配套的视频教程：数据分析师八大能力培养 https://edu.hellobi.com/course/272
职业问题
Q：求职建议
A：今天1对1指导了几个同学，特别提示：对于转行的同学们来说，即使你再鄙视现在的工作，觉得他再无聊，也得从中找到一些和数据分析的关联。因为转行面临的不仅仅是能力的考验，还有身份的认可。所有的面试官都讨厌浮躁，投机，企图一夜暴富，不认真工作的人。从现在的工作中找到一些和数据有关的点，就能明正言顺的说：我接触过数据分析，我对数据分析有兴趣，能极大提升通过的概率。况且对企业而言，1万句：“我学过”抵不过1句：“我做了”自学的再多，也比不上工作中能用一点点。
至于怎么跟工作关联上，这个就要基于对业务的理解了。比如今晚聊了一个搞基建维修的哥们，都是泥瓦匠的活，看似和数据没关系吧。可细聊下：他有好几个施工队一起跑，是不是有工作量评估，资源调配，效率优化的分析点在里边。搞维修，就能记录问题清单，那是不是能贴标签，分析什么时间，什么场景下出XX类问题出的多，是否可以分类。既然要维修就要备物料。那是否根据任务类型可以定备料策略，针对重点问题120%充足。针对小问题50%充足，是否这里又有分析的点。
是滴，大部分这些事工作中都是靠经验，拍脑袋。然鹅，数据分析本身不就是把经验数据化记录以传承下去。利用事实结果验证拍脑袋成果吗。所以是完全可以分析的。稍微对现有的工作多做一点点整理，比上网学什么“数据分析核心心法”“运营分析十大思维”要有帮助的多。况且好多转行的同学连互联网公司的岗位，流程都不清楚，估计背完“分析就是一句话”照样不知道怎么分析。
所以为啥能力一录了长达5个小时，就是给一个模板，同时提醒大家多结合实际训练起来。其实就是一个200字的故事的事，然鹅做好做不好就是这么大差距。
Q：想问老师，像从没从事过这个行业的，又不是相关专业，怎么系统学习呐？还有那么多分析软件，怎么选择？
可能我问的问题太白啦，没有思路啦，谢谢老师。我是想转行，现在还没毕业，明年毕业。
A：明年毕业的话，目前首要的是两件事：
第一你实习过没有？没有实习马上行动起来去找，不要再学校里憋着了。
第二应届生想入手数据分析，走技术路线难度低一点（没经验吗，懂个屁的业务）所以你要定一个为期1年，每天1-2小时的学习计划，从python爬虫，sql学起。十个在校生的问题，有9个和没实习过有关系。
去实习的还有问题，就是实习期间没有注意收集资料，等着别人教，发现自己只是个搬砖的，然后实习完跟没实习一样。工作两年的话，先看求职必胜课，然后发简历给我看。
入职以后，转行失败的第一原因不是因为你不会干，而是你的背景，人家一看就不会要。特别今年互联网行业整体不景气，小公司倒台的多，人家本行业的简历都收不过来。外人更不会要。所以先给一份你的简历我，我们针着设计一个战术，把转行的路线先订了。
已经入职场且不知道该怎么提升的，都先上简历哈，直接刀对刀枪对枪的强化一下。
Q：面试的时候问题，职业规划这种该怎么陈述？
A：面试的实在回答职业发展方向，有一个标准话术的，我希望成为数据领域的专才、人才就好了。面试的时候，这个问题，其实你只需要表达出来，你想往这个方向发展就好了，就不要表现出我很犹豫啊，然后，我看这边工资多，所以我想干啥就不要显得自己很浮躁就好了。
Q：没有做过项目怎么办？
