互联网业务数据分析

互联网业务数据分析

793分钟

数字化转型期,面对庞杂的数据,需要进一步的看懂数据、利用好数据并挖掘出数据的价值。但是往往面临着业务团队缺乏数据思维,对于数据指标的理解较浅,不知道应该重点关注哪些数据的问题。 为了用数据赋能互联网业…

数字化转型期,面对庞杂的数据,需要进一步的看懂数据、利用好数据并挖掘出数据的价值。但是往往面临着业务团队缺乏数据思维,对于数据指标的理解较浅,不知道应该重点关注哪些数据的问题。 为了用数据赋能互联网业务人员,我们设计了互联网业务数据分析课程。围绕业务数据分析核心能力模块开展体系化学习。帮助学员充分的理解业务数据分析的工作方法和流程,掌握数据建模、数据获取、数据处理以及数据分析四大模块核心技能,能够在各类实际业务问题中应用数据分析发现问题并通过数据驱动增长。
「课程导论」 - 课程介绍 - 推荐序——布棉老师 - 如何运用数据指导业务? - 这门课能解决什么问题? - 总结 - 相关「书籍/工具」推荐 【模块一】(上)指标建模 - 模块导读 - 概述:指标建模 - 认识常见的数据指标 - 1.1 DAU & MAU - 1.2 如何定义新增? - 1.3 如何理解留存? - 1.4 渠道来源怎么看? - 2.1 PV、UV、转化率、访问深度 - 2.2 访问时长 - 2.3 弹出率(Bounce Rate) - 3 业务相关的数据指标 - 小结:没有绝对的对错,只求彼此的认同 - 「作业」数据指标概念考察 - 「本周作业」帮助文档 【模块一】(下)指标建模 - Step 1 拆解业务模块 - Step 2 判断模块类型 - Step 3 根据模块类型,选取数据指标 - 【案例】iMoney 数据指标选取 - 【案例】闲鱼 数据指标选取 - 【案例】土巴兔(早期)数据指标选取 - 小结 - 「作业」产品的指标选取 【模块二】(上)数据工具 - 模块导读 - 概述:数据工具 - 1 如何选择合适的数据工具 - 1.1 根据业务核心划分 - 1.2 根据公司阶段划分 - 小结:根据业务需求,选择数据工具 - 2 掌握常见的数据分析“套路” - 2.1 计数统计:快速验证 - 2.2 流量导向:渠道依赖 - 2.3 内容导向:质量第一 - 2.4 用户导向:用户为王 - 2.5 业务导向:商业本质 - 小结:成为数据工具的主人 - 本章总结 【模块二】(下)数据处理 - 模块导读 - 导入文本文档 - 格式化—简单的分列 - 格式化—复杂的分列 - 数据清洗(筛选、排序、去重) - 数据的二次处理(以留存为例) - 快速呈现:数据透视表 - 表不如图:Excel 常见图表 - 数据可视化(Circle Packing、Beeswarm) - 数据可视化(借助高德地图进行地理位置可视化) - 5 个数据工具特色功能展示 - 「作业」处理某社区电商流水数据 - 「本周作业」帮助文档 【模块三】数据分析基础 - 模块导读 - 概述:数据分析 - 如何进行对比分析 - 如何进行多维度拆解 - 【案例】数据涨跌异动如何处理? - 漏斗观察的分析方法 - 【案例】如何评估渠道质量,确定投放优先级? - 分布分析的方法 - 用户留存的分析方法 - 【案例】功能/内容上线后,如何评估? 【模块四】数据分析进阶 - 模块导读 - 用户画像的分析方法 - 【案例】如何高质量拉新? - 如何进行归因查找 - 【案例】如何精准运营推送? - 路径挖掘的分析方法 - 行为序列的分析方法 - 【案例】如何辅助产品设计? - 【案例】羊毛党盛行,如何查出谁在薅? - 总结:回归业务的数据分析 【模块五】数据采集 - 模块导读 - 概述:数据采集 - 数据埋点与数据需求文档 - 明确埋点需求(想清楚) - 形成需求文档(讲明白) - 数据采集实战 - 其他类型的数据采集方法 - 总结:数据采集 - 「作业」豆瓣“书影音档案”功能埋点设计 - 「本周作业」帮助文档
张涛
张涛

Manus AI 合伙人,前神策数据副总裁