⑴ 数据分析需要掌握哪些知识
数据分析定义
数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。是有组织有目的地收集数据、分析数据，使之成为信息的过程。
数据分析分类
数据分析划分为描述性统计分析、探索性数据分析以及验证性数据分析；其中，探索性数据分析侧重于在数据之中发现新的特征，而验证性数据分析则侧重于已有假设的证实或证伪。
数据分析常用方法
1、PEST分析：
是利用环境扫描分析总体环境中的政治（Political）、经济（Economic）、社会（Social）与科技（Technological）等四种因素的一种模型。这也是在作市场研究时，外部分析的一部分，能给予公司一个针对总体环境中不同因素的概述。这个策略工具也能有效的了解市场的成长或衰退、企业所处的情况、潜力与营运方向。一般用于宏观分析。
2、SWOT分析：
又称优劣分析法或道斯矩阵，是一种企业竞争态势分析方法，是市场营销的基础分析方法之一，通过评价自身的优势（Strengths）、劣势（Weaknesses）、外部竞争上的机会（Opportunities）和威胁（Threats），用以在制定发展战略前对自身进行深入全面的分析以及竞争优势的定位。而此方法是Albert Humphrey所提。
3、5W2H分析：
用五个以W开头的英语单词和两个以H开头的英语单词进行设问，发现解决问题的线索，寻找发明思路，进行设计构思，从而搞出新的发明项目具体：
（1）WHAT——是什么？目的是什么？做什么工作？
（2）WHY——为什么要做？可不可以不做？有没有替代方案？
（3）WHO——谁？由谁来做？
（4）WHEN——何时？什么时间做？什么时机最适宜？
（5）WHERE——何处？在哪里做？
（6）HOW ——怎么做？如何提高效率？如何实施？方法是什么？
（7）HOW MUCH——多少？做到什么程度？数量如何？质量水平如何？费用产出如何？
4、7C罗盘模型：
7C模型包括
（C1）企业很重要。也就是说，Competitor：竞争对手，Organization：执行市场营销或是经营管理的组织，Stakeholder：利益相关者也应该被考虑进来。
（C2）商品在拉丁语中是共同方便共同幸福的意思，是从消费者的角度考虑问题。这也和从消费者开始考虑问题的整合营销传播是一致的，能体现出与消费者相互作用进而开发出值得信赖的商品或服务的一种哲学。经过完整步骤创造出的商品可以称之为商品化。
（C3）成本不仅有价格的意思，还有生产成本、销售成本、社会成本等很多方面。
（C4）流通渠道表达商品在流动的含义。创造出一个进货商、制造商、物流和消费者共生的商业模式。作为流通渠道来说，网络销售也能算在内。
（C5）交流
（C6）消费者
N = 需求（Needs）：生活必需品，像水、衣服、鞋。
W = 想法（Wants）：想得到的东西，像运动饮料、旅游鞋。
S = 安全（Security）：安全性，像核电、车、食品等物品的安全。
E = 教育（Ecation）：对消费者进行教育，为了能够让消费者也和企业一样对商品非常了解，企业应该提供给消费者相应的知识信息。
（C7）环境
N = 国内和国际：国内的政治、法律和伦理环境及国际环境，国际关系。
W = 天气：气象、自然环境，重大灾害时经营环境会放生变化，适应自然的经营活动是必要的。像便利店或是部分超市就正在实行。
S = 社会和文化：网络时代的社会、福利及文化环境理所当然应该成为考虑因素。
E = 经济：经济环境是对经营影响最大的，以此理所当然应该成为考虑因素。7C罗盘模型是一个合作市场营销的工具。
5、海盗指标法AARRR:是互联网常用的“用户增长模型”，黑客增长模型：
Acquisition：获取用户
Activation：提高活跃度
Retention：提高留存率
Revenue：获取收入
Refer：自传播
数据分析常用工具
日常数据分析用的最多的还是办公软件尤其excel、word、ppt，数据存储处理可能用到一些数据库结合access用，另外目前一般公司小型关系数据库用mysql的还是比较多免费、轻量级，还有较多的也在用pg。
其次分析师是用一些专业的分析软件spss，sas，自助分析用的BI软件平台如：finebi、tableau等。
finebi