A：这里再说一次哈，什么是项目，项目是有明确目标，有明确结果的单项工作。不是说非要：拉个横幅，领导发言，中午吃个自助餐，然后一个项目经理按计划表打电话骂人，开撕逼大会，最后千人新闻发布会，才算是一个项目。所以速度去看能力二，关键是从自己做过的工作中，识别一下，那些是监控类的，哪些是专题类的。把那些针对具体问题分析的专题单独拎出来就是项目哈。而以我的了解，八成同学根本没问过业务，到底看了报表做了什么，所以才不明白有什么用，这就是为啥要把这一块放到能力二里，要去沟通哈。其实大家从实际工作中抽一点经验，再配合自学的，面试很容易过得。比跟人家讲：“我原本的企业好傻逼，所以我无心工作，醉心泰坦尼克要强100倍”
Q：请教陈老师往哪个方向去求职可能会更好呢？要是能到互联网公司的市场部分析，听起来也不错
A：不一定互联网公司啊，话说大家对互联网公司似乎想象的很桃花源，可实际上，比如游戏行业已经是高度垄断，90%的市场归腾讯网易，剩下的都是小黑心作坊，电商90%市场归阿里和京东，搜索90%归百度，360，剩下的都是小黑心作坊。然后那些小互金，小电商，小游戏，小O2O公司一年倒闭一次也是996加班，所以真的不要一张嘴就互联网公司了，互联网企业跟现在的煤炭（神华）运营商（移动）没啥区别了。看一下能力一的介绍，其实市场部的核心逻辑很简单。为什么名词多，是因为产出的效益少，所以要发明很多名词证明自己有效益，哈哈哈。
市场营销一句话
目标响应再转化
开局来一轮洞察
目标特性写又画
圈出群体定策略
响应转化好算啦
有钱你就把券派
没钱软文忽悠下
简单来说就是对销售而言，就是列一个跟进名单，然后跑单跑单跑单。对市场而言，就是圈一群人，看他们的需求，爱好（买什么产品，看什么媒体，喜欢什么话题）然后有钱的话来个促销买了送点东西，没钱了就发个软文忽悠一下。更多的还是盲目，基本上业内的都不会说“互联网”这三个字的，都是很具体的游戏，社交，电商，互金，O2O这么说的。
所以有个简单的判断方法就是如果大家看到一个帖子是讲“互联网行业XXX”基本都是水贴……不要说“互联网”这么宏观了。就游戏行业，端游，页游，手游都是三个完全不同的行业，MMO，ACG，MoBA都是不用的产品品类……混为一谈会被内行笑话的。
当然你也能说：
游戏分析一句话
流量活跃加转化
引流成本控制好
渠道不行就砍它
首日次日看留存
转化要把大R抓
饱和度要常盯紧
低了活动高了加
其实大家没看出来吗，这些诗黑的都是做经营分析的。因为经营分析不管哪个行业，指标都是用户量*活跃率*转化率。然后用户量又能拆新用户进入+老用户留存率。新用户进入和渠道有关，完全可以看哪个渠道不行砍哪个。然后活跃这里各个行业看的可能有些差别，比如游戏看首日次日3,7,30日，其他行业可能周期不同。然后转化基本和产品有关，游戏特殊一点有个饱和度的概念在里边（就是玩家玩游戏点的完成度）。
知道这几个指标很容易的，基本百度一下就有了。然饿解读指标就难了。不过也不需要这么难，很多人（包括很多教育机构，不点名了）都是画一条曲线，然后低了就是不好，高了就是好！低了就搞高！！！活跃不行就上大转盘，转化不行就促销！欧耶
比如上次有个同学，问我他们的某款游戏做的活动效果，算了一堆数据但是没结论。我就建议，你先得给游戏定个性，因为国产游戏生命周期没那么长的，基本上1年都算老游戏了，所以想下结论，你得先看这个游戏处于运营的什么阶段，大背景是什么，如果大背景是稳定大R（大额付费土豪）那就不能光算那么多平均数，而是看大R群体是否在活动影响下保持了较好的状态，是否活动吸引来的新鲜血液能让大R们再多玩一会。这样才能慢慢输出结论。
所以要具体问题具体分析，马上能力三会教大家如何把一个实际问题，拆解成能力二里的几类小的分析问题，这样才能实现层层递进越分析越透彻的效果。
