这门资料到底值不值得翻

市面上很多数据分析课的通病是只教工具操作，打开软件画个图、跑个模型就结束了，但真到了工作里，老板扔过来一份原始业务数据，大部分人还是不知道该从哪里切入。这份资料的切入点很务实：它不纠结于软件界面的基础教学，而是直接拿互联网、电商和零售等行业的真实业务场景开刀，解决“面对一堆用户行为数据，到底该看什么指标、怎么推导出结论”的问题。如果你已经摸过基础函数或者简单写过脚本，但苦于没有成型的分析框架，这套内容能帮你把散落的技巧拼成一个完整的业务推导闭环。

先看哪几块以及怎么练

资料的整体逻辑是沿着用户生命周期展开的，建议直接从两个核心模块入手。第一块是用户留存与魔法数字，它讲的是怎么找到那个让用户真正留下来的行为阈值。先看业务思路部分，理解留存率在实际场景里的定义，再跟着去算规则。资料里同时给了基础的计算方式和进阶的算法实现，建议你先自己用表格跑一遍数据准备和规则寻找，把业务逻辑摸透，然后再去对照进阶的代码实现，看看机器算法是怎么提升找规则效率的。第二块是用户生命周期价值（CLV），这块重点看APRU和CLV的计算逻辑，以及互联网行业的实际应用案例。学这块时，不要死记公式，重点看案例里是怎么把抽象的模型套到具体业务动作上的，也就是算出价值后，到底用什么策略去提升它。

学完能独立扛下什么活

把这套资料配合练习啃下来，你能独立接住业务方抛过来的用户运营分析需求。具体来说，当给你一份用户行为明细表，你能自己完成从数据清洗、指标定义、到找出影响留存的关键行为的全流程；面对一份用户消费记录，你能算清楚不同生命周期阶段用户的价值，并给出针对性的运营建议。练习时建议拿自己公司的脱敏数据复刻一遍资料里的推导过程，哪怕只跑通留存分析这一条线，也比单纯看懂理论强。这套内容不适合零基础小白，它要求你至少有基础的数据处理能力；但如果你正卡在“会点工具但没分析思路”的阶段，这份资料就是帮你跨过这道坎的实务参考。


本课程主要针对互联网、电商、金融、零售、娱乐等多个行业的真实案例数据进行分析解读，重点剖析数据分析的方法论与思路。基于针对多篇知名企业数据分析报告解读的基础上，

课程目录

*   阶段一 了解你的用户/

  *   第一章 促进用户留存之魔法数字/

    *   课程导学/

      *   课程导学

    *   魔法数字的分析场景/

      *   为什么留存率非常重要？

      *   当我们在说留存率时，我们在说什么

      *   神奇的魔法数字

    *   魔法数字的计算方法-Excel/

      *   数据准备

      *   数据计算

      *   规则寻找

    *   魔法数字的机器学习算法-python/

      *   魔法数字的机器学习算法-python

  *   第二章 用户生命周期价值CVL案例/

    *   什么是用户生命周期价值？/

      *   什么是用户生命周期价值？

    *   如何计算CLV？/

      *   APRU值的计算方法

      *   CLT的计算方法

    *   互联网行业实际应用案例解析/

      *   互联网行业实际应用案例解析

      *   如何提升CLV？

  *   第三章 量表测量精度研究/

    *   研究背景和研究思路/

      *   研究背景及思路分析

    *   百分制量表各分值段的测量精度研究/

      *   研究设计、数据处理与可信度检验

      *   四种量表数据基本概况

      *   百分制量表各分值段的测量精度研究

*   阶段二 实验出真知/

  *   第一章 ABTest基础精讲/

    *   ABTest简介/

      *   ABTest简介

    *   ABTest三要素/

      *   ABTest三要素之目标

      *   ABTest三要素之分流

      *   分流代码演示

      *   ABTest三要素之结果

    *   假设检验/

      *   女士品茶案例

      *   假设检验的基本概念1

      *   假设检验的基本概念2

      *   旅游App页面改版案例

    *   P值与功效检验/

      *   如何确定试验所需的样本量？

      *   影响arpu值的试验案例分析

    *   小数定律与大数定律/

      *   假设检验结果与预想不一样怎么办？

      *   小数定律与大数定律

  *   第二章 ABTest中如何使用双重差分模型提高结果可靠性/

    *   背景介绍/

      *   研究背景介绍

    *   Likert量表中添加语义说明的必要性研究解析/

      *   Likert量表中添加语义说明的必要性研究分析

*   阶段三 他山之石：行业最佳实践/

  *   第一章 基于RFM模型的视频节目商业价值评估/

    *   网络视频节目收视人群结构研究背景分析/

      *   网络视频节目收视人群结构研究背景分析

    *   商业价值指数评价体系分析/

      *   已有商业价值和潜在商业价值

      *   网络视频节目用户潜在的商业价值分析

      *   网络视频节目用户潜在商业价值分析

      *   已有商业价值和潜在商业价值指标算法

    *   网络视频节目观众商业价值具体案例分析/

      *   网络视频节目观众商业价值案例数据分析

      *   网络视频节目观众商业价值研究报告分析

  *   第二章 电商金融风控模型/

    *   案例背景介绍/

      *   案例背景介绍

    *   贷前风控模型/

      *   贷前数据预处理

      *   原始数据建模

      *   过采样数据建模

    *   贷中风控模型/

      *   数据预处理

      *   是否违约数据建模

      *   违约时间建模

  *   第三章 购物决策路径转化率分析-以奶粉、手机和汽车为例/

    *   案例介绍/

      *   1.购买决策案例介绍

    *   准备工作/

      *   网购路径研究内容设计

      *   收集数据

    *   报告结论/

      *   报告结论

      *   购买奶粉决策路径分析

      *   购买手机决策路径分析