数据分析实践：专业知识和职场技巧

摘以下案例，学习下日常工作汇报的思路 1．核心工作进展 小视频指标体系搭建：完成小视频指标体系梳理，落地数据Meta平台，并与业务方达成共识。下周抽取北极星指标，完成DWS层表的数据建设（进度：70%）。 短视频用户流失预警专项：本周流失预警模型完成60%，增加活跃度相关特征，准确率从原来的60%提升到65%；召回率维持在80%左右。同时，与业务方制订召回方案，输出业务文档××。下周模型上线平台，输出预测数据给到业务方（进度：40%）。 2．详细工作内容 ××问题排查：××问题主要由于××原因导致，当前已经恢复（进度：100%）。 ××看板搭建：××看板已完成配置，看板地址：www.xxx.com（进度：100%）。 3．个人思考 流失预警专项：当前没有系统性的召回方案，基本都是想到一个输出一个。建议将召回方案按照成本等维度进行梳理，并在后续实验中逐个验证可行性，并沉淀对应结论。 需求沟通机制：目前提需求的方式较散，无体系化记录及评估。建议每周将大家需求统一汇总到一起，并进行需求评审，评审后制订排期，根据排期逐一完成。

为什么需要AB实验 在产品快节奏迭代的进程中，AB实验已经成了必不可少的环节，那么为什么AB实验如此重要呢？如果不开展AB实验，是否可以呢？ 我们先来看看，不采用AB实验，可能会采用的产品迭代评估方式。 · 场景一：利用同一批用户前后时间段去做对比，前面时间段不施加策略，后面时间段施加策略，进行评估。大家觉得可行吗？ · 场景二：选择两批不同用户群体，在同一时间段内施加策略，进行评估。大家觉得可行吗？ 相信你心中多少已经有了答案。场景一，虽然是同一批用户，但用户群体前后行为可能本身就存在差异，会干扰策略的效果，我们称为“时间差异”；场景二，虽然是相同时间段，但不同用户群体之间可能本身就存在差异，同样会干扰策略的效果，我们称为“用户差异”。

我重点看了前4章，里面提到的埋点、数据分层分域、指标体系设计等，给了很多规范化的建议，可以参考。

相对完整的分析全流程，之前做b端数分，很多里面的方法用不到，算是补全自己的一点领域认知，具体的操作细节可能只是留了个印象，方便需要时查阅。 这本书定位还是偏工具书，是从具体场景以对话方式带人了解数据分析这一行业。对于里面的一大部分专业名词记得结合搜索引擎或者AI使用。

市面上少有的能把数据分析讲的这么透彻的，学习了，给姜老师点赞👍

推荐使用，入门，数据埋点，数据指标体系的搭建，面试技巧，简历的撰写

概念大杂烩，就介绍概念，梳理主要概念流程。实际并不实践，应该是概念识读吧。

很棒的一本书，能够将零散的知识体系串起来，案例可直接在工作中应用，不像市面上其他书籍，只是空讲各种理论、模型，而无法知晓如何在实际中应用，给姜老师点个赞！

一般，过于基础了，只适合初学者了解了解这个岗位的大概，关于目前这个岗位所遇到的成长痛点和难点根本没有写，也没有这方面的思考，如果这个是5年前的书，可能还会给个好评；

深入浅出，很适合入门，同时又结合工作的实践