Q：昨天去面数据分析被拒了，面试官问我这份工作为何工作半年就走，而且我上份工作也是1年多点就走了，他们对我忠诚度表示很怀疑，这种情况下我该如何解释。。有没有什么好的开脱理由？”
A：面试官是HR还是用人部门，要是都讲“实力”就不存在转行了，直接上JD和简历，对比一下，私聊哈。只要笔试能过，后边的都不是技术问题。当然，用“实力”可以解释一切，哈哈哈。而且同学们专业一点，原问题是：有没有什么好的开脱理由？大家可以看一下自己的回答有几个是针对这个问题的。
Q：陈老师，关于职业规划的问题我请教一下。我之前有做sales的经历，一年多前搬到美国后找工作很是挣扎。而且为了求职数据分析，自学了一段时间，投一些简历，目前得到的机会还是一个sales 为主的，我是不是应该还是深入业务为主，在业务中增长分析能力更好一些？
A：所以你是在美国求职？那边市场情况我不知道哈，完全不知道。不过在国内的话，销售最容易的还是转市场（Marketing）因为业务上比较近，销售对细节懂得还多一点，如果会分析的话就很容易上手了，之后就容易转了
Q：是的，我在硅谷这边，求职是稍微受限一些。我明白的，最重要的还是行业实践。我多在市场上下些功夫谢谢陈老师。
A：这个，听说国内外差异还是蛮大的，不能全听我的，你得多了解下。
工作问题
Q：用户研究是定性的分析吗？好多公司有用研岗，他们做什么呢？
A：解决数据看不到的那一半的场景哈。比如营业厅人流多但业务转化差，数据只能显示很多人排队拿了号，但办了什么业务？不知道。去营业厅看看，发现乘凉的好多；这时候就发现，如果拿号只拿“综合业务”是不行滴，就可以提个要求给营业厅：综合业务每天不能超过200单，要求加强管理疏导无效人流提升营业厅效率；如果只看数据，是猜不到“综合业务”背后的原因哈。何况这个数据可能根本传不到市场部那边，哈哈。
Q：那用研岗是不是经常需要用户沟通，现场观察～
A：有定性和定量的方法，比如座谈会（Fcous group）深度访谈，工作坊，实验室，民族志，这个是一套独立的体系哈；在形成策略上，用户研究比数据分析有用，因为身临其境更容易激发想法。数据这时候就是侧面验证：到底这个场景规模有多大，是否值得大量投入。所以一般通过用研发现一些可以量化的指标，数据分析去验证这个指标
Q：什么是数据思维？
A：所谓数据思维，想简单一句话也能讲完：没数据，先找数据；找到数据，解读原因；了解原因，评估对策。然鹅想真正用到实处就难了，因为感性是很容易战胜理性的，思考逻辑太废脑筋，即使没有数据，没有分析，蛮干也行。所以当你看到一个人遇到问题的时候，很沉着的问：这个是什么意思，什么时候发现的，有数吗？这是需要培养能力的……说：“啊哈哈你个傻逼”不需要培养，1秒钟的事，哈哈
Q：如果面试提问全国有多少人吃馒头，这一类问题怎么回答？
A：第一，这种问题很有可能面试官心里有一个他自己的答案，不一定对，但是你要是说的和他想的不一致他就会说你错了。所以这个问题本质上是如何即展示自己懂，又不和面试官干一架的问题。
第二，如何展示自己懂。这种宏观类的统计推算，其实有个标准答案，就是国家统计局，大家有兴趣可以上国家统计局的网站，看看我们常用的宏观数据是怎么统计出来的。其实思路是很简单的：有内部数据的直接调用，没有内部数据的抽样调查。
