1、我们根据业务目标把下厨房这个产品拆分成不同的业务模块，并且我们确定了各个业务模块所属的类型之后，接下来我们要为不同的业务模块选择数据指标。
2、兴趣班 卷死别人家的孩子，你的孩子就能踏上康庄大道了。我想了想，ren-da代表与其费尽心思让大家生孩子，还不如管管这些兴趣班？生育率降低没他们的影响我是死活不信的。成天除了给已有孩子的父母制造焦虑，给未婚男女带来恐慌之外，顺便在无形中提高了大家在生育方面的认知水准，蛮不错的。
1、对于小红书相关的数据，基本还是建议用人工录入数据吧，也就几百几千条数据，很快就搞定了。 处理数据 获得了数据后，要先处理下数据，比如，你的数据格式是不是对的，有些格式的数据不方便你后面的计算，排序等操作，有些数据格式可能还不统一，有些数据可能漏了，有些数据可能错误了。
2、账号运营。账号运营需要考虑的是平台、用户、账号和内容。平台。①平台底层逻辑。小红书和抖音、知乎、百度、淘宝一样，是一个互联网平台，平台存在的价值是给他的目标客户带来有用的内容。比如用户在百度上能获得自己想要的搜索结果，在淘宝上能买到自己喜欢的商品，在知乎上能找到想要的答案。
3、博主运营全景图此图为我们原创，从博主定位、变现设计、深化定位到具体的选题、账号创作和拍摄、调整等步骤组成，真正帮助IP，找到自身定位和变现方式，由此成为知名博主、头部博主和跨品类运营者。
4、结合以上分析和博主个人倾向，大的主题定位为：向上长大的正能量——考研逆袭、研究生焦虑——思维、方法、心态、技能的分享。因而在内容上可以集合研究生和女性个人长大以及心灵治愈这三个大的主题进行选题积累和发布发布一些话题，这也是博主所喜欢探讨的。 在个人定位上，突出“向上”、“正能量”“思维”“考研”。
5、多维度分析 「仪表盘」智能监控账号数据变化趋势，自动生成可视化图表，直观展示账号粉丝人数、作品传播趋势、直播运营效果等数据。「运营报表」自动按周/月/季度形成账号运营报表，无需人工统计数据，实现数据的高效分析。
1、常见的数据分析方法：数据分析的基本思路，数据分析应该以业务场景为起始思考点，以业务决策作为终点；基本思路为5步，首先要挖掘业务含义、制定分析计划、从分析计划中拆分出需要的数据、再根据数据分析的手段提炼业务洞察，最终产出商业决策。
2、PEST分析法PEST，也就是政治（Politics）、经济（Economy）、社会（Society）、技术（Technology），能从各个方面把握宏观环境的现状及变化趋势，主要用户行业分析。宏观环境又称一般环境，是指影响一切行业和企业的各种宏观力量。
3、业务分析的目标是使用大数据为所有专业人员提供可伸缩的解决方案，以快速、高质量和高效的决策。 业务分析是创造价值的数据科学。 企业增长模式的增长模式需要一个核心业务平台，通过生成产品和价值来看到客户业务和数据的增长。
4、结合工作当中的实例：上海一门店进行促销，老板一般会看截止某一时间节点的销量，当时我们在分析销量的时候我们分析了按小时的销量，发现门店的销量会在早晚高峰出现销量上升，但在晚高峰时突然出现了销量的短时下跌，后来结合CCTV发现门店因为进货短时间人手不足等原因造成销量下降。
那么，无论是开发还是基于像永洪科技一样的第三方工具快速实施，系统搭建的第一步都是连接各个数据源，打通和各个数据源之间的通路。在企业里，数据环境往往是异构的，数据源可能包括数据库、Hadoop系列平台、Excel文件、日志文件、NoSQL数据库、第三方接口等，需要对每种数据源都有快速友好的对接方式。
不断优化和改进：绩效管理体系应该是一个持续改进的过程。组织应该根据实际情况不断优化和改进绩效管理体系，包括绩效目标和标准的设定、绩效评估方法的选择和实施、绩效反馈和激励措施的调整等，以不断提高绩效管理的效果和价值。
在欧几里得之后大约5个世纪，古希腊罗马时代的天文学家托勒密将欧几里得的这种方法论应用到天文学上，建立起一套描述天体运动规律的理论体系，即地心说。
构建个人知识体系的路径 道的洞察/：理解知识体系的宏观目标，如知识变现，明确其商业本质和受众需求。 法的构建/：形成知识网络，构建解决问题的方法论模型，如sowt分析或金字塔法则。 术的精炼/：优化解决方案，确保实操性强，便于学习和复制。
绩效考核体系需要大道至简 绩效考核是一个亘古不变的话题，从古至今，无论是帝王诸侯，还是企业老总与人力资源管理者，都经常面临着绩效评价的困扰。在一个组织内部，大部分成员都会认为自己的绩效表现高于平均水平，而实际上这是不可能的。
1、数据分析方法论原则性指导性更强，数据分析法操作性强。
2、其实，“ 分析 ”本身是每个人都具备的能力；数据分析是为了能以量化的方式来分析业务问题并得出结论。其中有两个重点词语：量化和业务。首先讲下量化。量化是为了统一认知，并且确保路径可回溯，可复制。
3、常见的数据分析方法：数据分析的基本思路，数据分析应该以业务场景为起始思考点，以业务决策作为终点；基本思路为5步，首先要挖掘业务含义、制定分析计划、从分析计划中拆分出需要的数据、再根据数据分析的手段提炼业务洞察，最终产出商业决策。
4、业务分析的目标是使用大数据为所有专业人员提供可伸缩的解决方案，以快速、高质量和高效的决策。 业务分析是创造价值的数据科学。 企业增长模式的增长模式需要一个核心业务平台，通过生成产品和价值来看到客户业务和数据的增长。
5、一般在数据分析前有特定的场景以及目的，有时可以根据分析目的进行选择分析方法，从而更快的进行数据分析。比如一组数据想要研究不同性别对于商场满意度是否有差异。也许可以使用方差、t检验、卡方检验等方法，但是具体选择哪种方法要根据数据类型以及结构来决定。
6、确定分析目的 所谓的数据分析都是有内在目的，无论你是想探明现状，还是寻找因果，又或者是预测未来。因此，接到数据分析的需求时，不要马上埋头去做，而是要屡清楚你数据分析的目的是什么？只有目的了解了，你才能更好的把握分析的思路。
1、结果不够精确：当样本数量太少时，不足以全面反映总体的真实情况，结果会引发不准确的推论。不具有代表性：样本太小可能导致样本的选取不具有典型性，进而影响到数据分析的可靠性。
2、会导致过拟合。论文的样本量太少会导致过拟合，过拟合就是为了得到一致假设而使假设变得过度复杂称为过拟合。
3、可以根据因子载荷系数的大小对题项进行删除，比如存在与预想维度完全不一致的题项，可以考虑删除这个题项然后重新分析。同样的样本数据，不同的分析思路，有可能出现结果不相同，但只要符合因子的思维概念即可。需要来回多次进行对比，找出最佳结果。具体可以查看spssau的帮助手册，说的更加详细。
