這才是BI該做的事：數據驅動從0到1

目錄 

第一部分? BI 概述與團隊組建 

第 1 章? BI 分析概述? /? 2 

1.1 從“分析”的概念說起 / 3 

1.1.1 常見的分析概念 / 3 

1.1.2 BI 分析的概念 / 8 

1.2 BI 分析行業現狀與 BI 的職責 / 9 

1.2.1 沒有什麽不在被數字化 / 9 

1.2.2 我們相信上帝，但其他人必須提供數據 / 14 

1.2.3 BI 團隊的職責 / 15 

1.2.4 BI 團隊的常見分類 / 16 

1.3 數據驅動概述 / 17 

1.3.1 數據驅動業務的衡量維度 / 17 

1.3.2 數據驅動業務的大體流程 / 19 

第 2 章? 組建 BI 團隊? /? 22 

2.1 “人”：數據分析師畫像 / 23 

2.1.1 分析師通用能力 / 23 

2.1.2 不同部門對應的 BI 分析師特徵 / 24 

2.1.3 不同任務屬性對應的 BI 分析師特徵 / 25 

2.2 BI 團隊的架構設置與部門間協作 / 27 

2.2.1 BI 團隊外部架構 / 27 

2.2.2 BI 跨部門協作機制 / 29 

2.3 團隊管理 / 32 

2.3.1 團隊選型 / 32 

2.3.2 團隊運作機制 / 36 

第二部分? BI 體系搭建基礎知識 

第 3 章? 數據獲取與管理? /? 40 

3.1 數據採集（以外賣業務為例） / 41 

3.1.1 數據源類型 / 41 

3.1.2 數據源的信息結構 / 44 

3.1.3 數據傳輸與存儲 / 46 

3.2 數據質量管理 / 49 

3.2.1 數據質量標準 / 49 

3.2.2 數據質量治理 / 50 

3.3 新型數據源 / 52 

3.3.1 關註傳感器的數據 / 52 

3.3.2 音頻、視頻等非結構化數據的解析與應用 / 53 

3.3.3 標註數據 / 55 

第 4 章? 搭建指標體系? /? 57 

4.1 指標體系的概念、作用和衡量標準 / 58 

4.1.1 指標體系的概念 / 58 

4.1.2 指標體系的作用 / 60 

4.1.3 指標體系的衡量標準（以外賣場景為例） / 64 

4.2 指標體系的設計模型 / 66 

4.2.1 第一關鍵指標法（以電商和在線教育為例） / 67 

4.2.2 OSM 模型（以在線教育為例） / 69 

4.2.3 AARRR 海盜指標法（以在線教育為例） / 73 

4.2.4 用戶旅程地圖模型（以電商為例） / 75 

4.3 指標體系的開發流程 / 78 

4.4 指標體系的使用場景（以外賣業務為例） / 78 

4.4.1 日維度業務監控 / 78 

4.4.2 周維度業務診斷 / 80 

4.4.3 月維度業務復盤 / 82 

4.4.4 支持日常業務決策 / 84 

第三部分? BI 創造價值專題 

第 5 章? 專題：增長? /? 88 

5.1 概念 / 89 

5.1.1 增長黑客的概念 / 89 

5.1.2 增長金字塔：找到市場契合點和價值投遞引擎 / 90 

5.1.3 增長黑客的運營機制 / 92 

5.2 數據科學的演繹 / 95 

5.2.1 人工智能的高光時刻 / 95 

5.2.2 提煉算法替代決策的機會點 / 96 

5.2.3 2% 的人通過機器控制 98% 的人 / 97 

5.2.4 提問題的能力才是核心能力 / 99 

5.3 數據驅動增長的案例（以在線教育為例） / 101 

5.3.1 獲客：註冊 / 102 

5.3.2 激活：轉化 / 103 

5.3.3 留存：退費 / 104 

5.3.4 盈利：續費 / 105 

5.3.5 傳播：轉介紹 / 107 

5.3.6 附：增長分析中常用的算法模型 / 108 

第 6 章? 專題：價值主張? /? 110 

6.1 實現價值主張的分析方法 / 111 

6.1.1 第一性原理：抓住本質 / 111 

6.1.2 爬樓梯策略：窮盡方法 / 113 

6.2 數據驅動價值主張的實現（以在線教育為例） / 115 

6.2.1 提高運營效率 / 115 

6.2.2 提高學習效果 / 118 

