精华内容
下载资源
问答
  • 2018-06-13 23:02:42

    “业务要求”似乎是IT程序员永远无法越过的一道坎,轻飘飘一句“不满足业务要求”,足以让你从云端自由落体;“业务逻辑”是IT程序员心中无法言及的痛,它总是那么“蛮横得不讲道理”。如果让程序员评选“最不合逻辑的逻辑”,结果一定会是业务逻辑。当“不满足业务要求”,或者“不符合业务逻辑” 时,年轻的程序员总会弱弱地问“能不能就这样”,大抵是让业务迁就程序,结果自然不断碰壁。业务员乐此不疲,程序员伤心不已。

    业务是什么?业是指工作岗位,务是指事情,合在一起是工作岗位上的事情。我觉得业务的含义就是完成一项具体的工作,会涉及人员分工、工作步骤、时限要求、工作成果、验收标准等潜在的属性。比如上市公司研究业务,就是股票研究员按一定的上市公司估值方法,在规定的时间内给出研究报告及投资建议,并接受公司的考核。业务分析的过程其实就是找全业务的属性并赋值的过程,每个业务点都可以套用5W1H、脑图等方法进行析构,复杂业务可以采用分类等方法进行简化。这项工作做得越细致,分析就越透彻。

    业务分析

    业务分析是业务建模的基础,它的首要成果应该是分析出业务中涉及的主体,有抽象的,也有具体的。这些主体的概念一经明确,就具有了活力,有特征、有行为、有生命,所以需要反复推敲。我一般套用数据库中的概念,称之为概念模型。业务建模领域有些成熟的方法论:用例图可以帮助固化场景、界定范围,类图可以明确主体的特征、行为及关系,时序图可以明晰不同主体间的协作等。主体的属性、关系一旦确定,就会体现在库表结构设计和程序逻辑中,在项目的中后期改变起来非常困难,所以要慎重。我们经常能够听到程序员抱怨说这个问题当时没考虑到,现在不太好改。比如两个主体原先是一对一的映射关系,在某种极其例外的情况下,需要变成一对多的关系,估计就会伤筋动骨。

    业务分析的第二项成果是梳理出哪些是变化的,哪些是不变的。对变化进行封装,让变化所带来的不确定性只影响局部范围,是程序员进阶需要掌握的一项基本技能。程序在很多时候就是为了管理变化。比如一个文件备份业务,不变的是需要将文件从一个目录拷贝到另外一个目录,变化的是到底需要拷贝哪些文件。通过配置、解析来管理这个变化,程序也就有了足够的通用性。

    业务分析的第三项成果是需要分析出哪些工作应该机器完成,哪些需要人工完成。这个“度”很难把握,需要综合权衡风险、便利、技术成熟度等。在考虑风险因素时,需要认清到底是消除了风险,还是转移了风险。我们不能做风险的搬运工。随着计算机应用技术的发展,机器能做的事情越来越多,本着“事务型工作自动化、管理型工作流程化、决策型工作智能化”的原则,一点点地提高业务运作效率。

    在你认为已经将业务分析得很透彻之后,加入时间变量,借用有限状态机的概念,让业务模型在纸面上运转起来。你可能会发现很多新的问题:这时候可能你还没有考虑清楚每个概念主体到底有多少种状态,状态之间到底如何变化,当不同状态重叠的时候又该如何处理。千万不要轻易给主体新增状态属性。比如一个主体已经有三个状态字段,每个字段有两个值,则这个主体就会有八种状态。如果你再随手增加一个状态字段,则至少新增了八种状态,会使问题大大的复杂化,但你的初衷可能只是为了解决一个小问题。事实上很多状态并没有实际的物理意义。两个原则:原则一是宁愿扩充解释,也不要新增属性;原则二是没有物理意义的分支一定要剪枝。

    以上是我在业务建模过程中总结的一些理念、工具和方法,其中滋味不足道也。不见得通用,也不能一招鲜吃遍天,需要在实践中不断琢磨、提高。

    举例

    以信息披露业务为例。

    第一步:分类

    第一步:分类。由于业务繁多,所以我首先对它进行分类,比如:公募基金招募说明书更新、公募基金定期报告、公募基金公告、年金定期报告、专户定期报告等。分类是否合理,需要根据实际业务判定。我在实际操作中,将人员分工和管理流程一致的业务分为同一类业务,因此现在的信息披露系统中已经有十几类业务了。

