91APP是台灣有名的電商工具服務平台,也是台灣比較少數上市上櫃的軟體公司,很開心看到台灣有愈來愈多優秀的軟體乃至SaaS/雲服務公司。

最近在 【今周刊專訪】精準抓3波電商趨勢浪潮!91APP-KY 董事長何英圻揭密 一文中,看到91APP表示其還有百倍成長空間。

本文會先簡單介紹91APP的業務,並且從公開資料推測91APP產品定位與資源,最後會透過數據簡單測算推論成長空間 。另我不是專業的財務分析師或研究員,所以僅從一個在SaaS行業有幾年經驗的數據人來拆解91APP。

這篇文章會更適合有一些基礎背景,包含:

  • ToB PM、SaaS/雲服務
  • 電商零售相關、Omnichannel、OMO / D2C
  • MarTech
文章架構:
1.概述:公司介紹、D2C與OMO的意義與機會
2.產品定位
3.資源
4.產品能力
5.總結:增長空間與產品營運

邀請你至Blog閱讀全文:還有近百倍的成長空間?拆解台灣第一家掛牌SaaS公司91APP產品

也曾想改變世界,於是背了把吉他隻身踏上大陸互聯網,熱愛鑽研數據、產品與業務之間的本質。 經營「 ROCK DATA | 玩搖滾的數據人 」社群。

1. Hello,如果你喜歡我的文章,請至『Rock Data』Blog閱讀新文章完整內容。也邀請你訂閱『Rock Data』電子報,支持我持續創作(Medium站仍將張貼新文章訊息)2.立即追蹤👉『Rock Data』臉書粉絲頁IG(@andyrockdata)3.【入門數據分析,掌握HiveSQL取數能力】在hahow上架啦,購買連結👉 http://hahow.in/cr/andyrockhive4. 半佛系鼓掌:原來只要滑鼠一直按著不放就可以一直鼓掌了。那請你按久一點:)有任何想法或感興趣的地方歡迎留言/討論,或者私訊我!5. 往期的數據相關文章可以參考以下link

數據分析系列1:談談數據分析的眾多Title

數據分析系列2:數據分析的一週工作日程

數據分析系列3:身為資料分析師,你該如何展現工作中的價值?

數據分析系列4:如何量化職場規劃?我這次的轉職規劃與Offer選擇

數據分析系列5:為什麼要關心資料來源?談談埋點數據的陷阱

數據分析系列6:精選幾個資料分析的學習資源

數據分析系列7:數位化決策轉型與企業文化的一些思考

數據分析系列8:中山大學經濟所職涯座談(ㄧ):”了解自己”的重要&我怎麼成為數據分析師

數據分析系列9:中山大學經濟所職涯座談(二):想從事資料分析?你需要具備這8個能力

數據分析系列10:中山大學經濟所職涯座談(三) :讓資料變商機 — 資料分析在我們生活中的應用

數據分析系列11:面試時,資料分析師該怎麼準備作品集?

數據分析系列12:2018年終工作總結(數據分析師)

數據分析系列13:數據化運營中玩過的分析項目

數據分析系列14:如何提升運營/產品的優化效率?或許數據指標體系的搭建可以幫到忙

數據分析系列15:用戶畫像很重要,那你知道是怎麼畫出來的嗎?

數據分析系列16:給剛入行的數據分析師:想產生價值,在試用期要做的三件事

數據分析系列17:2019 數據分析工作總結_關鍵詞:數倉構建、BI可視化看板、用戶畫像(標籤)與精準行銷

數據分析系列18:入門數據分析的第一個大門檻:SQL/Hive取數

數據分析系列19:身為數據分析師,我怎麼看hahow上”R語言和商業分析”這門課

數據分析系列20:直接用SQL來分析數據?怎麼沒用python/R?3個面向來考量分析工具的選擇

數據分析系列21:數據分析的”橫向”學習之路-珍藏的網上文章重新整理放上github

數據分析系列22:透過埋點,讓數據說話:埋點基本知識

數據分析系列23:以數據為核心的CRM進化產品:帶你了解CDP(客戶數據平台)開發過程與難點

數據分析系列24:SQL不難啊,為什麼不容易精通?自學與實務的4個落差

數據分析系列25:數據分析基本-相關分析與可視化(R語言)

