数据分析是什么？
有针对性的收集、加工、整理数据，并采用统计和挖掘技术来分析和解释数据的科学与艺术。
通过分析数据，发现数据背后的价值，能得到什么。
数据分析师的基本素质：
对数据敏感，对业务熟悉，数据统计思想，实验设计方法，用户行为学，Excel、spss等统计工具，人际沟通，项目管理，日志、数据库与SQL…，热爱研究
数据分析的价值：
是什么（点击流数据）？为什么（用户调研）？怎么办（可用性测试、AB测试、用户反馈）？
是什么？
一个活动上线，发生了什么？
活动每天访问用户数是多少？参与用户数是多少？有分享的用户数是多少？
为什么？
这个活动比上一个活动效果要差，为什么？
对比两个活动的时间、类型
Eg：如果两个活动类型一样，都是充值活动，那充值送的比例是否一样？
对比活动时间
是否一个是工作日，一个是周末，是否周末更好？
是否有做推广，推广力度是否一致？
一个个去对比，找到为什么。
怎么办？
AB测试
每个活动分割一部分流量，看哪个效果更好
做预测性数据分析，预测未来哪些用户会流失，流失前实施挽回措施
对流失用户做评级，哪些用户流失概率高，优先挽回，制定挽回策略
数据分析在各部门中的运用：
开发部门（访问量、参与量）
Eg：根据上线时间、 推广力度、优惠程度、重视程度等各类因素，预测这次是否需要增加服务器
财务部门
预估成本、利润多少，产品策略是否需要调整
运营部门
活动、内容、用户运营（用户生命周期）
产品部门
新上的功能、前期调研要不要做这些功能
数据从哪里来？
埋点
数据分析的基本步骤
需求分析——统计需求撰写——埋点——日志清洗、数据统计——数据分析——报告撰写——报告分享、反馈收集
拉新，指拉新消（新的消费用户数）
数据分析框架（数据分析方法论）
网站分析基本指标：
访问、访客、网页停留时间、网站停留时间、跳出率、退出率、转化率、参与度（访问频率、访问深度等）
不同产品关注不同指标
所有网站都会关注网站分析指标（常规指标）
不同时期关注不同指标
为什么要抽样？
无法对总体进行调研或统计
转化分析与优化：
运营或产品的烦恼：转化率低！？为什么低？
除了产品层面就没有其他原因了吗？
Eg：渠道用户属性、展示时间…
除了转化率还可以看什么？
Eg：耗时、用户满意度、可用性…
