在广告投放时，从广告的受众群数量大小、渠道数量、成本和效果回收情况，想办法去拆解出各种影响因素、预期效果、投入成本等信息。
在优化产品时，梳理其商业模式、面对的用户群体、群体的使用场景，以及可能设置的付费点并去验证，同时想到可改进的价值点，并观察后续运营动作是否验证了改进点。
在整理回访数据时，通过线索来源，通话总次数，通话有效次数&时长，线索意向级别，销售司龄等数据维度来判断这组客户的意向度，来缩短成单周期。

当看到为什么滴滴打车你的价格高？就会观察并思考可能是你周围叫车用户多而司机少，也可能”其他原因”。
当看到为什么微信订阅号文章改版后，有了点赞，还要增加在看？会观察并思考微信想加深用户粘性，让你看到更多朋友的世界，也让微信文章得到更多曝光。
当看到为什么每个超市都鼓励办会员卡后，就会观察并思考可能是因为要留住你，增加你选择去他们消费的机会，减少去竞争对手消费的机会。

1. 数据这个行业
2. 数据分析的商业应用
3. 数据分析思维
4. 数据分析常用方法
5. 实务中的数据分析师
6. 案例1：2017年的云总结
7. 案例2：你知道Wolfram Alpha吗
8. 案例3：常见商业场景：战略制定、客户理解、营销活动

1. 数据化指标体系概述
2. 获客类指标
3. 营销类指标
4. 预警类指标
5. 产品类指标
6. 运营指标体系设计（Excel示例）
7. 案例1：客户流失潜伏期识别
8. 案例2：客户覆盖率及产品线竞争力分析
9. 案例3：产品上下架业务影响预测

1. 描述性统计分析概述
2. 概率与频数
3. 数据的度量
4. 概率的分布
5. 相关性分析
6. 统计报表可视化
7. 案例1：简历投递成功率概率分布分析
8. 案例2：月度收益率与通货膨胀率相关分析
9. 案例3：产品输送客户能力面积图

1. 人类学习与机器学习
2. 模型和算法
3. 数据挖掘问题分类
4. 数据挖掘任务确定
5. 数据挖掘流程
6. 综合案例
7. 案例1：电商运营分析
8. 案例2：电商行为分析
9. 案例3：电商竞品分析