數據分析系列26:刷完了Leetcode SQL Hard Level的28道題:歡迎領取參考答案

數據分析系列27:數據太髒了!3個步驟做好數據質量管理

數據分析系列28:跨部門溝通成本太高?數據人實現高效跨部門溝通的4個方式

數據分析系列29:數據分析師職場發展的另類出路

數據分析系列30:Databrick為何收購BI產品Redash?產品視角來看Redash的功能與價值

數據分析系列31:數據分析師要失業了?解讀<2022 Gartner BI魔力象限> BI產品趨勢

數據分析系列32:Google Data Catalog如何幫忙管理數據? 產品介紹與體驗心得

數據分析系列33:復盤:數據產品從0到1的建設過程,我的9點感觸

數據分析系列34:Shopline-數據分析中心(Shoplytics)產品體驗

數據分析系列35:搞數據還是做產品?淺談『數據產品經理』

--

--

數據分析師職場發展的另類出路 文章時提到了兩個方向,一個是數據X諮詢、另一個是數據X產品,其中數據X產品就是所謂的『數據產品經理』。

大家認識我可能都是從數據分析的角色開始,但其實我做數據產品也有幾年的時間了,會轉做這個職位的考量也比較單純。我一直追求的是數據價值最大化,在經歷許多分析專案的過程中,我感覺到很多需求其實都是有共性的,因此標準化、自動化,會讓數據(至少在廣度)有更大的價值。

數據產品經理的能力,是數據為主要能力?還是產品為主要能力?

雖然我比較早期就投入這職位,但其實我也很模糊了一段時間,私下問過不少同行他們的工作內容,也詢問過管理者他們心中的數據產品經理是什麼長相。

有人說是產品為主,例如電商產品經理、後台產品經理、行銷產品經理,這都是產品經理的細分領域,所以數據產品經理也是比照這一邏輯。

有人說以數據為主,因為產品經理實現的是”功能”,但數據基本不存在”功能”可言

那麼到底是…?

數據產品細分

數據分析這職位剛出來時,大家都不太清楚到底職位邊界在哪,我的觀察大概需要3~5年市場才會清晰,像是現在大家就比較清楚知道數據分析至少要分成Data Engineer 、Data Analyst(Business intelligence) 跟Data Science(ML Engineer)

同理,數據產品經理當然也不例外。產品經理本身就是比較抽象的工作,再結合”數據”,因此數據產品經理就更抽象了。要回答這個問題,首先要知道什麼叫”數據產品”?

我認為數據產品可以細分三種類型,分別是工具型、管理型、及應用型。而彼此的側重點略有不同,才造成大家認知的差異。

如果喜歡這篇文章,邀請您至Blog閱讀全文:搞數據還是做產品?淺談『數據產品經理』

也曾想改變世界,於是背了把吉他隻身踏上大陸互聯網,熱愛鑽研數據、產品與業務之間的本質。 經營「 ROCK DATA | 玩搖滾的數據人 」社群。

1. Hello,如果你喜歡我的文章,請至『Rock Data』Blog閱讀新文章完整內容。也邀請你訂閱『Rock Data』電子報,支持我持續創作(Medium站仍將張貼新文章訊息)2.立即追蹤👉『Rock Data』臉書粉絲頁IG(@andyrockdata)3.【入門數據分析,掌握HiveSQL取數能力】在hahow上架啦,課程詳情👉 http://hahow.in/cr/andyrockhive4. 半佛系鼓掌:原來只要滑鼠一直按著不放就可以一直鼓掌了。那請你按久一點:)有任何想法或感興趣的地方歡迎留言/討論,或者私訊我!5. 往期的數據相關文章可以參考以下link

數據分析系列1:談談數據分析的眾多Title

數據分析系列2:數據分析的一週工作日程

數據分析系列3:身為資料分析師,你該如何展現工作中的價值?

