在图书馆的胡思乱想

第二章实战篇有挺多收获的， 有不少实践上很有意思的案例。 不过整本书名起的比较大，前面几章偏理论的也不算新颖。

大家做分析的思路都大差不差，比如异常分析时，都会先分析异常指标是否为虚假的变动，都会基于先验知识做分析思路的总结，维度拆分，漏斗分析，有时也会基于单个CASE做感性认知。

不同的是”具体问题具体分析“，业务背景差异太大，先验知识不够，限于细节无法前进（比如异常分析时，要取什么哪一段日期作为对照？要取什么粒度的日期数据？某一个指标要不要限制某个条件？会不会带来数据的差异导致结论偏了？）。当你构建好思路，发现这东西过于基础，不分析业务也能猜个七七八八。总不至于给业务这样一个结论：指标下降主要是由活跃用户的娱乐垂类消费下降带来的。谁都知道活跃用户占比高，品类里娱乐是第一大类，大盘下降只能是占比高的带动。问题是业务说我没做啥啊，指标变动总归会有一个环境在变化带来的，比如业务动作，外部事件。 咋把最终的结论和业务做了啥挂上钩呢？

有一章讲系统性危机，某一指标缓慢的下降。要分析要找原因要找可能业务优化，先不说指标下降的起始点都不好确定，就算明确了，你说是用户质量差了，怎么就差了？有拉新活动还可以甩锅，甩到一半，别人还可能要求你量化一下拉新的影响量级，这算起来糊涂账。

看看别人完整的案例，回想下自己做过的，也算是一种复盘。这本书的价值就在这里吧。其他新知识新内容，也不算多，越发觉得自己其实也不差，啊哈哈，毕竟做了好几年了，该经历的都经历了。