6.3 數據驅動價值主張的實現（以外賣業務為例） / 122 

6.3.1 外賣平臺的出現是社會的進步 / 122 

6.3.2 多、快、好、省 / 123 

第 7 章? 專題：盈利? /? 130 

7.1 盈利能力分析 / 132 

7.1.1 傳統的盈利能力分析：賺更多錢 / 132 

7.1.2 新業務的盈利能力分析：賺 1 塊錢 / 133 

7.2 制定業務目標 / 135 

7.2.1 制定目標的“格柵思維” / 135 

7.2.2 目標預測的模型類型 / 136 

7.2.3 制定目標的決策體系：格柵模型 / 143 

7.2.4 目標管理的長遠意義：鍛造持續成功的團隊 / 145 

7.3 增長結構優化 / 146 

7.3.1 增長引擎的類型 / 146 

7.3.2 數據驅動增長引擎（以在線教育業務為例） / 147 

7.4 單位經濟效益優化：毛利分析 / 150 

7.4.1 確定毛利目標（以外賣業務為例） / 150 

7.4.2 優化毛利結構（以外賣業務為例） / 152 

第 8 章? 專題：體驗? /? 157 

8.1 用戶體驗概述 / 158 

8.1.1 概念 / 158 

8.1.2 度量模型 / 158 

8.1.3 用戶體驗分析方法 / 161 

8.2 用戶體驗分析應用 / 162 

8.2.1 搭建體驗指標體系（以外賣業務為例） / 162 

8.2.2 問捲調研 / 163 

8.2.3 KANO 模型 / 166 

8.2.4 文本挖掘 / 168 

8.2.5 關聯用戶行為與評價、調研 / 170 

第 9 章? 專題：風控? /? 172 

9.1 概述 / 174 

9.1.1 風控的概念 / 174 

9.1.2 風控的特徵 / 174 

9.1.3 風控不利可能造成的影響 / 176 

9.2 風險感知（以外賣業務為例） / 177 

9.2.1 掃描業務流程與策略，鎖定風控點 / 177 

9.2.2 異常值分析與離群點監測 / 179 

9.2.3 客服數據監測 / 180 

9.3 風險分析（以外賣業務為例） / 181 

9.3.1 描述性分析 / 181 

9.3.2 根本原因分析 / 183 

9.3.3 共同因素分析 / 184 

9.4 風險治理 / 186 

9.4.1 治理的環節 / 186 

9.4.2 治理的策略 / 187 

第四部分? 回顧與展望 

第 10 章? 數據驅動隨處可見? /? 190 

10.1 衣 / 191 

10.1.1 SHEIN 是什麽 / 191 

10.1.2 SHEIN 的數據驅動的運營機制 / 192 

10.2 食 / 196 

10.2.1 編輯基因—獲得更好的西紅柿種子 / 196 

10.2.2 數據驅動，提高種植效率 / 197 

10.2.3 數據驅動，提高交易效率 / 199 

10.2.4 數據驅動，提煉市場信號 / 200 

10.3 住 / 201 

10.3.1 比爾·蓋茨的未來之家 / 201 

10.3.2 交互：基於語言交互的智能音響 / 202 

10.3.3 領會意圖：環境計算 / 203 

10.4 行 / 205 

10.4.1 擁有不出行的選擇：在線生活和工作 / 205 

10.4.2 提高出行效率：網約車平臺 / 206 

10.4.3 智慧交通：自行車智能、車路協同 / 208 

10.5 學 / 209 

10.5.1 搜索信息 / 209 

10.5.2 在線教育 / 211 

10.5.3 人工智能與教育 / 212 

第 11 章? 數量與質量：結合人工智能的競爭優勢? /? 216 

11.1 科學 / 217 

11.2 還原 / 218 

11.3 變異 / 219 

11.4 概率 / 220 

11.5 涌現 / 221 

11.5.1 層創進化 / 221 

11.5.2 吸引與排斥 / 222 

11.5.3 元素與網絡 / 223 

11.6 智能 / 225 

11.6.1 人類和果蠅有什麽差別 / 225 

11.6.2 人類和黑猩猩有什麽差別 / 225 

11.6.3 人和機器有什麽差別 / 226 

11.6.4 結合人工智能的競爭策略 / 226