數據分析系列4:如何量化職場規劃?我這次的轉職規劃與Offer選擇

數據分析系列5:為什麼要關心資料來源?談談埋點數據的陷阱

數據分析系列6:精選幾個資料分析的學習資源

數據分析系列7:數位化決策轉型與企業文化的一些思考

數據分析系列8:中山大學經濟所職涯座談(ㄧ):”了解自己”的重要&我怎麼成為數據分析師

數據分析系列9:中山大學經濟所職涯座談(二):想從事資料分析?你需要具備這8個能力

數據分析系列10:中山大學經濟所職涯座談(三) :讓資料變商機 — 資料分析在我們生活中的應用

數據分析系列11:面試時,資料分析師該怎麼準備作品集?

數據分析系列12:2018年終工作總結(數據分析師)

數據分析系列13:數據化運營中玩過的分析項目

數據分析系列14:如何提升運營/產品的優化效率?或許數據指標體系的搭建可以幫到忙

數據分析系列15:用戶畫像很重要,那你知道是怎麼畫出來的嗎?

數據分析系列16:給剛入行的數據分析師:想產生價值,在試用期要做的三件事

數據分析系列17:2019 數據分析工作總結_關鍵詞:數倉構建、BI可視化看板、用戶畫像(標籤)與精準行銷

數據分析系列18:入門數據分析的第一個大門檻:SQL/Hive取數

數據分析系列19:身為數據分析師,我怎麼看hahow上”R語言和商業分析”這門課

數據分析系列20:直接用SQL來分析數據?怎麼沒用python/R?3個面向來考量分析工具的選擇

數據分析系列21:數據分析的”橫向”學習之路-珍藏的網上文章重新整理放上github

數據分析系列22:透過埋點,讓數據說話:埋點基本知識

數據分析系列23:以數據為核心的CRM進化產品:帶你了解CDP(客戶數據平台)開發過程與難點

數據分析系列24:SQL不難啊,為什麼不容易精通?自學與實務的4個落差

數據分析系列25:數據分析基本-相關分析與可視化(R語言)

數據分析系列26:刷完了Leetcode SQL Hard Level的28道題:歡迎領取參考答案

數據分析系列27:數據太髒了!3個步驟做好數據質量管理

數據分析系列28:跨部門溝通成本太高?數據人實現高效跨部門溝通的4個方式

數據分析系列29:數據分析師職場發展的另類出路

數據分析系列30:Databrick為何收購BI產品Redash?產品視角來看Redash的功能與價值

數據分析系列31:數據分析師要失業了?解讀<2022 Gartner BI魔力象限> BI產品趨勢

數據分析系列32:Google Data Catalog如何幫忙管理數據? 產品介紹與體驗心得

數據分析系列33:復盤:數據產品從0到1的建設過程,我的9點感觸

數據分析系列34:Shopline-數據分析中心(Shoplytics)產品體驗

--

--

最近(2022–05) 看了開店平台Shopline分析模塊的能力(shoplytics),回想過往分析經驗跟對比了前公司跟其他競品(有讚、店匠、生意參謀、小鵝通、GA、Shopify),有一些想法。

這內容在5月就分享在LinkedIn過(但只有文字),本文章在此基礎上,補充了商業模式的初淺想法,以及(不少的)產品截圖 (透過圖片理解更容易)。

註:產品型態會受到基礎能力、用戶需求等各種因素,所以以下想法會存在考慮不全的可能

本文架構:
一、商業模式
二、產品詳情
2.1展示層
2.2技術層(Big Data)
2.3業務應用層
2.4分析層
三、終局:生態與BI化?

