根据现有产品数据，如何做一次数据分析呢？
需求分析师是否适合做数据分析？这是我最近在想的问题。 需求分析是基于业务场景的商业化分析，不是技术分析，但需求分析的过程包含了数据分析。用数据驱动产品开发，即从数据中找到产品运营的不足，从而驱动产品开发，这是可能的。
数据驱动决策的10种思维
很多人都说会数据分析的人比别人聪明，实际上他们“聪明”在拥有分析思维，今天我们就来说说常见的数据分析思维。
如何做好数据可视化？
数据可视化是指以图形的方式展示数据，帮助用户能够更快地识别模式；交互式可视化能够让决策者深入了解细节层次，展示方式的改变使得用户可以查看分析背后的事实。
微信公众号背后有怎样的数据支撑
－DataHunter,让你爱（AI）上看数据 据可靠数据显示，最近一季度，微信日活趋近10亿、今日头条日活突破2.4亿、抖音日活也已经突破2亿，于是很多传统企业也开始或正在各大平台注册账号、发布内容以不断争夺品牌露出的机会。
如何做好数据异常分析？
对于用户端产品经理来说，监控处理日常的用户端数据是必不可少的工作之一，转化数据、用户数据、交易数据等等，都应该是列入日常监控的数据指标。
一款 NB 的数据分析产品，需要具备哪些功能？
业务人员难做数据分析？那一定是没遇到合适的工具和产品！ DataHunter 的数据可视化分析系统，推出七大功能为您解忧！ 友情提示：干货较多，全文阅读大概需要8分钟~ 非(tou)战(lan)斗人员请直接转向精简版！
数据指标的构件流程与逻辑
我们每天都在说数据指标，那么数据指标到底有什么用?构建数据指标的目的是什么?如何得到自己需要的数据指标?本篇为从0开始搭建自己的数据运营指标体系的第4篇，本篇将从数据指标的本质出发谈谈数据指标的构建流程与逻辑。
数据分析师需具备的10种分析思维
一、逻辑思维 逻辑思维即明白价值链，明白各项数据中的关系; 该方法的关键在于明白其中的关系要求你对这项工作要了解、熟悉，要细致和慎密，要清楚充分性和必要性的关系。 实际上也就是指：你需要那些数据?如何获得这些数据?数据之间的关系如何?
快速上手数据分析的方法论
数据是一种连接。它连接4个最基本的象限，时间，地点，任务，事件。我们为什么要说数据会是下一次技术革命浪潮的最重要的指针?大家来看一下，根据美国几家顶级研究机构的报告，(Gartner，IDC等等)，在未来的5年，我们会有40亿人通过互联网产生各种数据，将成就一个4万亿美元的市场，将有两千五百万种软件接入，250亿台各种各样的设备接入各种数据系统，五百万亿GB的数据产生。
商业智能BI四大趋势展望：融合 迁移云 开源 SaaS
受经济危机的影响，BI(商业智能)市场增速放缓。不过在云计算、数据管理的融合趋势，以及开源浪潮的影响之下，BI开始释放出崭新的活力与激情。未来十年，变革与创新有望缔造一个全新的BI世界。
关于数据可视化思考者的8条军规
经常在网络上看到这样的问题：“从零开始学习「数据可视化」，需要怎么开始?”《DataatWork》一书的作者JorgeCamoes在一次演讲中，提出了“数据可视化思考者”这一概念，并分享了他的12个想法。我们从中选取了最具价值的8个，进行了编译。
数据可视化并不是数据分析
商业智能解决方案对于一些企业来说，可能是一个欺骗性的解决方案。许多企业声称商业智能软件解决方案实际上只能提供所需功能和效果的一半。