第三，这种宏观类统计的推算，有几个基本原则：1.推测的原始数据务必准确；2.推测的逻辑尽量直接而简短；3.推测的结果有明确的应用场景。比如推测全国有多少人吃馒头，你要先推测全国人口，再推测全国人口能自己吃饭的比例，再推测吃饭的早中晚餐比例，再推测是馒头还是苗条的比例。这样逻辑就至少有4层，而且每一层都是推算的数，就会误差*误差*误差，最后数据经不起推敲。
如果用直接逻辑的话，完全可以用：大型面点企业的销量（直接拿行业公报）+小面点企业分区域抽样。这样只有1层逻辑，不需要推测*推测*推测。有兴趣的可以看看统计局是怎么算社会零售商品总额的，其实也是这样的逻辑：大企业直接上报，小企业分省市两层抽样，一共好像是20万的样本，搞定。
而结合业务场景，可以提升这种推测的有用性。比如我想知道上海有多少咖啡店，如果是为了我的新店选址的话，我肯定是划地块然后百度每个区域咖啡店数，这样开店的时候至少选区域该去哪就很清晰了；比如我想知道上海有多少人买速溶咖啡，那肯定是去收集线上（商城），线下（超市）销量数据，然后反馈对应使用人数，这样逻辑只有1层，而且我卖速溶肯定要选渠道，那推测完这个总数，该选什么渠道就很清晰了。
本质上看，这种推测肯定是不准的，但是场景越聚焦，越能提升推测的有效性，说服力也更强。
至于不冒犯面试官，这个就是对话技巧了。可以先举一个例子：比如统计局是怎么算的，所以这个东西可以怎么做，说话谦虚一点，不要因为数字争论起来就好了。
是说推测的时候，考虑最后这个数据是怎么用的，比如实际场景中我们只会在线上出售产品，那就直接去收集线上门店的数据。比如实际场景我们会做地推，那推测时，就直接考虑区域，位置。推测的逻辑和实际运用的场景得是一致的。
至于数据来源，其实只有2个渠道：1.内部数据记录（一定是有偏的，因为没有一个平台是100%覆盖全用户的，但是内部数据意味着这些人已经是我的用户，我好掌控）2.外部数据采集（线上就爬虫，线下就抽样调查，一定会被质疑样本量够不够，这时候就得看业务场景），http://www.stats.gov.cn/tjzs/tjcd/ 有兴趣去研究研究，还是挺多收货的，哈哈哈。
Q：上回陈老师说 RFM模型有哪些缺点 还有人记得么
刑立鹏：RFM最著名的是使用于烟草的CRM研究，把你的场景和烟草比较下。由于烟草对于其客户是必须品，消费烟草的人之后也会继续消费。所以这个时候RFM可以衡量的是客户的需求。也就说这个是在假设，已经购买的用户，会继续购买，而且需求量不会减少。所以就能对客户 详细分群，进行深耕，挽留 回归等等。如果这个假设不成立，那么 回归什么的可能就没那么好用了。得结合其他东西使用。这个是陈老师讲完 ，我的理解。核心就在于这个模型的场景假设，这个假设直接决定使用效果。
陈老师：理解的不错，哈哈，如果场景不对可能就直接否掉这个用法了，还有一些小问题。比如rfm本质是基于用户id的，只能针对有一定活跃用户积累的平台做，如果用户结构跟埃菲尔铁塔似的，做了意义就不大。rfm本质上是通过行为反推，而行为可能是一个结果而不是原因。比如很多行业习惯月底报单，然后就发现r算出来都是30天。
Q：希望老师讲RFM时多结合一些场景一些案例，讲解怎么利用RFM研究用户价值
陈老师：不是讲rfm具体怎么操作哈，而是讲几个常见模型适合什么场景。其实我经手的真实项目，就没有一个是rfm三个维度算出来画27个格子的。因为一套具体的业务场景，就会发现不是这里行不通就是那里不合适。
结实：个人觉得，RFM模型只是一个客户价值分析模型的模板，具体的业务和场景不同，会有所调整。