    第二步:主体抽象

    第二步:主体抽象。和大多数人一样,我一开始觉得信息披露业务比较简单,无非牵扯到的业务部门多一点,后来的事实证明我错得离谱。闲话不说,看结果:

    1、人,要赋予不同的角色:报告创建人、数据维护人、数据审核人、部门负责人、审计人员、业务负责人等等。

    2、模板:这是对报告结构的抽象。

    3、元素:构成报告模板的基本要素,对应报告中的一个内容,可以是一个词汇、换行符,也可以是一个表格、图,甚至可以是一个Word文档。

    4、数据:给元素赋予具体的值。

    5、报告:最终要交付的文档。

    6、产品:公司运作的产品。

    7、报告期:信息披露的报告期限,不同业务需要的数据不同。

    8、业务:人员分工和管理流程一致的信息披露子业务。

    9、部门:公司组织架构的一部分。

    ……

    梳理出所有主体之后,进一步梳理出主体的属性,篇幅所限,略过。

    第三步:梳理关系

    第三步:主体间的关系,反复推敲,从而形成类图。略过。

    第四步:用例分析

    第四步:用例分析。我以批量创建定期报告这个场景简要说明一下。批量创建定期报告是指年金(养老金业务部)、专户(机构业务部)或一对多专户(客户服务部)在每个月初、季初或年初的时候,需要批量创建上一个报告期的定期报告。除了创建报告外,其余隐含的业务逻辑包括:

    1、哪些产品需要披露定期报告?新成立的产品怎么办?产品如果不需要披露报告的怎么办?

    2、每个产品使用什么报告模板来披露报告?忘了维护产品和模板对应关系怎么办?模板还没有怎么办?

    3、模板是不是都已经正确设置?有没有被人修改过?

    4、通用的数据是不是已经维护好?

    看似简单重复地调用“创建报告接口”即可完成的批量创建报告,其实需要考虑的问题点很多。

    第五步:形成功能

    第五步:定义动作,形成功能,比较复杂时可以借助时序图。以批量创建报告功能为例,需要处理:

    1、产品检查:返回报告期内新增的、未在信息披露系统中维护的相关产品。

    2、模板检查:返回报告期内相关模板变更记录。

    3、产品模板对应关系检查:返回报告期内新增的、尚未指定定期报告模板的相关产品。

    4、通用数据维护检查:返回模板中涉及的通用元素的最新信息。

    5、创建报告。

    第六步:纸面推演

    第六步:纸面推演。比如报告生命周期管理:创建报告、发起流程、任务分发、数据维护、数据审核、稽核审核、报告下载、报告归档。

    纸面推演时,在确保业务正常运作的前提下,重点考虑例外情况处理。举例来讲,在任务分发环节,部门负责人可能按子业务将分发权限授权给不同的人员负责;在元素维护部门对应关系上,同一元素可能因发起部门不同,数据维护的职责归属不同等等。找到例外并修改之前的设定,如此反复。

    更多相关内容
  • 数据分析分核心步骤分为:业务认知与数据探索、数据预处理、业务...本文介绍第三个步骤:业务认知与数据探索,包括常见业务分析模型,如AB测试、RFM、AARRR、对比分析、来源分析、细分分析、用户分析、聚类分析等。...

    ShowMeAI研究中心


    数据分析分核心步骤分为:业务认知与数据探索数据预处理业务认知与数据探索等三个核心步骤。本文介绍第三个步骤——业务认知与数据探索。

    一、业务分析模型

    1.1 AB测试

    AB测试,简单来说,就是为同一个产品目标制定两个方案(比如两个页面一个用红色的按钮、另一个用蓝色的按钮),让一部分用户使用A方案,另一部分用户使用B方案,然后通过日志记录用户的使用情况,并通过结构化的日志数据分析相关指标,如点击率、转化率等,从而得出那个方案更符合预期设计目标,并最终将全部流量切换至符合目标的方案。

    1.2 RFM分析

    RFM模型是衡量客户价值和客户创利能力的重要工具和手段,是最流行、最简单、最有效的客户细分方法之一。

    • Recency最近一次消费:用户最近一次消费距离现在的时间。例如,1周前消费过的用户比1年前消费过的用户价值大。

    • Frequency消费频率:用户在统计周期内购买商品的次数。例如,购买频率高的用户价值比偶尔来一次的客户价值大。

    • Monetary消费金额:用户在统计周期内消费的总金额。例如,消费越多的用户价值越大。

    1.3 漏斗分析 / AARRR

    漏斗分析模型是一套流程式分析模型,已经广泛应用于流量监控、产品目标转化等日常欻据运营与数据分析中,可以帮助我们把握每个转化节点的效率,能够直观的发现问题所在,从而优化整个业务流程。

