讀後感_數據挖掘與數據化運營實戰
加強數據分析的內功心法，會是個每次看都能不斷有心得收穫的書
Aug 11, 2018
前前後後看這本書也快看了兩個月了，最後一口氣看完居然是在嚴重誤點了六小時的候機時間。
這本書我覺得滿好看的，作者是阿里巴巴數據分析專家。最有價值的部分我認為是項目經驗總結。
書中穿插大量真實的實踐應用案例和場景，在技術和實務分析中取得了平衡。如果完全不懂統計學的話，有幾部分會稍嫌困難。如果是要看技術的話，這本書又太淺了。
但透過本書能夠更全面地了解數據分析，包含一個分析項目是如何展開的。從項目評估，跨部門討論，分析師如何選擇算法，落地應用這一連串過程。
作者的很多見解，往往能從高處落點，看行業由來和發展，分析業務需求與痛點，闡述業務實踐中的方法和技術，最後從一個職業發展的角度為後起之輩講些做人做事的道理。
邀請你至Blog閱讀全文：讀後感_數據挖掘與數據化運營實戰
如果你喜歡我的文章，也邀請你訂閱『Rock Data』電子報，支持我持續創作
以業務為核心，以思路為重點，分析技術為輔佐
“以業務為核心，以思路為重點，以分析技術為輔佐”這句話貫穿了全書19章
基礎篇（第1～4章）
- 系統介紹了數據分析挖掘和數據化運營的相關背景、數據化運營中“協調配合”的核心，以及實踐中常見分析項目類型。
- 尤其推薦第三章：據化營運的常用分析項目類型。介紹了11個項目，有些項目曾經做過，可以看看其他人的做法，沒做過的，也可以看看思路。
- 11個項目分別為：(1)目標客戶的特徵分析、(2)目標客戶的預測模型、(3)運營群體的活躍度定義、(4)用戶路徑分析、(5)交叉銷售模型、(6)信息質量模型、(7)服務保障模型、(8)用戶(買家、賣家)分層模型、(9)賣家(買家)交易模型、(10)信用風險模型、(11)商品推薦模型
實戰篇（第6～13章）
- 主要介紹實踐中常見的分析挖掘技術的實用技巧，並對大量的實踐案例進行了全程分享展示(具體介紹了哪些技術，可以看文章末的腦圖)。
- 案例很值得細細感受，其中技術部份應該自己要知道，若是不清楚的話，看了本書也不會特別清楚，還是要補充相關算法的知識先(但不影響案例了解)。其中第十三章漏斗模型與路徑分析，因為最近正好在處理這些項目，所以是看得最認真之一的主題。
思想意識篇（第14～19章）
- 主要是有關數據分析師的責任、意識、思維的培養和提升的總結和探索，以及一些有效的項目質控制度和經典的方法論介紹。
- 我覺得作者身為阿里巴巴數據分析專家，肯定對這份職業有什麼值得學習之處，因此本篇看得非常認真。回顧自身的工作經驗中，對於許多地方感同身受、十分認同；對於做不夠徹底的地方也警惕自己還要再努力。
邀請你至Blog閱讀全文：讀後感_數據挖掘與數據化運營實戰
如果你喜歡我的文章，也邀請你訂閱『Rock Data』電子報，支持我持續創作
實務上要了解的
- 投入數據分析資源和滿足特定業務需求之間， 又有一個微妙的平衡 點 — 性價比。這個微妙的平衡點決定了模型的優化和完善是有限度的。
- 條條大路通羅馬：以交叉銷售(Cross Selling)為例，可以用的方法有關聯規則、預測響應模型、商品推薦模型、決策樹；具體怎麼進行，有賴於分析師對企業與數據整體狀況的掌握。
- 數據分析師總是覺得自己的工作很努力，分析結論和項目成果都充滿技術含量，都很不錯，另一方面業務部門總是覺得有些數據分析師的工作對他們的支持力度不強，對業務的價值不大。這種雙方觀點和看法的不匹配必然會嚴重影響數據化運營的效果和效率， 其中對於數據分析師來說， 最大的問題就是他很可能沒有真正深入業務、 了解業務， 這其實很可能就是數據分析師自身輕視業務論所造成的。
- 初級數據分析師常犯的一個錯誤就是無論業務方提出什麼分析需求，都一股腦地全盤受理，根本不考慮這些分析需求是否合理， 數據分析技術是否可以解決之。這其中有可能是潛意識裡也認同“ 技術萬能” 的表現。
良好的職業態度，包括信念、 信心、 热情、 敬畏和感恩
- 如果希望在自己的職業生涯中持續地提升自己，持續地與數據化運營的商業實踐共成長、共收穫，持續地從專業中體會快樂， 就必須努力地培養一個良好的職業態度，這種態度包括信念、信心、熱情、敬畏和感恩。
- 在日常的瀏覽、閱讀、會議、論中人們經常會碰到好技術、 好方法、好思路、好案例，但是大多數人都只是當時充滿興趣，事後少有人能及時記錄、下載、整理、歸納和總結，過段時間一切都成了過眼雲煙，等事到臨頭需要這些好經驗、好方法“ 頂上去” 的時候，才後悔平時沒有積累和整理。這是人性的弱點。不付出哪有回報呢？
- 機會只垂青於有準備的人，如果能隨時隨地把看到的、 聽到的、 接觸到的與數據分析相關的思路和想法以及應用實踐案例記下來， 反复研究吸收其精華， 將其變成自己的思路和想法，等到自己進行數據分析商業實戰時，湧泉思路自然就是水到渠成的事情了。作為數據分析師， 在平常 的 工作中是有很多機會參加相關的分享、討論、講座、培訓及交流 的，身邊不乏大量值得自己 學習、借鑒、參考的同行、同事及前輩。有些人參加這些活動時聽得快，忘得也快；有些人參加一次活動，可以用筆記下不少的感悟、體會、收穫、啟發，隨著時間的推移，用不了多久，這兩種人的思路和見識上的差距就可以涇渭分明。
邀請你至Blog閱讀全文：讀後感_數據挖掘與數據化運營實戰
如果你喜歡我的文章，也邀請你訂閱『Rock Data』電子報，支持我持續創作
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臉書粉絲頁跟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. 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：精選幾個機器學習的學習資源
- 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：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-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
- 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』
