京公网安备 11010802034615号
经营许可证编号:京B2-20210330
CDA持证人简介:
程靖 CDA会员大咖,畅销书《小白学产品》作者,13年顶级互联网公司产品经理相关经验,曾在百度,美团,阿里等大厂担任产品经理。
学习入口:https://edu.cda.cn/goods/show/3881?targetId=6832&preview=0
人力驱动广告投放:以购买便宜流量为例,商务发现便宜流量后,需通知运营进行试投放,运营分析后找财务申请资金,投放后还要分析效果并写报告,过程繁琐,依赖个人且效率低,易出现沟通成本高、决策风险大等问题。

数据驱动广告投放:任何公司投流,都一定要搭建流量监控体系,自动监控流量报价,发现便宜流量后自动进行小流量试投放,依据 ROI 选择最佳渠道并自动投放,同时利用人工智能准备物料,最后自动汇总结果,相比人力驱动更加稳定、高效,经验可继承。


北极星指标:数据驱动业务的前提是目标可量化且可驱动,不同产品或公司的北极星指标不同,如社交平台关注活跃用户数,美团在一定阶段更注重订单完成数。确定北极星指标后,数据可依据该指标进行决策,明确业务重点方向。

业务流程模式化:业务流程一定要总结、通用且可复用,以电商订单处理流程为例,各环节都要固化,数据才能在相应环节发挥决策作用,比如选择快递公司时可依据用户偏好和购买物品进行决策。同时,业务流程并非一成不变,要根据实际情况优化,如拼多多简化购物流程,如何判断流程是否模式化?就看新人能否依据文档完成工作来判断



搭建原因:以腾讯体育为例,不同业务如足球会员、篮球会员充值,在数据处理上存在大量重复工作,数据平台可将数据加工成半成品,提高数据处理效率,减少重复劳动。

平台分层:数据平台包括数据采集,收集用户行为数据、融合第三方数据;数据清洗包括处理脏数据,进行关联转化备份;数据处理,即可视化分析、建立决策模型;比如依据历史广告投放数据决定是否再次购买某平台流量和数据应用,提供决策建议、异常报警、自助分析工具等。

数据分工问题:数据归属不明确,业务部门和数据中台可能因数据所有权产生矛盾。解决方案是数据共有,业务部门和数据中台都有权获取所需数据,避免数据垄断。
资源问题:数据中台可能因资源有限拒绝业务部门的数据需求。解决办法是支持共建,开放数据接口,让业务部门在紧急时可自行获取数据。
算法结果可解释性问题:算法团队提供的预测结果可能难以解释,导致与业务部门产生矛盾。双方需协商确定是注重可解释性还是效果,若注重可解释性,算法提供简单模型但不负责准确率;若注重效果,算法需为结果负责。
数据安全问题:数据中台存在数据安全风险,如员工可能获取并泄露敏感数据。解决措施包括建立审批流,限制人员访问超出权限的数据;个人尽量不接触原数据,通过结果数据实现业务需求;对部分数据进行脱敏处理,如隐藏手机号中间几位。

目标用户定位:通过白盒化和黑盒化两种方式确定目标用户,白盒化即依据用户经济条件、性别等可解释信息,如盒马典型用户为 40 岁以上经济条件较好、掌管买菜大权的女性,但上海男性用户在盒马消费也较多。黑盒化指利用人格算法,虽不可解释但能筛选出精准用户。

转化路径设计:盒马门店选址都是在潜在用户集中地,通过发券鼓励线上购买,之后利用短信精准触达附近潜在用户;也加大地推,依据数据选择潜力小区摆摊,提高拉新效果,且数据可助力经验复制到新城市。

数据处理方法:介绍潜在用户模型,依据用户特征扩大潜在用户池;通过数据关联,如设备 ID、邮箱地址等判断多账号是否属于同一用户。
业务数据分析是CDA数据分析师一级的重要考点。

项目背景与问题:国企部门开服务点涉及多部门,规划部、考察部和选址部领导希望开店,对外洽谈商务可能因租金问题有异议,导致决策困难。

数据驱动解决方案:分析各部门痛点,为领导提供决策数据(如点位人流量、潜在用户数量等),为商务提供数据支持以申请租金调整,解决各方问题,赢得信任,促进合作。

程靖老师详细解读数据驱动业务本质,对比人力驱动的弊端,强调北极星指标和业务流程模式化的重要性。深入探讨数据平台搭建、作用、面临的问题及解决办法,并分享 C 端盒马拉新和 B 端国企服务点选址的实战案例,助力同学们在工作学习中更好地运用数据推动业务创新发展。
学习入口:https://edu.cda.cn/goods/show/3881?targetId=6832&preview=0
如果大家想听程老师完整版分享视频,可以微信扫码免费学习。同时,也期待大家持续关注 CDA 持证人的后续活动,获取更多专业知识和行业经验~
《CDA一级教材》适合CDA一级考生备考,也适合业务及数据分析岗位的从业者提升自我。完整电子版已上线CDA网校,累计已有10万+在读~

免费加入阅读:https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20