    AARRR是一个产品的生命增长周期,描述了不同阶段的用户参与行为的深度,即: Acquisition(获取用户)、 Activation(激发活跃)、Retention(提高留存)、 Revenue(增加收入)、 Referral(传播推荐)。它能通过层与层之间用户的转化数,即转换率,来定位问题出在哪。

    1.4 同期群分析

    同期群分析,是通过分析性质完全一样的、可对比群体随时间的变化,来分析哪些因素影响用户的留存。只用简单的个图表,就直接描述了用户在一段时间周期的留存或流失变化情况。在数据运营领域十分重要,互联网运营特别需要仔细洞察留存情况。

    1.5 对比分析

    对比分析主要是指将两个相互联系的指标数据进行比较,从数量上展示和说明研究对象的规模大小,水平高低,速度快慢等相对数值,通过相同维度下的指标对比,可以发现,找出业务在不同阶段的问题。常见的对比方法包括时间对比,空间对比,标准对比。

    (1)时间对比

    最常用的就是同比和环比,通过时间周期的数据对比,了解目前数据水平的高低。

    • 同比:对比上一个周期的相同时段做比较。例如,今年6月比去年6月。

    • 环比:联系两个时长相等的时段做比较例如,今年6月比去年5月。

    (2)标准对比

    通过目前数据与设定的目标计划之间的对比,了解目前发展进程,完成进度等,了解差距后可以及时调整策略。例如:在图表中设置目标值、平均值、中位数等标准,与实际数据形成标准对比,分析数据情况。

    (3)空间对比

    在相同时间范围内与不同空间指标数据进行对比例如:各省份订单销售数据的差别对比,可以得出产品的优势地区重点突破,平衡人力物力等

    1.6 来源分析

    来源是指访问我们网站的用户是如何到达我们的网站的。要想深入分析不同渠道、不同阶段效果,可以通过SEM付费搜索等来源渠道和用户所在地区进行交叉分析,得出不同区域的获客详细信息。维度越细,分析结果也越有价值,从而指导网站的优化,最终达到提升用户转化率的目的。

    1.7 细分分析

    (1)多层钻取

    将每层数据进行嵌套,点击不同维度数据,进行细分分析,通过多层钻取,直接在图表中点击查看细分数据,每层数据均可选择适合的图表类型进行展。

    (2)聚焦下钻

    对于数据中的一些重点数据,进行聚焦分析,在整体分析中,想要查看特别关注的部分数据详情,可以使用聚焦及下钻的功能,进行自由分析。

    1.8 用户分析

    常用的用户分析方法包括:活跃分析,留存分析,用户分群,用户画像,用户细查等。

    以『活跃分析』为例,可以将用户活跃细分为浏览活跃、互动活跃、交易活跃等,通过活跃行为的细分,掌握关键行为指标。然后,通过用户行为事件序列,对用户属性进行分群,观察分群用户的访问、浏览、注册、互动、交易等行为,从而真正把握不同用户类型的特点,提供有针对性的产品和服务。

    1.9 聚类分析

    聚类分析是将数据分为相对同质的群组的分析方法。网站分析中的聚类主要分为:用户聚类、页面或内容聚类或来源聚类。用户聚类主要体现为用户分群,用户标签法页面聚类则主要是相似、相关页面分组,来源聚类主要包括渠道、关键词等。

    二、数据挖掘与机器学习应用

    2.1 监督学习

    • 分类
      • 逻辑回归
      • 朴素贝叶斯
      • 决策树
      • 随机森林
      • K近邻
      • 支持向量机
    • 回归
      • 线性回归

    2.2 无监督学习

    • 聚类
      • K均值聚类
    • 降维
      • 主成分分析PCA

    一键运行所有代码

    图解数据分析系列 配套的所有代码,可前往ShowMeAI 官方 GitHub,下载后即可在本地 Python 环境中运行。能访问 Google 的宝宝也可以直接借助 Google Colab一键运行与交互学习!