陈老师：其实也不算客户价值分类，因为真要谈价值，得估算未来的贡献，这又涉及到顾客生命周期和业务特征的问题，哈哈。总之模型真的只是一个工具而已，解决问题得现有思路才有工具。哈哈，那是沟通问题了，有这种人的，特别是他的老板想做模型，他自己又不懂又想装一下。然后就容易各种乱搞。这种得慢慢对付，不能太拼，有些人就这德行，做一点给他看看，慢慢引导下。以前是多快好省建设社会主义，现在还要加上：多快好省高大全新潮建设社会主义。不但要上模型，还要自学，快速，见效，不加硬件成本，没有数据上模型。这时候一般我都直接给这个他看：万事具备，就差一个阴阳师了！
这个在能力三里会讲：很多问题本质上不是个分析问题。有些问题是个分析问题，但不是个数据分析的问题（需要定性分析）。有些问题是数据分析问题，但是连现状都不清楚。反正对于业务方来说，比excel透视表复杂的都是人工智能算法。excel超过200行的都算大数据，所以这个舵我们自己得把握好哈。
Q：遇到一个难题，人数没变，但是用户观看直播次数少了，连续两个礼拜用户的转化率低了，bi说数据没有问题，开发查过最近都没有发版本，还有什么可能的原因
A：如果单看原题目的话，这是两个问题啊：问题1：观看直播次数减少；问题2：转化率下降，一个个解决。遇到问题先问定义哇~~再确认问题发生的时间地点哇，上次那个重复购买问题看来大家吸收的还不到位哇，不要着急直接跳到解决方案去了。
Q：如何找数据波动原因的问题
A：此类问题的基本思路就是：
1.先确认数据没有问题，数据没问题再谈其他的
2.波动的问题，先定标准，比如看到数据5月比4月底，那5月应该是多少？有个目标值?看同比？标准不定下来，很难量化估算到底波动多大，后边找原因也很蛋疼
3.先定位问题。比如什么时间开始的，是短暂的还是持续的，是哪些人群，哪些产品，哪些渠道的，比预计值少了多少。把问题最大的点找到
4.找到问题最大的点以后，先看内部是否有动作，有什么动作。最后再看外部因素
跟3个同学聊过，有的停在第二步，还有停在第一步的，没有一个把第三步做完的。这就是我在能力二里说的：想解决为什么，先搞掂是什么，问题点还没有找到，是没法排查原因的。还有第二步，不能光讲跌了跌了，因为很多数据，比如销售，用户活跃本身是有周循环的，每周可能就有几天低几天高，要有个明确的标准参照一下，才能看出来哪几天是真有问题。要定量算一下。
陈老师分享
如何做好汇报：
今日提示，马上到6月，要做半年汇报了，各位同学们不要再写什么：完成周日月报，支持决策这种很虚的话了。快去看能力二，至少要写成：完成XX部门的X份报告。然后根据是什么，为什么，会怎样分类，把有做过的专题分析，异常分析都单独列出来。跟进下这些分析是否被业务部门采纳。最终我们的目标是给自己贴一个标签：我是XX（销售/运营/产品）分析小能手
这个套路非常非常管用，曾经帮助一个同学成功薪资翻倍，24岁年薪25万。所以大家一定要行动起来，主动对自己做的需求分类，主动沟通这些需求被谁看，看了有什么用。6月份做做准备，到写PPT的时候就不用baidu：年中述职报告的写法了。
他就是只会写：“写了一堆sql，完成周日月报，支持决策”然后我当时帮他改了两次年中汇报，让他挑几个自己擅长的领域来贴标签，然后所有的都围绕这个来组织，他就挑了帆软，然后加了个帆软小能手的标签，然后就不是：我完成周日月报，而是我非常擅长帆软的开发与应用，例子为;1,2,3,4,5,从系统开发到运营、销售部门应用都有……然后运气非常好被一个刚好在用帆软的企业看中了。所以与其天天在问：正规的大企业（我们姑且不说这玩意有没有）里是怎么分析的，不如先考虑怎么把自己包装成XX领域的数据分析小能手。不要说：我在零售企业，我在传统企业，我做的没有互联网牛逼，而是要说：我是传统企业的数据小能手。其实这也是清晰自己定位的一个方法，先看清自己有什么，再看补充什么，不然学来学去总是入门级别。
