《数据运营：数据分析模型撬动新零售实战》读后感摘抄
《数据运营：数据分析模型撬动新零售实战》是一本由电子工业出版社著作，89出版的188图书，本书定价：平装，页数：2022-3，特精心收集的读后感，希望对大家能有帮助。
《数据运营：数据分析模型撬动新零售实战》读后感(一)：写给专业非专业数据运营分析人员的书
最近看了叶老师这本《数据运营：数据分析模型撬动新零售实战》一书，大概花了一周时间阅读完整本书。这本书主要介绍了一些基本的数据分析方法，及一些常用的数据分析模型，个人感觉是比较适合于零售业的业务、运营、1-3年的初级数据分析师去了解一些数据分析模型及其应用场景。
通俗易懂的业务语言描述模型
本书首先在第1章主要介绍了一些常用的数据分析方法，如：趋势分析，对比分析等，通过一些基础的方法介绍，引入数据分析模型。后面的2-12章主要介绍了12个常用的分析模型，基本是一章一个模型，每个模型从产生的北京来源出发，对各个模型进行基本的介绍，然后通过1-2个实例，来说明模型的实际应用场景，最后会介绍通过相关软件如何去实现。本书在模型的介绍钟，并没有与其他专业的模型书籍一样，加入很多枯燥的定理公式推导，而是想通过通俗易懂的语言来介绍模型的来源，应用场景等，从而让非数据分析专业的读者能够明白每个模型是什么，怎么用。如果对该模型想要有更深入的了解，建议配合相关更专业书籍，或者网上查找相关资料进行补充学习。
新的思考
《数据运营：数据分析模型撬动新零售实战》读后感(二)：驱动业务的数据分析从理论到实战
驱动业务的数据分析从理论到实战
看了3月出版的新书《数据运营：数据分析模型撬动新零售实践》，作者总结了日常数据分析过程中遇到的常见问题及对应处理方法，选择对应的分析模型，同时对不同数据分析模型的原理，适用场景、结合案例说明及最后小结的逻辑进行讲解，呕心思考复盘的沉淀，可以让读者可以轻松入门这些模型，并直接应用到工作实践中。
这本书从低阶到高阶都有所涉及，不管是基础分析方法，趋势分析、对比分析、分布分析、组成分析、关系分析等还是降本增效的帕累托分析法，SWOT分析、RFM分析模型如何实现、杜邦分析模型实现等等，在这本书中由浅入深，层层递进，结合案例，图文并茂，看起来非常清晰。我们都知道数据分析包括：目标，核心，细化分析目标，提取处理数据，数据分析总结。数据分析师作为业务和技术之间沟通转化的桥梁，不仅需要将业务量化，具备有成熟的分析思路，进一步搭建对应指标体系，推动研发侧实现，辅助业务侧日常监控各项指标是否异常，异常情况可快速定位问题点或机遇，反馈给业务侧，辅助快速决策，并跟进落地效果，形成闭环。
当前市场上大部分的书籍都是偏向于工具，虽然工欲善其事必先利其器，但作为数据分析师来说，不能只学习工具，还需要思考工具应该怎么用；并不是特厉害的高级的工具就显得更厉害，而是在遇到问题的时候，在不同的工具中能快速找到最合适的，快速定位并解决问题，这就是本书可以提供的。这本书中包括12个数据模型在零售多元化业务场景中如何支持决策，实现业务赋能。可以反复阅读，结合日常工作场景，可能一个工作场景在不同阶段会用到不同的工具，甚至同一阶段也会有多种工具可以适配，这就需要选择最优的。
从工作角度考虑，我们必须对工具的用法必须烂熟于心，将其变为自己的方法论，而不是记住每一个模型的适配。就像古代的药方一样，现代中医不能只记住那个药方，需要思考为什么要用这几位药，背后的底层逻辑是什么：为何是这几种？每一种药的功效分别是什么，不同组合的功效又是什么，分别有哪些替代品？达到旧病新治、遇到有病情，可以有新药方。
总体来说，这本书比较适合相关工作者，以及对数据分析、数据运营感兴趣的读者。
《数据运营：数据分析模型撬动新零售实战》读后感(三)：数据分析模型实战应用
最近在读叶秋萍的《数据运营：数据分析模型撬动新零售实践》，巧了，作者同时也是曾经读过一本书的作者之一，书名为《数据实践之美》。读完这本书之后，收获挺多。由于工作的原因，之前对每种数据分析方法论和模型都存在一定的认知，但是没有整体的归纳和总结。读完本书之后，对于传统的数据分析模型和方法论有一个较为整体的认知和复盘。
本书讲述了大量关于将数据价值化的模型，并将其运用于实践。包括传统的数据分析方法论，如：趋势分析、对比分析和关系分析等；也包含了传统的数据分析模型，如购物篮分析、帕累托分析和RFM分析等；同时也包含了较为新兴的数据分析模型，如：AIPL模型、FAST模型和GROW模型。
本书不仅讲述了数据分析模型的基本理论，还讲述了各种数据分析方法论和模型用什么样的工具怎么去实现。最后还用一定的实际案例还原整个基本理论和工具操作过程，让读者更加容易读懂，并强化深刻记忆。在读的过程中我也将其中的一些方法论和模型运用到了实际工作中，取得了一定的效果。如：将游戏中的用户用RFM模型进行分类之后的精细化运营和针对性的精准推送。