其实想强调的是分析师40%-60%的时间可能会花在数据的获取、处理和准备上，所以最好能会点sql，个人觉得对于分析师与其去了解数据库，不如好好去学下sql，因为sql是标准化的数据查询语言，所有的关系型数据库包括一些开源的数据库甚至各公司内部的数据平台都对它有良好的支持。最后对于第三方的一些数据收集或者一些跨平台的数据处理，包括一些分析可以用finebi。
数据分析流程
有了 这些基础的理论和分析方法后，接下来具体的分析流程可参考：
1.提出问题（需求） 2.结论/假设 3.数据准备 4.数据分析 5.报告生成 结论验证。
我们按照如上的分析步骤来个示例：
XX产品首销，哪些用户最有可能来购买？应该给哪些用户进行营销？
第一步首先是提出了问题，有了需求。
第二步分析问题，提出方案，这一步非常重要，正如上面提到的第二三类的数据分析本身就是一个假设检验的过程，如果这一步不能很好的假设，后续的检验也就无从谈起。主要需要思考下从哪些方面来分析这个问题。
可以从三个方面：（PS：这里对于一些常规的属性比如：性别、年龄、地区分布了这些基本，老大早已心中有数，就不再看了）
1.曾经购买过跟XX产品相似产品的用户，且当前使用机型是XX产品上一或几代产品，有换机意愿需求的。
2.用户的关注程度用户是否浏览了新品产品站，是否搜索过新品相关的信息，是否参加了新品的活动。
3.用户的消费能力历史消费金额、历史购机数量、本年度购机金额、本年度购机数量、最近一次购机时间及金额等。
第三步准备数据：
创建分析表，搜集数据 这一步基本是最花时间的，这时候就是考量你的数据平台、数据仓库的时候了，仓库集成的好，平台易用的话时间应该不用太长。
第四步数据分析：笔者是把数据导入到finebi进行分析的，也可以用python，其实用excel也非常好，只是笔者对excel的有些处理不是很擅长。
第五步就是图表呈现，报告的表达了，最后我们验证得到的一个结论就是：购买过同类产品，关注度越高，复购周期越近的用户越最容易再次复购。
注：想要获取33个好用数据分析工具，可以私聊回复我“工具”获得！
⑵ 作决策要先收集哪些情报
有人说，真正的领导必须是信息大师，他的脑子是决策的思想基地。作为领导，你就要面对决策工作。你必须深知你得到的数字是否合理。
决策中的错误均与收集信息的工作有关。这时就会产生一个问题：为什么客观、准确、全面的情报工作这么艰难？德国决策大师马克宾白认为，主要原因包括：
①我们的判断、估计数字与资讯通常会受到制度上偏差的干扰。
②我们会过于自信。我们自认所了解的比我们实际所了解得多。这表示我们审视了过少的资讯，问错了问题，在作判断上无法从事紧要切题的思考。
③我们所依据的是最现成随手可得的资讯而不是那些最有价值的资讯，特别是在现成资讯是新近得到，或由一特殊鲜明经验所得时，更是如此。
④我们把未知部分的估计数字与我们已知的事项联系起来，而且通常会对其他的因素部分怠于做充分的调整。
因此，为了掌握情报的收集，我们务必在一起步时就自问下列三个紧要的问题：
①我们真正了解多少？
②我们知识的基础真的有代表性吗？
③我们的估计数字与判断准确吗？或我们业已过度依赖一个轻易可得的现成基准点数字了吗？
我们常用“终南捷径”形容可以迅速达到目的的方法、技巧和策略。有些事情还是有捷径的，但攸关企业生死存亡的决策实在是太重大了，任何走捷径的想法，都是有害的，甚至是致命的。
改正错误的唯一办法就是避开搜集情报工作的所谓“终南捷径”。换言之，领导者在收集信息的过程中要做到耐心和细心，收集和整理工作要系统化、全面化。
几乎每个人都有这样一种习惯：当需要收集资料时，常常只盯着身边现有的资料，然后心里想这大概足够了。这种习惯的动机，就是凡事想走“终南捷径”。
但是在决策中，这种“终南捷径”是肯定行不通的。一个妄想抄小路的管理者，既短视又愚蠢，结果注定是失败！
正确处理信息的方法是：
①扩大数据调查的范围；②确立正确的数字调查方法；③把数字的历史调查和现实调查结合起来；④对数字的分析工作要精准；⑤建立合理的信息反馈系统；⑥注意反馈的连续性；⑦不要用人为的因素干扰反馈；⑥清楚地整理反馈材料；⑨建立数据网和反馈资料库。
必须注意一点：我们虽然提倡管理者要注意收集情报，但情报太多了也不好。一般而言，资讯太多，可能只会混淆问题。信息太多往往会令管理者无所适从，甚至不堪重负，这就会拖延决策的时间。