    下载数据分析速查表

    Awesome cheatsheets | ShowMeAI速查表大全 系列包含『编程语言』『AI技能知识』『数据科学工具库』『AI垂直领域工具库』四个板块,追平到工具库当前最新版本,并跑通了所有代码。点击 官网GitHub 获取~

    👇 数据分析相关速查表(部分)

    内容速查表(部分)Github代码
    Python 3速查表Python 3速查表一键运行速查表代码 - Python
    Numpy 速查表Numpy 速查表一键运行速查表代码 - Numpy
    Pandas 速查表一键运行速查表代码 - Pandas
    Matplotlib 速查表Matplotlib 速查表一键运行速查表代码 - Matplotlib
    Seaborn 速查表Seaborn 速查表一键运行速查表代码 - Seaborn

    拓展参考资料

    ShowMeAI图解数据分析系列推荐(数据科学家入门)

    ShowMeAI系列教程精选推荐

    展开全文
  • CDA level 1 业务分析师 推荐学习书目

    千次阅读 2021-03-09 19:57:23
    CDA level 1 业务分析师 推荐学习书目 说明:推荐学习书目中,部分书籍结合软件,但考试中不考查软件操作使用,考生可根据自身需求选择性学习。参考书目不需全部学完,根据考纲知识点进行针对性学习即可。 CDA...

    CDA level 1 业务分析师 推荐学习书目

    说明:推荐学习书目中,部分书籍结合软件,但考试中不考查软件操作使用,考生可根据自身需求选择性学习。参考书目不需全部学完,根据考纲知识点进行针对性学习即可。

     

    CDA数据分析师分为CDA LEVELⅠ,LEVEL Ⅱ,LEVEL Ⅲ,涉及金融、电商、医疗、互联网、电信等行业大数据及数据分析从业者所需要具备的技能,

    符合当今全球大数据及数据分析技术潮流,为各界企业、机构提供数据分析人才参照标准。

    LevelⅠ和Level Ⅱ成功后会发送《考试大纲》、《CDA数据分析师备考手册》(包含:《考试大纲》、《考试大纲解析》、《模拟考试题》三份资料)到考生邮箱,

    报考Level Ⅲ成功后会发送《考试大纲》、《模拟考试题》两份资料到考生邮箱。

    其他教材根据考试大纲中推荐的学习书目自行网上购买学习,推荐书目不用全部学习完,建议根据考试大纲中规定的知识点逐一进行。

     

    建议学习顺序按照重要程度进行安排:SQL——业务分析——统计学。

    根据科目内容具体考点,逐个知识点学习并且总结下来。

     

    0、基本职业素质:√

    PART 1 数据分析概述与职业操守(占比3%)

    a.数据分析概念、方法论、角色(占比1%)

    b.数据分析师职业道德与行为准则(占比1%)

    c.大数据立法、安全、隐私(占比1%)

     

     

    一、SQL部分:√

    [1]王英英.MySQL 8从入门到精通[M].清华大学出版社,2019.(选读)
    [2]MICK.SQL基础教程[M].SQL进阶教程[M].人民邮电出版社2017.(选读)
    [3]黄缙华.MySQL入门很简单[M].清华大学出版社,2011.(选读)
    [4]斯蒂芬森,晋劳,琼斯.SQL入门经典(第5版)[M].人民邮电出版社,2011.(选读)

    考试内容:

    PART 2 数据结构(占比15%)

    a.表格结构数据特征(占比2%)

    b.表格结构数据获取、引用、查询与计算(占比3%)

    c.表结构数据特征(占比5%)

    d.表结构数据获取、加工与使用(占比5%)

    PART 3 数据库应用(占比17%)

    a.数据库相关概念(占比1%)

    b.DDL数据定义语言(占比2%)

    c.DML数据操作语言(占比2%)

    d.单表查询(占比3%)

    e.多表查询(占比3%)

    f.子查询(占比3%)

    g.数据库函数(占比3%)

     

    二、统计学部分:


    [5]贾俊平,何晓群,金勇进.统计学(第7版)[M].中国人民大学出版社,2018.(选读)

     

    考试内容:

    PART 4 描述性统计分析(10%)

    a.统计基本概念(占比2%)

    b.数据的描述性统计(占比3%)

    c.统计分布(占比3%)

    d.相关分析(占比2%)

     

    三、业务分析:


    [6]黄成明.数据化管理(第1版)[M].电子工业出版社,2014.(选读)
    [7]京东数据创新组.京东平台数据化运营(第1版)[M].电子工业出版社,2016.(选读)
    [8]刘宝红,赵玲等.供应链的三道防线(第1版)[M].机械工业出版社,2020.(选读)
    [9]陈哲.活用数据:驱动业务的数据分析实战(第1版)[M].电子工业出版社,2019.(选读)
    [10]顾生宝.数据决策:企业数据的管理、分析与应用(第1版)[M].电子工业出版社,2020.(选读)

