失預警專項：當前沒有系統性的召回方案，基本都是想到一個輸出一個。建議將召回方案按照成本等維度進行梳理，並在後續實驗中逐個驗證可行性，並沉澱對應結論。 需求溝通機制：目前提需求的方式較散，無體系化記錄及評估。建議每週將大家需求統一匯總到一起，並進行需求評審，評審後製訂排期，根據排期逐一完成。

爲什麼需要AB實驗 在產品快節奏迭代的進程中，AB實驗已經成了必不可少的環節，那麼爲什麼AB實驗如此重要呢？如果不開展AB實驗，是否可以呢？ 我們先來看看，不採用AB實驗，可能會採用的產品迭代評估方式。 · 場景一：利用同一批用戶前後時間段去做對比，前面時間段不施加策略，後面時間段施加策略，進行評估。大家覺得可行嗎？ · 場景二：選擇兩批不同用戶羣體，在同一時間段內施加策略，進行評估。大家覺得可行嗎？ 相信你心中多少已經有了答案。場景一，雖然是同一批用戶，但用戶羣體前後行爲可能本身就存在差異，會干擾策略的效果，我們稱爲“時間差異”；場景二，雖然是相同時間段，但不同用戶羣體之間可能本身就存在差異，同樣會干擾策略的效果，我們稱爲“用戶差異”。

我重點看了前4章，裏面提到的埋點、數據分層分域、指標體系設計等，給了很多規範化的建議，可以參考。

相對完整的分析全流程，之前做b端數分，很多里面的方法用不到，算是補全自己的一點領域認知，具體的操作細節可能只是留了個印象，方便需要時查閱。 這本書定位還是偏工具書，是從具體場景以對話方式帶人瞭解數據分析這一行業。對於裏面的一大部分專業名詞記得結合搜索引擎或者AI使用。

市面上少有的能把數據分析講的這麼透徹的，學習了，給姜老師點贊👍

推薦使用，入門，數據埋點，數據指標體系的搭建，面試技巧，簡歷的撰寫

概念大雜燴，就介紹概念，梳理主要概念流程。實際並不實踐，應該是概念識讀吧。

很棒的一本書，能夠將零散的知識體系串起來，案例可直接在工作中應用，不像市面上其他書籍，只是空講各種理論、模型，而無法知曉如何在實際中應用，給姜老師點個贊！

一般，過於基礎了，只適合初學者瞭解瞭解這個崗位的大概，關於目前這個崗位所遇到的成長痛點和難點根本沒有寫，也沒有這方面的思考，如果這個是5年前的書，可能還會給個好評；

深入淺出，很適合入門，同時又結合工作的實踐