《数据分析之道：用数据思维指导业务实战》读后感摘抄

《数据分析之道：用数据思维指导业务实战》是一本由李渝方著作，电子工业出版社出版的236图书，本书定价：106，页数：2022-1，特精心收集的读后感，希望对大家能有帮助。

《数据分析之道：用数据思维指导业务实战》读后感(一)：初入职场就做数据分析1~2年同学的【有用】读物

使用人群（主观意见）：初入职场就做数据分析1~2年的同学本书特点（主观意见）：务实，操作性高本书作用（主观意见）：1. 对过往1~2年数据分析工作进行查漏补缺。2， 如需跳槽，可摘抄书中原话丰富简历。推荐指数（主观意见）：3星半（豆瓣没有半分之说）

翻来翻去，数据分析的书就是那点事：

为什么要加【理解】二字，因为那是现在市面上所有教你数据分析的书告诉你的：数据分析是这样。但现实的数据分析却是另外一番景象。那是什么景象？

取数工具人/看板搭建人1年，跟业务沾点边半年，业务信任你觉得你能分析点东西再来半年，如果公司不重视数据部，基础数据建设搭建很乱，其实很多东西你都拿不到，两年过后你发现其实没有分析什么。

有人会说，业务找我取数，搭建看板都会告诉我指标是什么阿？那是业务告诉你的，不是你自己想的。因为你不懂业务。有时分析师会觉得自己提出了一个很好的想法，业务告诉你：最近没有这个时间做 or 这个我们经验判断已经知道结果 or 你说的那个业务上行不通。又恰好你的老板不是一个能向上管理的人，那么你的价值基本就在取数工具人徘徊了。2年下来，指标算了不少，看板搭建了不少，能推动业务落地的却没有。

碎碎念了一堆，回到本书。

个人主观感觉本书算是在教分析概念上比较能有实操价值，能让你结合自身工作有反思的一本书。所以在作用那里我会写：可对过往工作经验进行查漏补缺。书中会带动你反思日常工作中你做过哪些，没有做过哪些。数据分析常见问题也不会一笔带过，还是稍微举例带你过一遍脑子。但说实在数据分析就这点思维，翻来覆去也写不出什么太个性的东西（所以扣掉半星）。

尽管如此，本书已经是我见过干活最多，写的很详尽的数据分析指导用书了。

建议不仅是数据分析，数据产品、数据运营也可以来看。

那么问题来了，当数据产品和数据运营也学会了数据思维（大众知道的就是那些，除非出书人把高深的梳理统计概念写透让产品和运营觉得没必要去读高深的梳理概念），那么数据分析师又会变成取数工具人了。

《数据分析之道：用数据思维指导业务实战》读后感(二)：入门到熟练的指导书籍

#小曾曾读书笔记#《数据分析之道：用数据思维指导业务实战》作者李渝方，全书围绕数据分析中最为重要的三方面——数据思维、数据指标体系、数据分析方法，来阐释数据分析之道。最后以用户生命留存和用户付费转化两个实际业务场景，作为案例进行应用研究。

书中囊括了常用的数据分析方法，如AARRR、《金字塔原理》的MECE、逻辑树、漏斗分析、AB测试、RFM模型、K-Means算法、5W2H等。

在指标体系一章，介绍了以OSM为框架，用户生命周期分析（AARRR和UJM）和MECE为具体准则的数据指标体系搭建原则。

而分析方法，则强调对比思维、分群思维和相关与因果关系思维三种经典思维的概念、原理和实现。

全书通俗易懂，辅以Python和SQL的代码，也方便实操。是一本很好的数据分析入门和熟练类书籍。

可读性：优；实操性：优。

梳理本书亮点：

1、数据治理流程是从数据规划、数据采集、数据储存管理到数据应用的过程，是从无序到有序的过程，也是标准化流程的构建过程。

2、商业智能分析可以总结为探究原因、评价效果以及活动预估三大模块。分析结果通常以分析报告的形式来展现

3、数据思维包括：

对新业务建立合理的指标体系，并制定相应的评价标准以监控业务发展；

合理地运用统计学知识、分析方法解决业务问题、探究原因、预测结果以及评估活动效果；

面对不同的业务场景，选择合适的分析方法定位问题，以辅助业务提升。

4、培养数据思维的方法：

熟悉业务及常用的数据分析方法，建立自己的分析体系；

面对具体问题多问几个为什么，树立目标意识，找出需求背后的潜在分析点；

建立标准，不预设立场，通过客观的标准代替主观的判断；

基于数据分析结果为业务方提出切实可行的解决方案。

5、用户的数据标签是指通过对用户的社会属性、消费习惯、偏好特征等多个维度的数据进行采集和处理，实现对用户或产品属性特征的刻画，并对这些特征进行分析、统计，挖掘潜在价值，从而抽象出用户的信息全貌