     

    考试内容:

    PART 5 多维数据透视分析(10%)

    a.多表透视分析逻辑(占比3%)

    b.多维数据模型(占比3%)

    c.透视分析方法(占比4%)

    PART 6 业务数据分析(30%)

    a.数据驱动型业务管理方法(占比3%)

    b.指标的应用与设计(占比12%)

    c.业务分析方法(占比15%)

    客户分析

    商品分析

    流量、转化分析

    行为效果分析

    业务分析模型

    业务分析方法

    PART 7 业务分析报告与数据可视化报表(15%)

    a.可视化分析图表(占比5%)

    b.撰写业务分析报告(占比5%)

    c.创建数据可视化报表(占比5%)

     

    ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

    科目内容具体考点

    PART 1 数据分析概念与职业操守

    1、数据分析概念、方法论、角色

    【领会】

    数据分析基本概念(数据分析、数据挖掘、大数据)
    数据分析目的及其意义
    数据分析方法与流程
    数据分析的不同角色与职责

    2、数据分析师职业道德与行为准则

    【领会】

    数据分析师职业道德操守
    数据分析师专业行为准则

    3、大数据立法、安全、隐私

    【领会】

    国外隐私相关法律要求(参阅《国际数据保护规则要览》)
    国内大数据立法的历程和展望(参阅《中国大数据法治发展报告》)
    欧盟《通用数据保护条例》(General Data Protection Regulation,简称GDPR)中企业和个人的数据使用权限

    PART 2 数据结构

    总体要求

    理解表格结构与表结构的数据特征、理解表结构与表结构数据获取操作方法、理解表结构数据连接及汇总的逻辑、能够应用表结构连接及汇总逻辑关联多表进行汇总求值计算、能够制作ER关系图