对完此书之后我自己也对自己的数据分析知识和经验进行了一次比较全面的复盘。最后得出了2个结论。一是：工具是其次的，数据分析方法论化和数据分析思维化才是最重要的。在任何数据分析过程中会100种工具操作方法，而不懂特定的数据分析方法论和思维那都是徒劳，因此对于方法论和思维的积累才是需要定期总结和归纳的。因此，借此机会也劝告那些一味追求学习工具操作而忽略方法论和思维总结的朋友们，工具是其实，方法论和思维才是王道。二是：不管是何种数据分析模型还是数据分析方法论，在运用过程中都要形成闭环，没有闭环的数据分析都是耍流氓，就好比你用大量的时间和金钱建造了一辆公交车出来，但是你不投入使用，就算你投入使用，又不去评估其效果和价值一样。 因此，在我看来数据分析更难的是怎么去形成闭环，下面是我结合本书和自己的复盘总结出来的闭环。闭环：分析目的（原因）→针对性的方法论和模型→数据处理和分析→得出关键行结论→讨论关键性结论→针对性解决方案→评估方案的有效性→实施方案→评估方案效果→复盘整个过程带来的价值→螺旋上升的良性循环→年度总价给公司带来的各种价值→是否可复制其他项目→完结。
在以上的闭环中我们再来复盘都运用到了那些知识体系： 数据分析方法论和模型体系：需要理论知识和长时间的积累和归纳。 数据处理和分析：数据库工具和数据分析工具以及可视化的知识体系。 关键性结论的得出：本业务的知识体系和提炼关键结论的知识体系。 讨论和方案的整理：口才知识体系和方案整理知识体系。 方案的实施：推送和沟通能力。 评估效果和价值复盘：财务相关知识体系。 复制：举一反三的知识体系。
《数据运营：数据分析模型撬动新零售实战》读后感(四)：数据运营入门之路
by 小小宇宙神
清明假期，因为要转入新的岗位，因此趁着假期学习了《数据运营 数据分析模型撬动新零售实战》一书。这本书主要以“零售业”作为行业案例，介绍了12个难易程度不一的经典数据分析模型在零售企业的应用实践，通过不同的业务场景案例，在数据分析如何落地上做了详细的说明，比如如何选择和运用分析模型、如何解读数据结果、制定何种策略等。
NO.1适用于初级入门的数据分析师，内容总括、模型经典，新手可以看此书对数据分析模型略知一二。另外采用叙事性写法讲述案例，让本该枯燥乏味的案例变得通俗易懂。对新手很友好。
NO.2对数据分析的定位。我非常喜欢这位作者对待数据分析工作的态度，就像文中所提及的——技术不是第一位，业务思维及数据落地应用才是首要的，同时也是最难易突破的。这一观点与我师父的观点不谋而合，在我入职数据分析师第一天，师父说，作为一名数据分析师，最重要的是思维，是要服务于业务的，是要真正落地的，否则就是窗户纸，一捅就破，没有任何价值。
这本书主要分成基础、进阶、高阶三大部分，分别介绍了购物篮分析、帕累托分析、象限分析、SWOT分析、RFM分析、杜邦分析、聚类分析等经典数据分析模型。整本书读下来，SWOT和用户分类分析两大分析方法的运用让我深受启发。
SWOT分析相信很多人都对之非常熟悉。但是运用这个模型通常是为了粗略解决方向上如何决策问题（定性），只是将所有因素按四象限分类，而后做出一个主观的结论，所以更偏向于一个思维模型。不同的是，这本书将SWOT和数据分析相结合，每个因素的选取是根据一定数据统计/分析后得出的结果（而非脑中随意想出的主观结论），即这个模型仍然要经历四步科学分析，业务问题拆解——>选取分析指标——>收集必要数据，分析数据——>SWOT分析，这样做出来的SWOT分析是客观、科学的。
另外是关于用户分类的方法。此书中在基础、进阶篇中均提到了用户分类的模型，总结下来有帕累托分析、RFM分析、聚类分析，方法上逐渐复杂，分类更加精细。
从帕累托的二八定律，通常可以找出最有价值的20%用户（当然，这个数值可能不一定会刚刚好等于20%），这种分类方法可以帮助决策者快速找到管理或优化方向，但是这种分类比较粗放，因此有了RFM模型。
RFM模型是从消费时间、消费金额、消费频次三大维度对用户价值进行分类，对于CRM管理和营销策略制定有“奇效”，但是RFM模型的使用，需要结合业务实际场景选择不同的指标，也可能会使用一定统计方法对数据做数据转换，因此切不可照搬模型。
RFM模型指标只有3个，当业务场景中涉及到较多指标时，这个模型便不再受用了，因此聚类分析便是更优的一种用户分类模型。聚类分析方法有很多种，有快速均值聚类、系统聚类、二阶聚类等，聚类后需要对每一组进行方差均值检验，因此这种方法的科学性更高。
此书中大部分模型都非常基础，对案例讲解部分也只是对业务思路进行了简单点拨，并不完整，略有浅尝辄止之感。所以对于数据大佬或者资深人群，此书并不推荐。
另外，对于非零售行业的工作者来说，因为对于行业缺乏足够了解，有些业务场景无法深入理解，对于这部分人群，则阅读上并不十分友好（代入感不强）。