6、指标体系的功能大致有三点：

指标体系是一套标准化的衡量指标，可以监控业务的发展情况；

指标体系可以形成报表并固化下来，以减少重复的工作；

如果业务出现问题，数据分析师可以通过指标拆解，迅速定位业务问题，给出业务优化方向。

7、指标体系可以基于OSM模型来的，即目标-策略-度量。

在OSM中再穿插其他模型，整体步骤提炼出来即明确目标、生命周期管理、细分挖掘。

S中应用AARRR或UJM模型；不仅是M也是全部中，应用MECE原则。

8、数据分析有三种最常用的方法论：对比思维、分群思维、相关和因果思维。

对比包含常用的环比同比定比等，还有经典的AB测试；

分群思维有同期群思维、聚合、RFM、聚类等等；

相关和因果常用的是相关系数、判断因果关系的DoWhy框架等。

9、估算用户流失周期的方法有拐点法和分位数法。

10、分析用户流失，基本步骤分为：定义流失用户、分析流失原因、打上流失标签、预测潜在流失用户、分层用户召回。

11、漏斗分析的核心步骤：

确定研究对象，选定分析维度，即选定数据统计的角度，如电商常用人、货、场、订单等。

确定事件的开始时间和结束时间，即漏斗模型应用于业务的时间段。

拆解用户路径，明确关键节点，即明确用户在该业务中的每一个步骤节点。

指定关键指标，全面刻画业务，指导业务优化，即通过数据指标诠释业务现状和监控业务发展。

12、营销增益模型根据干预手段是否能够触及用户群体，将用户群体分为四个类别：

（1）营销敏感人群（Persuadables）：在干预的情况下，会发生付费转化的用户群体。

（2）自然转化（Sure Things）：无论是否干预，都会发生付费转化的群体。

（3）无动于衷（Lost Causes）：无论是否干预，都不会购买的群体。

（4）反作用（Sleeping Dogs）：本来会发生付费转化，但干预之后就不付费转化的用户群体。

《数据分析之道：用数据思维指导业务实战》读后感(三)：数据分析之道|数据分析师必备的三大核心数据思维

适合2年以内有Python基础的萌新数据分析师，三大数据分析思维是重点章节

数据分析对于互联网从业者来说已经是一项必备的技能，不管是用来评判业务状态、探究诊断业务问题还是预测业务走向，这个时代缺的不是数据，缺的是系统完整扎实的数据底层设施和懂数据、会用数据的人。

所谓“必备”，实际上指的是多多少少需要掌握一些数据分析能力，区别在于每个人岗位不一样、业务问题不一样、需求不一样，应该掌握的程度千差万别。因此，正如不是“人人都是产品经理”，我们也不必追求“人人都是数据分析师”，尤其是对学生党和职场萌新来说，更不必被朋友圈、公众号、知乎上出现的各种速成、高薪培训广告所蛊惑，花几千块钱学一堆到后来没什么卵用的东西，书籍和各种网络资源已经够了。

相对来说，书籍是体系比较完整、结构比较清晰的一种学习来源，你通过书籍目录就大概可以知道作者的写作思路以及自己对哪些地方更感兴趣。而且，图文书籍不是视频那种线性逻辑，你可以自主掌握阅览速度，看不懂的可以停下来前后多翻翻，简单的可以扫一眼翻篇儿，觉得精彩的可以勾勾画画、做做笔记。因此，对于还在数据分析新手村的同学，比较适合多翻翻系统介绍数据分析的书籍，先对数据分析的全貌和整个流程有个了解然后针对性地学习。之前提到过一个比较鸡贼的学习技巧，大量翻阅某项知识相关的书籍目录以及各类知识付费课程目录，以此梳理和建立对这一类知识的体系和框架认知，然后根据自己的情况搭建适合自己的学习路径，针对框架的每一个小点去大量检索学习，这样学习效率会高一些，有兴趣的同学可以一试。

实际上，对于数据分析这项技能型知识来说，大体上中低水平的入门型知识就那么些，学习能力强的人可以很快走出新手村，剩下的就是大量业务实践，直到“我亦无他，唯手熟尔”。很多新手很容易陷入对各种数据分析工具的迷恋，就像玩吃鸡的时候沉迷调灵敏度、一落地就想捡到大菠萝、M416这种大杀器一样。实际上，Excel是最常用的数据分析工具，SQL是需要优先掌握的取数工具。对于很多在初创公司和中小公司打工的同学来说，日常你接触不到“大数据”、数据量也很少会让Excel卡死，更别提A/B测试、算法、机器学习这种高难度需求。因此比较经济的工具就是Excel和SQL，顶多Tableau或者PowerBI任选其一，至于大杀器Python、R在你学有余力、业务需要的时候接触为佳。

