你的浏览器禁用了JavaScript, 请开启后刷新浏览器获得更好的体验!
输入关键字进行搜索
搜索:
没有找到相关结果
大善人
赞同来自: invalid
invalid - 我们这个世界,从不会给一个伤心的落伍者颁发奖牌
赞同来自:
参与讨论请先登录或注册
2 个回复
大善人
赞同来自: invalid
2、有效的数据把控能力（手里的底层数据如何变得适合自己的数据）
3、精准的数据定义（让数据真实化，有故事可讲）
4、模拟数据的能力（通过经验或认知，做一些无市调的数据模型）
invalid - 我们这个世界,从不会给一个伤心的落伍者颁发奖牌
赞同来自:
1. 数据可信度的问题，特别是对于外部数据（如问卷调查）或者爬取的数据，有很多的缺失值，而且数据的可信度也存在问题，需要先处理缺失值与离群值。
2. 分析指标的单一性，需要在分析目标指标的时候排除相应的干扰因素，比如分析一个新功能上线后的指标提升，需要排除其他活动，优惠等等一切因素的影响，否则无法判别访问跟转化的提升是因为新功能还是因为活动
基础的数据分析，参照常见的“漏洞模型”一层一层分析下来基本差不多了，要做到专业，还是需要对产品的业务熟悉，基于业务提炼出相关的数据指标，量化，模型化