一、商業模式

Shoplytics點擊後是新開一個頁面,可以看出他不僅僅是定位為開店平台的功能之一,而是往“產品化”的方向走。也有收費的模式,雖然比較單一,就是根據『分析時間範圍』收費。

可以感受到Shoplytics野心,能這樣賣的數據產品,有(阿里巴巴)生意參謀的味道。

--

--

產品介紹與體驗心得

隨著Data得重要性被意識到,越來越多公司開始引入大數據技術,也不斷加強Data的應用,隨著Big Data越來越普及、越來越複雜的數據以及架構,對數據生產者跟數據消費者也面臨越來越棘手的問題。

對於數據生產者,用戶隱私意識的加強,伴隨資料保護法的推出(例如歐盟的通用資料保護法-GDPR),哪裡存在了隱私數據、這些隱私數據該如何管控?

對於數據消費者(涵蓋了數據分析師、產品、營運等多種角色),我們常常不理解跟不信任數據,問題圍繞以下幾點:

  • How to find it?該去哪裡找到我想要的數據?
  • Can it be used?數據能用嗎?是不是最新的數據?有沒有髒數據?( 延伸閱讀<數據太髒了!3個步驟做好數據質量管理> )
  • Should it be used?對於我要分析的業務、主題,這數據是我要用的?
  • How should it be used? 每個column什麼意思?表跟表之間什麼關係?

做數據分析的朋友可以想一下,是不是在分析前這些過程就佔了許多時間?可能你們團隊內部還有維護word或excel做紀錄。

這些都可以被列為數據治理(Data Governance)的議題,以前如果要系統的管理這塊,必須內部自己開發Data Governance產品,或是藉由開源產品(例如Apache Atlas、LinkedIn Wherehows)做二次開發。

隨著雲服務發展、相關廠商包含微軟Azure、Google Cloud、IBM、AWS等都有數據治理的產品,也有專門做數據治理產品的公司,例如DataHub、Alation

這篇文章介紹Google Cloud- Data Catalog這款產品的功能、能力(多圖),並總結下我的體驗心得。

也曾想改變世界,於是背了把吉他隻身踏上大陸互聯網,熱愛鑽研數據、產品與業務之間的本質。 經營「 ROCK DATA | 玩搖滾的數據人 」社群。

1. Hello,如果你喜歡我的文章,請至『Rock Data』Blog閱讀新文章完整內容。也邀請你訂閱『Rock Data』電子報,支持我持續創作(Medium站仍將張貼新文章訊息)2.立即追蹤👉『Rock Data』臉書粉絲頁跟IG(@andyrockdata),獲取最新消息3.【入門數據分析,掌握HiveSQL取數能力】在hahow上架啦,購買連結👉 http://hahow.in/cr/andyrockhive4. 半佛系鼓掌:原來只要滑鼠一直按著不放就可以一直鼓掌了。那請你按久一點:)有任何想法或感興趣的地方歡迎留言/討論,或者私訊我!5. 往期的數據相關文章可以參考以下link

數據分析系列1:談談數據分析的眾多Title

數據分析系列2:數據分析的一週工作日程

數據分析系列3:身為資料分析師,你該如何展現工作中的價值?

數據分析系列4:如何量化職場規劃?我這次的轉職規劃與Offer選擇

數據分析系列5:為什麼要關心資料來源?談談埋點數據的陷阱

數據分析系列6:精選幾個資料分析的學習資源

數據分析系列7:數位化決策轉型與企業文化的一些思考

數據分析系列8:中山大學經濟所職涯座談(ㄧ):”了解自己”的重要&我怎麼成為數據分析師

數據分析系列9:中山大學經濟所職涯座談(二):想從事資料分析?你需要具備這8個能力

數據分析系列10:中山大學經濟所職涯座談(三) :讓資料變商機 — 資料分析在我們生活中的應用

數據分析系列11:面試時,資料分析師該怎麼準備作品集?

數據分析系列12:2018年終工作總結(數據分析師)

數據分析系列13:數據化運營中玩過的分析項目

數據分析系列14:如何提升運營/產品的優化效率?或許數據指標體系的搭建可以幫到忙

數據分析系列15:用戶畫像很重要,那你知道是怎麼畫出來的嗎?