本来是写书评的，开头的“引子”一写就有点啰嗦了，还是回到正题。

李渝方，2017年毕业于兰州大学生物科学专业本科，2020年毕业于复旦大学生物医学研究院硕士，先后于游族网络、阿里巴巴、Sea等大中型互联网公司从事数据工程师、数据分析师岗位，具有十分丰富的数据分析经验，公众号「数据万花筒」主理人。

书籍框架

近日翻完了李渝方老师的新书《数据分析之道：用数据思维指导业务实战》，趁热赶紧做做阅读笔记，以免事后遗忘，同时也练练笔。

从书名就可以看出，这本书切入点是数据分析思维，因此不同于其他讲工具或者围绕业务和数据模型的同类书籍。

本书首先界定了数据分析思维的内涵，基于黄金圈法则讲述了数据分析思维的what、why、how，作者认为数据分析思维是数据分析工作的核心指导思想，也是数据分析师成长晋升的关键要素、在数据分析师内部以及业务方中建立影响力的重要手段。

在概要数据分析思维的含义后，作者按照数据分析流程，先后介绍了数据来源之一的数据埋点、数据标签体系与数据指标体系建立、数据异动分析以及三大核心数据分析思维，最后结合典型数据分析场景“用户流失”、“用户转化与付费”介绍了对应的数据分析实战过程与分析方法。

可以说，本书的核心就是三大数据分析思维，即对比思维、分群思维、相关与因果思维，实际上这三大思维也是日常业务中频繁需要使用的思维方式。比如，在对比思维中，作者花大篇幅讲述了A/B试验含义、统计学原理；在分群思维中，作者介绍了同期群分析(Cohort Analysis)、RFM，模型与K-means聚类；在相关与因果思维中，作者介绍了因果推断的相关知识。如果你有过数据分析相关的求职经历的话，你就会知道这三大思维是高频考点，作者分别花了一章的篇幅、理论与实战相结合详细讲述了这三大分析思维，因此我才说这三章是本书的精华，别的篇章你可以一扫而过，这三章需要细读一番。

此外，数据埋点、标签体系、指标体系这三章是另外需要关注的章节，因为这些是数据分析的基础和前提，只有在数据治理的源头规范数据采集、搭建数据标签和指标体系，数据分析才能有的放矢，数据分析工作才能高效地开展，也能更加精细化地开展运营和营销工作。书中还提到，在分析数据异动的时候，需要先确认数据波动是否是异动，然后排查是周期性波动、内部因素引发波动、外部因素引发波动、意外因素还是仅仅是因为数据传输过程中引发的波动。

在实战案例章节，作者结合数据分析模型和Python编程介绍了用户漏斗中比较关键的转化、流失优化和营销效果评估知识。因为涉及很多代码，我Python基础薄弱尚且无法理解，只是匆匆翻了翻。

《数据分析之道》这本书在讲述上挺有逻辑，结构上条分缕析，如此有利于读者理解。在三大核心思维以及常见的A/B测试、因果推断的理论讲解上比较出色，对这方面知识有需求的同学可以翻一番，再结合网上的其他资料进一步补充。

书中说到，“数据思维是一个很抽象的概念。从宏观意义上来说，数据思维是数据分析师分析问题的思路和角度”。作者在开篇大量篇幅讲述了数据治理、数据分析常规工作以此来引出和论述数据思维，但我并没有找到数据思维的确切和具体的定义。可能作者是将数据意识、数据规划、数据治理、数据分析功能等同于数据思维，也即是作者口中的数据思维不是我理解的数据分析思维。如果指的是数据分析思维，一定程度上指的就是方法论方面的思路和数据分析框架，除了上面说的三大思维，还有生命周期框架、漏斗分析、路径分析、矩阵分析、帕累托分析、回归分析等等。

另外，在语言上或许作者可以更加简练些，这样论述会更加紧凑。

在某些章节，比如在用户画像、数据分析指标章节可以更加详细一些，或者列举互联网常见数据指标的含义、统计口径、计算方法等，这些是萌新应该了解、常犯错误的地方。

尽管本书的用户定位为1-3年的初级数据分析师，但其中涉及的Python编程和算法模型可能对萌新不友好，比如我有一点微薄的Numpy、Pandas和统计学基础，但看着那些算法模型和代码还是一脸懵逼。因此，对于本书的读者来说，如果不理解的话可以跳过去，等对Python和算法有涉猎之后再来翻翻。

以上是个人的一些简单看法，或有偏狭之处或理解上的不足。有兴趣的读者可以读一读，相信会对数据分析知识体系的搭建有很好的的补益之处。

■坚持写作两年，我的第一本书出版啦

■CDA 数字化人才系列丛书《数据分析之道：用数据思维指导业务实战》作者访谈