    1、表格结构数据特征

    【领会】

    表格结构数据概念
    表格结构数据处理工具

    【熟知】

    表格结构数据特征

    2、表格结构数据获取、引用、查询与计算

    【领会】

    表格结构数据获取方法

    【熟知】

    单元格区域的特征

    【应用】

    表格结构数据的引用方法
    表格结构数据的查询方法
    表格结构数据的常用函数

    3、表结构数据特征

    【熟知】

    理解主键的意义
    理解维度及度量的意义
    理解缺失值
    表结构数据特征
    表结构数据与表格结构数据差异

    4、表结构数据获取、加工与使用

    【领会】

    表结构数据获取渠道及方法

    【熟知】

    表结构数据连接逻辑
    表结构数据汇总逻辑
    ETL作用、特征

    【应用】

    应用E-R图
    计算两表连接汇总值
    应用ETL获取及处理数据

    PART 3 数据库应用

    总体要求

    理解数据库的基本概念、理解DDL及DML语言、能够根据业务需求及数据特征使用查询语言从数据库中获取准确、完整的数据信息、能够应用数据库函数进行数据处理及计算

    1、数据库相关概念

    【领会】

    数据库分类
    SQL语言的功能

    【熟知】

    数据库、数据库管理系统与SQL之间的关系

    2、DDL数据定义语言

    【领会】

    数据库基本结构

    【熟知】

    数据类型
    约束条件

    【应用】

    创建、选用、删除数据库
    创建、修改、删除表

    3、DML数据操作语言

    【领会】

    添加数据的步骤

    【熟知】

    添加、修改、删除数据的语法规则

    【应用】

    添加数据
    修改数据
    删除数据

    4、单表查询

    【领会】

    虚拟结果集

    【熟知】

    运算符
    SQL语句的书写顺序和执行逻辑

    【应用】

    基本查询:去重查询、设置别名
    条件查询:多条件查询、空值查询、模糊查询
    分组查询:分组聚合、分组后筛选
    查询结果排序、限制查询结果数量

    5、多表查询

    【领会】

    对应关系:一对一、一对多、多对多
    连接方式:内连接、左连接、右连接
    连接条件:等值连接、不等值连接

    【熟知】

    连接查询的逻辑和联合查询规则

    【应用】

    连接查询:内连接、左连接、右连接
    联合查询:去重、不去重

    6、子查询

    【领会】

    子查询分类

    【熟知】

    子查询位置、子查询操作符

    【应用】

    子查询语法规则
    子查询优化

    7、数据库函数

    【领会】

    计算字段

    【熟知】

    函数功能及参数

    【应用】

    数学函数、字符串函数、日期时间函数、分组合并函数、逻辑函数

    PART 4 描述性统计分析

    总体要求

    理解统计基本概念、理解描述性统计相关知识内容、理解描述性统计图表定义及适用场景、能够应用描述性统计知识描述及探索业务问题

    1、统计基本概念

    【熟知】

    统计学含义及其应用
    统计学的基本概念:数据、总体、样本、参数、变量

    2、数据的描述性统计

    【领会】

    描述性统计图表:直方图、散点图、箱型图
    集中趋势的描述:众数、中位数、分位数、平均数
    离散程度的描述:极差、方差、标准差、离散系数、变异系数
    分布形态的描述:偏态、峰态

    【应用】

    能够应用描述性统计知识对业务数据进行恰当的数据特征描述,针对数据描述特征阐述业务问题、探索问题原因、提出解决问题方法

    3、统计分布

    【熟知】

    两点分布、二项分布、正态分布、分布、T分布、F分布

    4、相关分析

    【熟知】

    相关分析的描述:散点图、相关分析的类型
    相关关系的度量:相关系数

    PART 5 多维数据透视分析

    总体要求

    理解多维数据模型价值、理解多维数据模型逻辑、理解透视分析原理、能够活用多维数据模型结合恰当透视方法观测业务问题实现商业洞察

    1、多表透视分析逻辑

    【熟知】

    熟知透视分析的作用价值
    理解多表环境下的连接、透视逻辑

    【应用】

    能够通过表的字段理解该表所代表的业务维度及业务意义,能够通过表的业务意义倒推回表中字段的主键、维度、度量属性

    2、多维数据模型

    【领会】

    了解使用多维数据模型的业务意义

    【熟知】

    熟知多维数据模型的创建方法
    熟知多维数据模型中连接方式与汇总结果间的关系
    熟知多维数据模型下汇总维度与筛选维度间的差异及各自的适用场景

    【应用】

    能够通过5W2H思维模型梳理业务线索,搜集完整的多表数据。
    能够根据业务需求,按照正确的连接关系创建完整、准确、全面的多维数据模型
    能够根据多维数据模型推导出可探索的业务问题范围,实现业务洞察

    3、透视分析方法

    【领会】

    透视分析的价值及意义

    【熟知】

    熟知基本透视规则:求和、求平均、计数、最大最小值
    熟知条件筛选透视规则:多条件透视计算、不同层级维度透视计算
    熟知基本对比计算规则:均比、基准比、标准比、百分比、差异百分比
    熟知时间维度下的透视计算规则:不同时间段、不同时间位移量下的透视计算规则
    熟知行间透视与字段上透视的差异

    【应用】

    能够根据业务需求选择创建正确的透视规则
    能够将透视规则应用在正确的多维模型下描述业务问题
    能够通过透视结果理解业务问题
    透视结果与预期结果不符时,能够检查、追踪问题原因

    PART 6 业务数据分析

    总体要求

    理解业务数据分析方法、掌握业务数据分析流程、能够使用及设计创建业务指标、能够结合业务模型及业务分析方法正确理解业务问题,找到问题原因,并能够提出解决问题建议

    1、数据驱动型业务管理方法

    【熟知】

    熟知数据从业务中来到业务中去的全过程
    熟知数据驱动型业务管理的价值意义
    熟知数据驱动型业务管理流程
    熟知数据驱动型业务管理思维方式

    【应用】

    能够通过数据驱动型业务管理流程找到业务分析与业务管理需求的结合点,能够正确理解数据的出处及产生逻辑,能够正确的运用数据为业务管理提供有价值的数据分析结果

    2、指标的应用与设计

    【领会】

    指标的作用

    【熟知】

    熟知从指标结果出发到业务行为落地的思维过程及分析方法

    熟知指标与透视计算间的关系
    熟知常用指标:
    流量相关指标
    转化相关指标
    营运、销售相关指标
    库存类指标
    常用财务指标
    绩效类指标
    客户相关指标
    熟知拆解业务需求设计指标方法

    【应用】

    能够根据指标结果洞察业务问题及影响
    能够根据业务场景选择恰当的指标进行观测
    能够根据业务需求设计新指标,完善指标体系

    3、业务分析方法

    【领会】

    不同业务分析方法各自的作用

    【熟知】

    熟知以下业务分析方法:

