首先介绍了七周分别需要掌握什么知识
数据思维
业务知识
excel
数据可视化
SQL
统计学
python
数据分析师一门交叉领域的学科
分析师们既可以用excel完成一份最基础的数据报告
也可以用python输入挖掘
真正决定数据分析师上限的是能力，而不是工具（用好工具简单，但是想要学会真正的数据分析需要积累）
数据分析的结构层次
底层数据的收集/产品端收集
数据采集简称埋点，收集用户在网页端，产品端
客户端等终端的数据，也包括第三方外部数据
用户行为-原始数据
数据业务化/产品需要什么样的数据
将收集的数据转换成可理解、可量化、可观察的业务指标。单纯的数据没有意义，只有和业务结合才能发挥价值
原始数据-加工数据
数据可视化/产品的表现如何
有了数据指标，必须管理好指标，数据分析体系即数据指标体系，指标需要监控和衡量
加工数据-可视化数据/信息
数据决策和执行/怎么让产品更好
当从数据中获得了洞察，就需要把洞察转换成策略，这也是包含分析的过程，执行既包含策略的指定，也包括优化和改进，这是持续的
可视化数据/信息-数据决策
数据模型/产品开始自动化和系统化的运营
这是将策略制作成数据应用和产品，当你洞察到数据中蕴含的规律，什么样的用户喜欢，什么样的商品会被购买，什么样的活动形式更好，就尝试把这些做成系统
数据决策-数据产品/应用
数据战略/指导未来
当积累了大量的数据，大量的模型，大量的数据应用时，公司级的数据体系已经具备雏形，他不只是数据分析，而是应该将数据变现
数据工具-数据体系/战略
第一周：数据分析思维
为什么思维重要：思维能帮助你更好的进行数据分析
what
三种核心思维
why
数据分析的思维技巧
how
如何在业务时间锻炼分析能力
三种核心思维
第一种：结构化
将分析思维结构化
将论点归纳和整理
将论点递进和拆解
将论点完善和补充
核心论点
可以是假设，问题，预测，原因
结构拆解
拆分成分论点
MECE
相互独立，完全穷尽
论点之间要避免交叉和重复
要尽量完善
验证
可量化，可以用数据说话
必然是可验证的
思维导图（适合单兵作战）
例如
销量下降原因？ - 内部原因/外部原因
内部原因 - 各个地区 - 消费人数下降 - ....
外部原因 - 市场竞争/政策/市场容量
查看资料和背景，将结论列成一张表/卡片
把表上的结论，依据主题分类
将同一类型的结论，按顺序区分
讨论同一级别的共通结论，将其结论放在上一段位置
第二种：公式化
结构化是分析的思维，但他还不够数据，而且难免有发散的缺点
+-*/
一切皆可公式
销售额由什么组成？ 销量*客单价
利润由什么组成？ 销售额收益-成本
销售额是单一的维度吗？不是 销售额是多个商品/SKU的总和
地区的销量由什么组成？是不同线下渠道的累加
第三种：业务化
为了分析而分析，没有深入理解业务，俗称不接地气，好的数据分析思维，本身也是具备业务思维。
有没有从业务方的角度思考
真的分析出原因了吗
能不能将分析结果落地
如何预估上海地区的共享单车投放量？
1.从城市流动人口计算
2.从人口密度计算
3.从城市交通数据计算
4.从保有自行车计算
5.单车的消耗因素
一个销售公司业绩没有起色，对他进行了分析
销售人员的效率降低，因为士气低落
产品质量不佳，和同期竞争对手对比没有优势
价格平平，顾客并不喜欢
看似像是结论，实际并不是结论
多和业务方沟通
课程学习人数下降
通过三种思维方式，做出一个假设性的分析案例
课程学习人数下降的原因？ - 内部原因/外部原因
内部原因 - 价格过高，质量不行，受众面不广
分为几个地区
外部原因 - 同行竞争，市场容量，市场趋势
数据分析的思维技巧
1.象限法
就是把一堆数据进行分类，可以按照中位数，平均数（经验）
核心：策略驱动
优点：直观、清晰、对数据进行人工的划分
2.对比法
数据需要对比，和历史数据对比，和竞争对手对比，才能得出一个靠谱的结果
3.漏斗法
4.二八法
20% 产生 80%的效果
TOP N（抓住核心）
5.指数法
线性加权：
例如斗鱼直播的热度，是由礼物，观看人数，弹幕数组成的，
可以 礼物 * 0.7 + 观看人数 * 0.2 + 弹幕数 * 0.1
反比例（收敛，变化会很小）
1 - 1/x
log
6.假设法（没有数据和线索）
很多时候，数据分析师没有数据可明确参考的，比如新进入一个市场，公司开拓某样产品，老板让你预测一年后的销量，或者产品的数据基础非常糟糕，你拿不到数据。这时候只能靠假设了
公司在节日进行了一次营销活动，APP上的销量数据整体比上周上升了20%，因为统计失误问题，拿不到明细数据，也就是说，活动效果是一个黑盒，现在的问题是，销量本身就有可能因为节日而提高，怎么证明活动是有效或者无效的呢？
假设活动是有效的
思考一下，活动有效的话，会发生什么事情
会有一定数量的用户购买，则有效
用户通过活动购买商品，会发生什么可观测的行为呢
假设有一些用户会评论留言，那么可以统计提及活动的字眼
当用户提及了这次营销活动，有效值是多少 10%？
假设参与用户行为没有变化，那么通过历史数据的用户评论占比，反推购买人数
7.多维法
用户统计维度：性别，年龄
用户行为维度：注册用户，用户偏好，用户兴趣
消费维度：消费金额，消费频率，消费水平
商品维度：商品品类，商品品牌，商品属性