數據分析系列16:給剛入行的數據分析師:想產生價值,在試用期要做的三件事

數據分析系列17:2019 數據分析工作總結_關鍵詞:數倉構建、BI可視化看板、用戶畫像(標籤)與精準行銷

數據分析系列18:入門數據分析的第一個大門檻:SQL/Hive取數

數據分析系列19:身為數據分析師,我怎麼看hahow上”R語言和商業分析”這門課

數據分析系列20:直接用SQL來分析數據?怎麼沒用python/R?3個面向來考量分析工具的選擇

數據分析系列21:數據分析的”橫向”學習之路-珍藏的網上文章重新整理放上github

數據分析系列22:透過埋點,讓數據說話:埋點基本知識

數據分析系列23:以數據為核心的CRM進化產品:帶你了解CDP(客戶數據平台)開發過程與難點

數據分析系列24:SQL不難啊,為什麼不容易精通?自學與實務的4個落差

數據分析系列25:數據分析基本-相關分析與可視化(R語言)

數據分析系列26:刷完了Leetcode SQL Hard Level的28道題:歡迎領取參考答案

數據分析系列27:數據太髒了!3個步驟做好數據質量管理

數據分析系列28:跨部門溝通成本太高?數據人實現高效跨部門溝通的4個方式

數據分析系列29:數據分析師職場發展的另類出路

數據分析系列30:Databrick為何收購BI產品Redash?產品視角來看Redash的功能與價值

數據分析系列31:數據分析師要失業了?解讀<2022 Gartner BI魔力象限> BI產品趨勢

--

--

提到BI產品,直觀想到的就是圖表,還有把圖表拼在一起的Dashboard。這確實是BI的功能之一,但核心還是要回到分析這件事。

那麼BI平台要怎麼更好的幫助分析?

2022年3月22日,一年一度的Gartner BI魔力象限出來了!報告的資訊量挺大的,最近這段時間根據<Magic Quadrant for Analytics and Business Intelligence Platforms> 報告中涉及到的BI產品及技術趨勢進行了一些總結,也研究了多個BI產品,讓我們一起來看看吧!

對Gartner這篇報告有興趣?文末獲取領取方式!

--

--

產品視角來看Redash的功能與價值

數據視覺化也是大數據領域裡極為關鍵的一環,通過計算引擎算出來的數據往往需要以合適又美觀的圖表形式展示給產品經理和決策者。但如果業務發展快速、統計需求就會越來越多,如果每來一個新需求都要透過前後端開發,過程會花費太長的時間,沒法支持業務發展。這時候BI工具就可以簡化這個過程。

而開源免費的BI目前比較流行的有Superset、Metabase、Redash這三款,功能都比較強大,各有各的特點。目前metabase也有了商業化的版本、而redash則在2020年被Databricks收購完成了商業化。

這篇文章以產品的視角,簡單總結Redash在功能、體驗跟價值的一些想法。

整體而言,我對Redash還是有較高的好感;用一句話描述的話:『小而美』

1. Hello All:主站遷移至👉https://andyrockdata.com/ ,請改至『ROCK DATA』Blog 閱讀新文章完整內容,如果喜歡我的文章,可以訂閱我的電子報(Medium站仍將張貼新文章訊息)2.立即追蹤👉ROCK DATA臉書粉絲頁ROCK DATA IG(@andyrockdata)3.【入門數據分析,掌握HiveSQL取數能力】在hahow上架啦,購買連結👉 http://hahow.in/cr/andyrockhive4. 半佛系鼓掌:原來只要滑鼠一直按著不放就可以一直鼓掌了。那請你按久一點:)有任何想法或感興趣的地方歡迎留言/討論,或者私訊我!5. 往期的數據相關文章可以參考以下link

數據分析系列1:談談數據分析的眾多Title

數據分析系列2:數據分析的一週工作日程

數據分析系列3:身為資料分析師,你該如何展現工作中的價值?

數據分析系列4:如何量化職場選擇-我這次在資料分析的轉職規劃與Offer選擇

數據分析系列5:為什麼要關心資料來源?談談埋點數據的陷阱

數據分析系列6:精選幾個機器學習的資源

數據分析系列7:數位化決策轉型與企業文化的一些思考

數據分析系列8:中山大學經濟所座談(ㄧ):”了解自己”的重要&我怎麼成為數據分析師的?