    客户分析:客户来源分析、客户价值分析、客户生命周期分析、客户行为分析
    商品分析:商品进销存分析、商品渠道分析、商品耗损分析、商品价格分析
    流量、转化分析:流量转化分析、流量渠道分析
    行为效果分析:活动效果分析、销售分析、其他行为效果分析
    业务分析模型:漏斗模型、RFM模型、客户价值模型
    业务分析方法:树状结构分析法、二八分析法、四象限分析法、同期群分析法

    【应用】

    能够应用恰当分析方法解决业务问题
    能够将数据处理分析技能融入到业务分析方法中,为数据驱动型业务管理提供正确、全面、客观的数据依据

    PART 7 业务分析报告与数据可视化报表

    总体要求

    理解业务分析报告与数据可视化报表的制作方法、能够结合业务需求撰写正确的业务分析报告,能够结合业务需求创建全面的数据可视化报表

    1、可视化分析图表

    【领会】

    业务图表与统计图表的区别

    【熟知】

    业务图表决策树
    熟知比较类图表的使用方法
    熟知描述类图表的使用方法
    熟知结构类图表的使用方法
    熟知序列类图表的使用方法

    【应用】

    能够根据数据特征及业务需求选择正确的业务类图表使用
    能够通过图表展示内容理解业务问题

    2、撰写业务分析报告

    【领会】

    业务分析报告作用

    【熟知】

    熟知业务分析报告撰写流程
    熟知业务分析报告撰写注意事项
    熟知业务分析报告设计方法

    【应用】

    能够根据业务需求选择正确的报告论点
    能够根据报告论点搜集并展示充分、正确的数据依据
    能够撰写合理严谨的分析报告,并提出有价值的分析建议

    3、创建数据可视化报表

    【领会】

    数据可视化报表的作用

    【熟知】

    熟知数据可视化报表与业务分析报告的差异
    熟知数据可视化报表的创建过程
    熟知数据可视化报表的设计思路
    熟知数据可视化报表的应用方法

    【应用】

    能够结合业务需求设计可落地的数据可视化报表内容
    能够将抽象的业务需求转化为具象的数据维度与度量描述
    能够制作可清晰、准确、全面地描述业务问题、展示业务全面场景的数据可视化报表

     

     

     

     

    展开全文
  • 王者荣耀 业务分析

    千次阅读 2019-06-19 18:02:22
    王者荣耀 业务分析 王者荣耀是一款组队竞技游戏。王者荣耀有三个基本玩家财富字段:金币、钻石、点券。 英雄的获取方式有:限免的英雄可用金币或钻石购买,有一些非限免的可用点券购买,一些英雄可通过特定的...

    王者荣耀 业务分析

     

    王者荣耀是一款组队竞技游戏。王者荣耀有三个基本玩家财富字段:金币、钻石、点券。

     

    英雄的获取方式有:限免的英雄可用金币或钻石购买,有一些非限免的可用点券购买,一些英雄可通过特定的游戏活动获得。并结合了游戏奖励机制。

     

    它的主要盈利入口在于点券的使用,点券充值(1元10点券),包括买英雄、买英雄皮肤。

     

    生态上捆绑了微信、QQ用户。

    展开全文
  • 第一章 清晰理解业务分析 业务分析涉及: 确定业务问题和商业机会引导干系人的需要并分析制约因素分析干系人的需要以定义解决方案的需求分析和验证潜在和实际的解决方案管理“产品”或者需求范围 业务分析...
  • 业务分析知识体系指南》《用户故事与敏捷方法》《敏捷软件需求》《七步掌握业务分析》实例化需求》《认识商业》《商业模式新生代》《财务报表分析》《战略:从思维到行动》《需求》 找到一份Thoughtworks在新人...
  • 业务分析系列主题:业务场景

    千次阅读 2021-07-05 22:15:22
    业务场景作为一种需求分析技术用途十分广泛。本文涛哥就和大家聊聊业务场景是什么,以及如何创建业务场景。 一、业务场景是什么? 所谓“场景”,本意是指:影视剧情中的人物在特定时间与空间内发生的行动。 而...
  • ​​​​​​​大数据业务分析基本步骤 ​​​​​​​明确分析目的和思路 ​​​​​​​数据收集flumesqoopkettle ​​​​​​​数据处理-ETLMapReduceSpark ​​​​​​​数据分析HiveSQLSparkSQL 数据...
  • 数据分析总结二:业务与数据分析

