1. 章节主题

1.1 主要内容

  • 数据意识与零售思维；
  • 数据分析和数据管理的区别：数据分析是数据管理的起点，数据管理的最终目标是将解决或应用分析的结论进而实现业务升级；
  • 数据化管理的意义、四个层次、流程（可见 3.部分摘抄）；

  • 数据管理应用模板：模板化可有效提高工作效率，丰富场景使用，视业务场景和业务量来确定使用何种模板；

    1.2 论述方式

  • 通过抛出的案例进行问答式阐述，深入浅出；

    2. 个人感悟

  • 跟着做了章节开始前的小测试，发现还是高估了自己对数据的敏感度，观察数据的角度不够全面，对数据的认识更多停留在学术方法论上，比如数据挖掘中涉及的数据预处理、分析模型等，无法关联切实的业务场景进行思考，对目前全域数据中的非结构化数据、半结构化数据还隔着一层纱，需要后续慢慢揭开；

  • 在我们不具备大数据的能力前，我们把所谓的市场规则称为看不见的手，但现在对于这些一直存在且可以看见的数据，我们却能间接的通过误差回归训练模型来量化灰色的规则，掌握规则才能赢得主动权；
  • 感觉文中提到的写数据分析报告的注意事项挺受用的：
  1. 聚焦关键业务及受众的关注点
    2. 议论文格式：论点（最多三点），论据，论证
    3. 既要关注点，还要照顾线（趋势）和面（扩大对比范围）
    4. 报告各部分之间的内容利用业务间的逻辑来串联，其中单个部分的内容一般遵循发现问题、解读问题、解决问题的逻辑
    5. 千言万语不如一张图
    6. 对结论一定要诚实、客观
    7. 用词专业化，且要关注数据的来源、单位、特殊指标额计算方法

    3. 部分摘抄

  • 商业数据分析很多时候难的不是工具和方法，而是在于对数据敏感的意识，观察数据的角度及对数据理解的方式
  • 以C端驱动的供应链模式成为主流的今天，用数字解读顾客需求成为品牌和渠道竞争的核心；
  • 数据化管理的意义
    • 量化管理
    • 最大化销售业绩，最大化生产效率
    • 有效的节约企业各项成本和费用
    • 组织管理，部门协调的工具
    • 提高企业管理者决策的速度和正确性
  • 数据化管理的四个层次
    • 业务指导管理
    • 营运分析管理
    • 经营策略管理
    • 战略规划管理
  • 数据化管理流程：分析需求（收集需求、分析需求、明确需求），收集数据（数据来源、质量、可靠性），整理数据，分析数据，数据可视化；
  • 数据可视化过程应注意：
    • 图表主要作用是传递信息，不要过分追求漂亮程度
    • 不要试图在一张图中表达所有信息，不要让表格变得沉重
    • 数据可视化是以业务逻辑为主线串起来的，不要随意地堆砌图表
    • 不要试图用图表骗人
  • 数据分析要立体化，不能应用到业务层面的数据分析是没有意义的；