數據分析系列9:中山大學經濟所職涯座談(二) :想從事資料分析?你需要具備這8個能力。

數據分析系列10:中山大學經濟所職涯座談(三) :讓資料變商機 — 資料分析在我們生活中的應用

數據分析系列11:面試時,資料分析師該怎麼準備作品集?

數據分析系列12:2018年終工作總結(數據分析師)

數據分析系列13:數據化運營中玩過的分析項目:一個數據分析師的經驗總結

數據分析系列14:如何提升運營/產品的優化效率?或許數據指標體系的搭建可以幫到忙

數據分析系列15:用戶畫像很重要,那你知道是怎麼畫出來的嗎?

數據分析系列16:給剛入行的數據分析師:想產生價值,在試用期要做的三件事

數據分析系列17:2019 數據分析工作總-數倉構建、BI可視化看板、用戶畫像(標籤)與精準行銷

數據分析系列18:入門數據分析的第一個大門檻:SQL/Hive取數-聊聊自身學習SQL的經歷以及三個自學網站分享

數據分析系列19:身為數據分析師,我怎麼看hahow上”R語言和商業分析”這門課

數據分析系列20:直接用SQL來分析數據?怎麼沒用python/R?3個面向來考量分析工具的選擇

數據分析系列21:數據分析的”橫向”學習之路-珍藏的網上文章重新整理放上github

數據分析系列22:透過埋點,讓數據說話:埋點基本知識

數據分析系列23:以數據為核心的CRM進化產品:帶你了解CDP(客戶數據平台)開發過程與難點

數據分析系列24:SQL不難啊,為什麼不容易精通?自學與實務的4個落差

數據分析系列25:數據分析基本-相關分析與可視化(R語言)

數據分析系列26:刷完了Leetcode SQL Hard Level的28道題:歡迎領取參考答案

數據分析系列27:數據太髒了!3個步驟做好數據質量管理

數據分析系列28:跨部門溝通成本太高?數據人實現高效跨部門溝通的4個方式

數據分析系列29:數據分析師職場發展的另類出路

--

--

Behind the Cloud: The Untold Story of How Salesforce.com Went from Idea to Billion-Dollar Company-and Revolutionized an Industry

對於SaaS從業者,這本書我給五顆星

SaaS在歐美已經是很成熟的商業型態,幾個廣為人知的特點跟概念,像是雲服務、按需付費、客戶成功、公開透明等。但SaaS究竟是如何誕生的?這商業模式怎麼RUN起來的?為什麼做SaaS就必須關注這些特點?要了解這個問題,我想必須回到SaaS行業的根源。

Salesforce在SaaS中擁有毋庸置疑的地位,很多SaaS企業會用Salesforce在某個階段的水平來衡量自己團隊。如果你心裡也曾經存在上述疑問的話,我認為這本書(Behind the Cloud: The Untold Story of How Salesforce.com Went from Idea to Billion-Dollar Company-and Revolutionized an Industry),可以很好的解答這些問題。

對於SaaS從業者,這本書我給五顆星

就算對SaaS沒興趣,這家企業從1999年創立到2004年上市也就五年,如何能這麼快速的發展,也可以透過本書一探究竟。

--

--

換位思考、利他、借力、流程

數據分析師有一部分工作內容是分析內部各種數據,從中挖掘insight,並轉化為建議、行動策略以支撐業務。內部數據據根據垂直業務劃分,一般來說會有市場、營運、產品、服務、經營管理。

既然我們分析的數據,是來自其他業務線;我們的建議,要能真的推動落實,也需要其他部門的支持,因此跨部門溝通就是非常重要的議題。隨著資歷加深或負責的領域變得更深更廣,跨部門溝通也就更加重要。

