⑴ 數據分析需要掌握哪些知識
數據分析定義
數據分析是指用適當的統計分析方法對收集來的大量數據進行分析，提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。這一過程也是質量管理體系的支持過程。在實用中，數據分析可幫助人們作出判斷，以便採取適當行動。是有組織有目的地收集數據、分析數據，使之成為信息的過程。
數據分析分類
數據分析劃分為描述性統計分析、探索性數據分析以及驗證性數據分析；其中，探索性數據分析側重於在數據之中發現新的特徵，而驗證性數據分析則側重於已有假設的證實或證偽。
數據分析常用方法
1、PEST分析：
是利用環境掃描分析總體環境中的政治（Political）、經濟（Economic）、社會（Social）與科技（Technological）等四種因素的一種模型。這也是在作市場研究時，外部分析的一部分，能給予公司一個針對總體環境中不同因素的概述。這個策略工具也能有效的了解市場的成長或衰退、企業所處的情況、潛力與營運方向。一般用於宏觀分析。
2、SWOT分析：
又稱優劣分析法或道斯矩陣，是一種企業競爭態勢分析方法，是市場營銷的基礎分析方法之一，通過評價自身的優勢（Strengths）、劣勢（Weaknesses）、外部競爭上的機會（Opportunities）和威脅（Threats），用以在制定發展戰略前對自身進行深入全面的分析以及競爭優勢的定位。而此方法是Albert Humphrey所提。
3、5W2H分析：
用五個以W開頭的英語單詞和兩個以H開頭的英語單詞進行設問，發現解決問題的線索，尋找發明思路，進行設計構思，從而搞出新的發明項目具體：
（1）WHAT——是什麼？目的是什麼？做什麼工作？
（2）WHY——為什麼要做？可不可以不做？有沒有替代方案？
（3）WHO——誰？由誰來做？
（4）WHEN——何時？什麼時間做？什麼時機最適宜？
（5）WHERE——何處？在哪裡做？
（6）HOW ——怎麼做？如何提高效率？如何實施？方法是什麼？
（7）HOW MUCH——多少？做到什麼程度？數量如何？質量水平如何？費用產出如何？
4、7C羅盤模型：
7C模型包括
（C1）企業很重要。也就是說，Competitor：競爭對手，Organization：執行市場營銷或是經營管理的組織，Stakeholder：利益相關者也應該被考慮進來。
（C2）商品在拉丁語中是共同方便共同幸福的意思，是從消費者的角度考慮問題。這也和從消費者開始考慮問題的整合營銷傳播是一致的，能體現出與消費者相互作用進而開發出值得信賴的商品或服務的一種哲學。經過完整步驟創造出的商品可以稱之為商品化。
（C3）成本不僅有價格的意思，還有生產成本、銷售成本、社會成本等很多方面。
（C4）流通渠道表達商品在流動的含義。創造出一個進貨商、製造商、物流和消費者共生的商業模式。作為流通渠道來說，網路銷售也能算在內。
（C5）交流
（C6）消費者
N = 需求（Needs）：生活必需品，像水、衣服、鞋。
W = 想法（Wants）：想得到的東西，像運動飲料、旅遊鞋。
S = 安全（Security）：安全性，像核電、車、食品等物品的安全。
E = 教育（Ecation）：對消費者進行教育，為了能夠讓消費者也和企業一樣對商品非常了解，企業應該提供給消費者相應的知識信息。
（C7）環境
N = 國內和國際：國內的政治、法律和倫理環境及國際環境，國際關系。
W = 天氣：氣象、自然環境，重大災害時經營環境會放生變化，適應自然的經營活動是必要的。像便利店或是部分超市就正在實行。
S = 社會和文化：網路時代的社會、福利及文化環境理所當然應該成為考慮因素。
E = 經濟：經濟環境是對經營影響最大的，以此理所當然應該成為考慮因素。7C羅盤模型是一個合作市場營銷的工具。
5、海盜指標法AARRR:是互聯網常用的「用戶增長模型」，黑客增長模型：
Acquisition：獲取用戶
Activation：提高活躍度
Retention：提高留存率
Revenue：獲取收入
Refer：自傳播
數據分析常用工具
日常數據分析用的最多的還是辦公軟體尤其excel、word、ppt，數據存儲處理可能用到一些資料庫結合access用，另外目前一般公司小型關系資料庫用mysql的還是比較多免費、輕量級，還有較多的也在用pg。
其次分析師是用一些專業的分析軟體spss，sas，自助分析用的BI軟體平台如：finebi、tableau等。