数据源
说到数据源，有个很有意思的例子，比如很多数据分析的文章都会叫：大数据教你如何把妹，然后写如何通过妹子的身份证，手机号，app安装之类的各种计算，问题是：不要说妹子了，就是亲老婆敢乱翻手机都是杀头的罪，哈哈哈。问题是，是否恋爱没有数据源可以用呢，不但有，而且被很多钢铁直男忽视了。就是和妹子的聊天记录。大家是否有发现，亲近的人聊天和陌生人聊天的区别？如果理解了这个业务逻辑，就明白这个数据可以怎用了。
其实这个互联网公司分析数据的逻辑一样，如果我拿不到物理特征，我就从行为入手，因为至少你在我平台的浏览行为是有记录的。但是这样有个前提，就是用户愿意跟你互动，否则会有抽样偏差，所以就得把数据采集和运营动作结合起来。
如果别人真的对你感兴趣，她一定会好奇你的个人信息，同时愿意分享自己的感受。如果只好奇你的问题不分享自己的感受，就是所谓“空姐效应”你觉得空姐对你很温柔，那是人家在做工作而已，你是顾客，人家的服务态度好。如果只分享自己的感受不在乎你的信息，就说明她只是把你当个备胎垃圾桶。所以在聊天的时候，你要有意识把话题分类去撩妹子，比如讨论一个客观事情，你要有意识的问：“你怎么看”“你是什么感觉的”如果对方愿意回应，就说明她愿意分享自己的感受。同时你要关注，她聊天中有关“你怎么看”“你怎样想”的比例，判断她对自己的关注度。这就是我说的，数据采集其实是和业务流程结合的。要先会聊天，才能有后续的分析。而不是每天太监请安似的：早上好，中午好，吃了没，睡了没，多喝热水。
陈老师分享：觉得做经营分析没技术含量，就是觉得excel里贴来贴去没技术含量
有相当多的同学觉得做经营分析没技术含量，说白了，就是觉得excel里贴来贴去没技术含量。确实，大街上拉一个人来也会excel ctrl C，ctrl V。但是如果你反过来问：让你运作一个电商网站/零售企业你会看哪些指标。你要怎样发现问题？发现问题你有什么好办法？凭什么你认为你的办法是好的？现在有三种办法你选哪个？凭什么你要这么选不那么选？选完了又怎样？绝对丫懵掉……这就是典型的操作技能与分析能力的区别。简单的事操作技能，不是分析能力。
你需要一个故事：
第一：你所处的XX行业XX公司，经营分析关注哪些指标，为什么是这些指标
第二：通过这些指标你能发现什么问题，发现了如何处理的
第三：处理效果如何，哪些经验积累了下来
第四：如果换一个行业，你的哪些经验可以复用，哪些要调整
这里，是每一个分析的结论让我们显得比别人有能力，不是excel ctrl C ctrl V哈。这里又想到另一件事，一个哥们在乙方，负责他们市所有银行的数据汇总上报给监管，然后他觉得每天excel ctrl C ctrl V没技术含量，想0基础21天速成python找个开发，然后在二线城市找不到，失业半年才来问我咋办。我第一反应是，卧槽所有银行所有业务线的数据啊，你咋不学习下这些指标是什么含义，能说明什么含义，业务流程是什么，然后去一个互金公司做经营分析或者市场分析杠杠的啊，有谁有机会接触这么多数据啊。然后他。。。。囧囧囧。所以真的不要光盯着excel ctrl C ctrl V。
Q：运营效果评估有什么套路没呀？