    万次阅读 多人点赞 2019-01-02 15:16:29
    二、经典的业务分析指标 模型未动 , 指标先行 如果你不能衡量它,你就无法增长它 例如APP进行数据分析就有如下指标进行衡量。 接前一篇文章讲的数据分析思维,可以直接产生业务分析指标。 各部门与指标...
  • 数据分析面试:业务

    千次阅读 2022-03-11 11:48:12
    数据分析面试:业务
  • 传统的企业BI平台都是由IT相应——业务提需求的模式运行,企业数据分析的重担基本都压在IT部门,随着企业发展,业务分析需求不断增加,导致IT部门需求应接不暇,而且由于对业务的不了解,在项目进展的过程中,IT往往...
  • 题目:分析系统业务流程和绘制系统业务流程图 姓名 学号 实验环境: 机房Microsoft Visio 2010绘图软件 实验内容及完成情况: 1.请...
  • 业务分析决策基本上就是帆软报表制作的,企业需要做的就是平台支持,数据库,人员储备等措施。   绩效管理决策   BI决策管理针对的是企业高管,是数据化运营的核心部分,能对数据做到及时监控,综合反映企业运营...
  • 测试用例设计之业务流程分析

    千次阅读 2020-03-25 09:57:36
    业务流程分析法简介二.业务流程分析法分类使用三.业务流程分析法好处四.业务流程分析法设计思路五.业务流程分析法实施步骤六.举例说明6.1需求6.2分析6.2.1测试需求分析6.2.2测试设计方法分析(流程分析法)6.2.3用例...
  • 需求分析业务架构

    千次阅读 2019-01-03 22:27:15
    一、名词解释 名词 含义 需求收集 ... 收集业务原始需求,主要是从参与者的角度表达用户需要达成的业务功能,一般以业务用例的形式体现。... 需求分析是在业务需求的基础上,进行细...
  • 传说中BA必读的十本书籍精选,见仁见智吧: 《业务分析知识体系指南》《用户故事与敏捷方法》《敏捷软件需求》《七步掌握业务分析》 《实例化需求》《认识商业》《商业模式新生代》《财务报表分析》《战略:从思维...
  • APP分析过程在项目管理体系PMBOK中归属于项目范围定义(Define Scope)过程。从PMBOK的角度来看,在完成需求收集(Collect Requirements)后,需要对项目和产品的详细范围进行描述,清晰完整的项目/产品范围说明书...
  • 业务分析师的职责角度,提出了作者对业务分析师的基本理解。
  • 业务需求分析和建模

    千次阅读 2018-08-21 10:53:50
    需求分析是指真正用来设计系统的业务需求细节 需求信息的收集和分析分为如下三个阶段: 1)事务需求的确定 2)系统需求的确定 3)进行需求分析 1、业务需求 业务需求主要涉及业务如何处理、业务工作计划和业务...
  • 相关于业务用例的术语在RUP中有:业务用例,业务用例实例,业务用例实现,业务角色,业务实体,具体业务用例,抽象业务用例,业务流程,业务参与者和业务执行者等等。除了搞需求方法论研究的人(比如笔者),谁还能...
  • 本文将分享针对某一项业务比如采购、比如销售、比如运营,如何切入数据分析来解决问题,以什么样的思考方式。 以采购这一项业务为例。在采购过程中,数据分析具有极其重要的战略意义,是优化供应链和采购决策的核心...
  • thoughtworks业务需求分析师面试总结

    万次阅读 热门讨论 2018-08-10 19:45:29
    thoughtworks内推之后BA岗需要完成...BA岗是角色扮演,一个面试官扮演业务方,一个扮演开发,一个面试官全程在观察。 提前二十分钟到给看题目,英文题目,二十分钟内自己提前准备,然后在通知面试的时间面试官准...
  • 银行业务与信息化系统分析

    热门讨论 2014-06-21 11:18:21
    对于一个银行 IT 服务业的从业人员而言半或理解者 开的说发 开交 发测付人试物员或会或者给测销客试售户人 带员都来交需额付要外的对的软银回件行报 如的呢何业 能务对无让有银论客一行从户定业事相的务的信了流是 ...
  • 0: jdbc:hive2://hadoop002:10000> select * from video_orc order by views desc limit 10;

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,030,608
精华内容 412,243
关键字:

业务分析

友情链接: 新建文件夹.zip