finebi
其實想強調的是分析師40%-60%的時間可能會花在數據的獲取、處理和准備上，所以最好能會點sql，個人覺得對於分析師與其去了解資料庫，不如好好去學下sql，因為sql是標准化的數據查詢語言，所有的關系型資料庫包括一些開源的資料庫甚至各公司內部的數據平台都對它有良好的支持。最後對於第三方的一些數據收集或者一些跨平台的數據處理，包括一些分析可以用finebi。
數據分析流程
有了 這些基礎的理論和分析方法後，接下來具體的分析流程可參考：
1.提出問題（需求） 2.結論/假設 3.數據准備 4.數據分析 5.報告生成 結論驗證。
我們按照如上的分析步驟來個示例：
XX產品首銷，哪些用戶最有可能來購買？應該給哪些用戶進行營銷？
第一步首先是提出了問題，有了需求。
第二步分析問題，提出方案，這一步非常重要，正如上面提到的第二三類的數據分析本身就是一個假設檢驗的過程，如果這一步不能很好的假設，後續的檢驗也就無從談起。主要需要思考下從哪些方面來分析這個問題。
可以從三個方面：（PS：這里對於一些常規的屬性比如：性別、年齡、地區分布了這些基本，老大早已心中有數，就不再看了）
1.曾經購買過跟XX產品相似產品的用戶，且當前使用機型是XX產品上一或幾代產品，有換機意願需求的。
2.用戶的關注程度用戶是否瀏覽了新品產品站，是否搜索過新品相關的信息，是否參加了新品的活動。
3.用戶的消費能力歷史消費金額、歷史購機數量、本年度購機金額、本年度購機數量、最近一次購機時間及金額等。
第三步准備數據：
創建分析表，搜集數據 這一步基本是最花時間的，這時候就是考量你的數據平台、數據倉庫的時候了，倉庫集成的好，平台易用的話時間應該不用太長。
第四步數據分析：筆者是把數據導入到finebi進行分析的，也可以用python，其實用excel也非常好，只是筆者對excel的有些處理不是很擅長。
第五步就是圖表呈現，報告的表達了，最後我們驗證得到的一個結論就是：購買過同類產品，關注度越高，復購周期越近的用戶越最容易再次復購。
註：想要獲取33個好用數據分析工具，可以私聊回復我「工具」獲得！
⑵ 作決策要先收集哪些情報
有人說，真正的領導必須是信息大師，他的腦子是決策的思想基地。作為領導，你就要面對決策工作。你必須深知你得到的數字是否合理。
決策中的錯誤均與收集信息的工作有關。這時就會產生一個問題：為什麼客觀、准確、全面的情報工作這么艱難？德國決策大師馬克賓白認為，主要原因包括：
①我們的判斷、估計數字與資訊通常會受到制度上偏差的干擾。
②我們會過於自信。我們自認所了解的比我們實際所了解得多。這表示我們審視了過少的資訊，問錯了問題，在作判斷上無法從事緊要切題的思考。
③我們所依據的是最現成隨手可得的資訊而不是那些最有價值的資訊，特別是在現成資訊是新近得到，或由一特殊鮮明經驗所得時，更是如此。
④我們把未知部分的估計數字與我們已知的事項聯系起來，而且通常會對其他的因素部分怠於做充分的調整。
因此，為了掌握情報的收集，我們務必在一起步時就自問下列三個緊要的問題：
①我們真正了解多少？
②我們知識的基礎真的有代表性嗎？
③我們的估計數字與判斷准確嗎？或我們業已過度依賴一個輕易可得的現成基準點數字了嗎？
我們常用「終南捷徑」形容可以迅速達到目的的方法、技巧和策略。有些事情還是有捷徑的，但攸關企業生死存亡的決策實在是太重大了，任何走捷徑的想法，都是有害的，甚至是致命的。
改正錯誤的唯一辦法就是避開搜集情報工作的所謂「終南捷徑」。換言之，領導者在收集信息的過程中要做到耐心和細心，收集和整理工作要系統化、全面化。
幾乎每個人都有這樣一種習慣：當需要收集資料時，常常只盯著身邊現有的資料，然後心裡想這大概足夠了。這種習慣的動機，就是凡事想走「終南捷徑」。
但是在決策中，這種「終南捷徑」是肯定行不通的。一個妄想抄小路的管理者，既短視又愚蠢，結果註定是失敗！
正確處理信息的方法是：
①擴大數據調查的范圍；②確立正確的數字調查方法；③把數字的歷史調查和現實調查結合起來；④對數字的分析工作要精準；⑤建立合理的信息反饋系統；⑥注意反饋的連續性；⑦不要用人為的因素干擾反饋；⑥清楚地整理反饋材料；⑨建立數據網和反饋資料庫。
必須注意一點：我們雖然提倡管理者要注意收集情報，但情報太多了也不好。一般而言，資訊太多，可能只會混淆問題。信息太多往往會令管理者無所適從，甚至不堪重負，這就會拖延決策的時間。