A：这就是为啥要训练八大能力的原因哈，大家自己回头看看聊天过程。除了跑数，一遇到实际问题又开始神学化了。其实运营类问题之所以扯不清，是因为很多时候从一开始就没有理清楚到底我们在谈什么。大家只是看着一根线变高了低了，到底低是不是合理的低，要低到什么程度，5%和15%又意味着什么，低了能做什么?完全没有概念。
比如最近指导一个同学做微信商城销量下降分析，他一开始说5月比4月低，所以要分析，我说那为什么5月比4月低就要分析啊！标准是什么，比如同步趋势都是高，所以5月应该高？那你得验证下趋势。结果验证完，发现销量其实是持续下降的，本身产品竞争力不足了。那么5月下降就降得不那么低就好了，所以要量化估算下5月该降到多少。这些能力三会说哈。其实能力二里先总结一些基础分析需求，就是为能力三打基础的，复杂的问题要会拆成一个个小问题，才容易解决。即使错了，也知道退回到哪里再调整方向。比如之前指导一个同学做流失率问题。我就说你们到底是准备把流失率这个指标降下来，还是挽回流失的人这是两个议题。如果降流失指标，那么我可以直接在在流失XX天找回。或者看流失节点，在流失前节点做改善。如果是挽回，那么J就直接对流失用户分类，看哪些类容易捞。一开始不分清思路，光盯一根线，你看完还是不知道干什么。哈哈哈，这也是能力三的范畴，定义问题如果没有方向，那结论肯定也没方向哈。
Q：如何合理拒绝老板安排的基础性工作？
A：看能力二的需求管理表，那个是拒绝基础工作的基本思路哈。关键是要有理有据，到底你的时间用到哪里去了得有个交代。不能空口说我不干，或者我好忙，能力二专门有讲这个的。然鹅，又说道卖啥的不吃啥，做数据分析的好多自己都不会分析自己的数据，除了对领导喊：我好累啊，我好苦啊，连个数据都没有。然后这边跟领导哭完，那么又面对业务部门：销售好苦啊，大环境不好啊。不知道咋驳斥这些理由，其实这些事都是相辅相成的哈。是滴，因为人的本能反应就是：我为党国流过血，我为委座负过伤。所有反本能的，都得练习才能掌握，哪怕是很简单的问一句：“为什么”。
Q：问个问题，在客流下滑的情况下，单数是保持不变，但是成交升了，觉得这个是数字游戏呢，还是我们业务人员也是做了努力提升了成交?
A：啥业务背景？行业？产品？啥业务背景
Q：服装行业，男装，实体店主要，电商占很少
A：实体店的话，客流下降是怎么判断的？怎么收集的数据？
Q：机器收集，现在在考虑新装上市，夏装比3月就上了，但是今年4月在北方还很冷，春装买断货，夏装没人买，影响到之后，每人计设备
A：这个客流数据是否验证过，和销售有关系，比如根据上线后数据发现客流和销量一直都是正相关关系，仅仅是这个月不相关了，还是有时候有关系有时候没有？因为如果仅仅采集人流数据有可能不是有效人流，如果是会员到店的话想对有价值一些。所以一直以来客流都是和销量正相关，但本月不相关了，因为客流数下降，但订单数没有变化。成交提升指的是什么提升？成绩总金额还是成交率？
A：成交率，提升，刚到家
Q：那成交笔均金额是否提升？总成交金额是否提升？另是否有记录会员数据？会员到店情况如何？
A：因为订单数是和上月持平的，而客流量下降所以导致成交率看起来高了一点而已，如果真的是门店会卖的话，那么一定体现在订单金额和产品上，比如门店有几个爆款在推，那么意味着笔均会提高，总金额会提高。如果不是门店会卖，仅仅是因为季节变化比如夏季衣服便宜，那么在人流减少的情况下订单数可以保住，但笔均会下降，并且卖的产品种类会向低价的SKU倾向，这就是所谓的数字游戏，仅仅是因为大家都买了便宜的短袖衫所以卖的略多一类。