然而部門之間多少存在不同文化、不同態度、不同業務屬性、不同個性,這麼多的差異,可見跨部門並不是一個很容易的課題。

這些年經歷過傳統的大企業、新創團隊跟互聯網公司,也遇過公司人數從500人暴增到2000人的場景。這篇文章從自己過往經歷,跟大家分享一下覺得比較通用也還算有用的方式。

另外溝通對象分為:對上級、對平級、對下級,本文主要針對平級。互聯網比較扁平,所以也未必完全平級,基本上是上下兩級的關係。

1. Hello All:主站遷移至👉https://andyrockdata.com/ ,請改至『ROCK DATA』Blog 閱讀新文章完整內容,如果喜歡我的文章,可以訂閱我的電子報(Medium站仍將張貼新文章訊息)2.立即追蹤👉ROCK DATA臉書粉絲頁ROCK DATA IG(@andyrockdata)3.【入門數據分析,掌握HiveSQL取數能力】在hahow上架啦,購買連結👉 http://hahow.in/cr/andyrockhive4. 半佛系鼓掌:原來只要滑鼠一直按著不放就可以一直鼓掌了。那請你按久一點:)有任何想法或感興趣的地方歡迎留言/討論,或者私訊我!5. 往期的數據相關文章可以參考以下link

數據分析系列1:談談數據分析的眾多Title

數據分析系列2:數據分析的一週工作日程

數據分析系列3:身為資料分析師,你該如何展現工作中的價值?

數據分析系列4:如何量化職場選擇-我這次在資料分析的轉職規劃與Offer選擇

數據分析系列5:為什麼要關心資料來源?談談埋點數據的陷阱

數據分析系列6:精選幾個機器學習的資源

數據分析系列7:數位化決策轉型與企業文化的一些思考

數據分析系列8:中山大學經濟所座談(ㄧ):”了解自己”的重要&我怎麼成為數據分析師的?

數據分析系列9:中山大學經濟所職涯座談(二) :想從事資料分析?你需要具備這8個能力。

數據分析系列10:中山大學經濟所職涯座談(三) :讓資料變商機 — 資料分析在我們生活中的應用

數據分析系列11:面試時,資料分析師該怎麼準備作品集?

數據分析系列12:2018年終工作總結(數據分析師)

數據分析系列13:數據化運營中玩過的分析項目:一個數據分析師的經驗總結

數據分析系列14:如何提升運營/產品的優化效率?或許數據指標體系的搭建可以幫到忙

數據分析系列15:用戶畫像很重要,那你知道是怎麼畫出來的嗎?

數據分析系列16:給剛入行的數據分析師:想產生價值,在試用期要做的三件事

數據分析系列17:2019 數據分析工作總-數倉構建、BI可視化看板、用戶畫像(標籤)與精準行銷

數據分析系列18:入門數據分析的第一個大門檻:SQL/Hive取數-聊聊自身學習SQL的經歷以及三個自學網站分享

數據分析系列19:身為數據分析師,我怎麼看hahow上”R語言和商業分析”這門課

數據分析系列20:直接用SQL來分析數據?怎麼沒用python/R?3個面向來考量分析工具的選擇

數據分析系列21:數據分析的”橫向”學習之路-珍藏的網上文章重新整理放上github

數據分析系列22:透過埋點,讓數據說話:埋點基本知識

數據分析系列23:以數據為核心的CRM進化產品:帶你了解CDP(客戶數據平台)開發過程與難點

數據分析系列24:SQL不難啊,為什麼不容易精通?自學與實務的4個落差

數據分析系列25:數據分析基本-相關分析與可視化(R語言)

數據分析系列26:刷完了Leetcode SQL Hard Level的28道題:歡迎領取參考答案

數據分析系列27:數據太髒了!3個步驟做好數據質量管理

--

--

邱國欣(Andy Chiu)

邱國欣(Andy Chiu)

文章內容以數據為主軸,分享工作跟生活的心得與總結,希望我的經歷,可以或多或少幫助到大家。如果你熱愛你所做的事,那麼你肯定會暫時遺忘了時間!「 ROCK DATA | 玩搖滾的數據人 」Blog:https://andyrockdata.com