高级的数据分析不是人工智能，深度学习，不是诸葛亮似的，道袍一挥就算出来了，数据分析要落地，要给业务带来真正的价值，高级的数据分析是体系化的方法，从问题剖析，到方案制定落地，到效果跟踪，有一系列的繁琐工作要做，不是搞几个模型就能解决的，最高级的分析就是真正的认真的做好月报、周报、日报， 把该监控的指标监控到当然要实现真正的数据化驱动，完整的数据是必须的前提个人见解，哈哈...

高级的数据分析不是人工智能，深度学习，不是诸葛亮似的，道袍一挥就算出来了，数据分析要落地，要给业务带来真正的价值，高级的数据分析是体系化的方法，从问题剖析，到方案制定落地，到效果跟踪，有一系列的繁琐工作要做，不是搞几个模型就能解决的，最高级的分析就是真正的认真的做好月报、周报、日报， 把该监控的指标监控到当然要实现真正的数据化驱动，完整的数据是必须的前提个人见解，哈哈...

        最近在工作之余，结合自己的理解和论坛上的一些帖子，整理了份用户画像的文章，个人觉得这篇文章在宏观上很好地描述了用户画像的主要内容。（文章内的图片来源于不同帖子，权当分享，侵删）一、 什么是用户画像        用户画像是指根据用户的属性、用户偏好、生活习惯、用户行为等信息而抽象出来的标签化用户模型。通俗说就是给用户打标签，而标签是通过对用户信息分析而来的高度精炼的特征标识。通过打

总体遵循5W2H1、首先落实What问题，这是不是一个问题，是个什么问题？以转化率下降为例，要清楚转化率KPI是多少，现在转化率是多少，过去是多少，是否达标，同时进行同环比统计，明确下降是趋势性的，突发性的，还是波动性的，从而判断这是不是一个问题。是多大程度上的问题，是否严重？2、落实Who问题，遇到的是谁的问题，从多个维度统计指标数据，比如转化率平均值是多少？哪个渠道转化率低？哪个城市低...