这是站在货的角度分析的。也可以换人或者场。比如统计范围内有多少家门店，是所有人流都下降还是局部，局部影响有多少？这样有可能仅仅是天热，小门店的人流少了，但大卖场受影响小，如果这样，意味着订单多的店人流下降少，这样两边平衡一下，就会出现人流看似少了但订单没有减少多少的情况，所以可以分头去验证。
如果都验证完发现确实没有特殊原因，我还是觉得可以怀疑下客流这个数据，因为不管他是用人脸识别还是wifi链接一类的，只能记录到店了人头，不能反应这个人的需求，而如果有会员数据的话，这个事可以反应的，因为会员是需求比较明确的。要量化算一下，我还没问上升下降是参考什么标准，上次有个同学也是看销售波动，拉一个标杆量化算一下感受完全不一样的。最好计算下看对比标准，我们的缺口有多大，这样在检验具体原因的时候，都可以对比缺口看影响大小，容易落到点上。其他门店的人流是否减少要怎么验证?看统计的是一家店还是n家店哇，是n家店就能对比了。做分析的时候，真的要能沉住气才行，虽然有时候可能有很强烈的冲动，但是也要一步步来，搞清情况。
Q：大家有没有完整的数据分析案例？根据案例来研究业务和方法才更有效率吧？
A：没啥效率，去年的课我准备了25个案例，结果发现听完该会的会，该不会的还是不会，唯一的帮助就是很多案例是面试题所以过面试容易了。因为具体到业务场景里，一点点差异都可能导致分析方法的区别，自己没能力理解指望别人教真的学不到的。
比如上边的对话，仔细看一下不觉得奇怪嘛，为啥实体店会有客流数据，而且这个客流还是引发所有问题的起点。你说可以做人脸识别之类的，那我问一家三口一起逛街算三个人溜还是一个？闺蜜逛街算两个还是一个？夫妻逛街算两个还是一个？所以要先要有一步验证。当然，照例还是有完整练习的，不过今年只准备了五个。
Q：老师们，怎么估算一个省的用电量缺口？
A：面试题还是什么？
Q：是我现在在做的一个项目，我能查到的是该省电力交易网站上，每个月的社会用电量
A：给电力系统做的？还是科研项目？目标是什么？比如我预测出来缺口是30亿度又怎样？
Q：一个国企，做能源的
A：预测完他们可以做什么？评价预测准不准的标准是什么？你们结算这个工作费用的标准是啥？
Q：根据电量缺口，计算给煤电厂供给量，背景是因为的水电满足不了社会需求，需要火电来弥补。
A：然后呢？比如我预测缺口30亿度，所以要供给2亿吨煤给煤电厂，又怎样？最后怎么验收这个数，是以电力缺口预测的误差，还是以煤炭厂产电数的误差来判断预测准不准？如果训练的模型很准但是预测的不准又怎样？因为电力预测是个很专业的领取，电力系统做了很多年了，十多年前就在搞神经网络预测。因为用电是分民用，商用，工用，农林牧渔用的，而这四类用电和居民人数，行业发展，GDP，时间，季节，温度都有关系，想做的复杂可以无穷无尽复杂下去。问题是在这个项目里你们有没有那么多的时间，精力，费用，人力可以这么搞，所以要先搞清楚对需求方而言需要做到什么程度。是他们已经有了定论，只是需要一个纸面文章来论证下，还是他们准备投几百万做电力精确预测系统，调配电煤采购架构
Q：老师您您提的这些问题很深刻，因为我现在的处境就是领导说我得给一个缺口值，具体的评判标准我就不需要管了
A：那至少这一步你可以沟通一下吧，比如预测最简单的时间序列预测你用excel一分钟就做完了然后给他就好了。或者更简单的用gdp，之类回归一下，都是excel一分钟搞掂的事，记的一定要用巨大的数字，这样预测的准确率会很高。因为误差1%也才几个亿的误差，对于几百亿的数字是小意思，然后就说统计上是误差很小的。哈哈哈。
