大数据在全球范围内的IT就业市场占有越来越重要的影响。根据Gartner公司提供的数据，截至到2015年将有440万的IT工作来支持大数据，仅美国就会有190万的IT工作产生。看看我们列出的排名前20位的大数据职位及其职责列表。

首席数据官Chief DataOfficer

职责：

a. 与行政人员，数据所有者和数据管理员共同为内部和外部的客户创建数据管理策略并且实现数据的准确性和制定工作流程的需求目标。

b. 引导EIM程序，业务数据管理员和数据服务供应商提供数据管理活动。

c. 建立数据政策，标准，组织并且督促EIM概念的组织成立。

d. 监督组织内的数据质量工作的监管，并且为不能被数据治理委员会解决的数据管理问题提供几种治理。

e. 建立数据供应商管理策略，并通过CIO/CTO和IT组织的协调来监督完善EIM项目。

f. 领导创建程序的业务定义，数据管理目标和EIM计划执行的原则。

g.负责企业的信息/数据管理预算和数据相关的系统活动。

数据分析师Data analyst

职责：

a. 协调客户和员工之间的关系，提供所有的数据分析和支持。

b. 对所有结果进行数据分析，并为客户准备演讲。

c. 对数据进行审核并且为客户解决业务相关的问题。

d. 与工程和产品管理团队进行协调，并确定所有交接的准确性，并准备好总结。

e. 进行数据分析并且传递给终端客户。

f. 监督所有的客户问题，并为经理和主管的协调和交接提供帮助。

g. 监督和管理所有和客户发票并且对所有的支付问题进行及时的评价。

h. 管理客户发票的所有数据，并提供公司的指标。

i. 监督并解决所有客户的发票数据问题，并和各供应商协调和管理所有以前的平衡合作关系。

j. 管理所有的数据消耗异常状态，确定数据的漏洞后准备相应的决议。

k. 监督流程管理工具，并确保遵守所有周期的指导方针。

l. 维护和管理发票文档库，并解决所有问题。

m. 执行内部设计和准备所有的发票，并确定更进流程的质量。

大数据观察员Big DataVisualizer

职责：

a.通过可视化软件给商务提供价值增值分析来指导分析和借鉴分析带来的影响，综合成清晰的沟通。

b.理解数据如何在不同的系统中运作来提供有关要求来确定正确的数据输入组织报告/分析。

c.与数据质量团队之间紧密合作，以确保数据的完整性。

d.发展业务需求为报告流程去推动功能规范化。

e.在业务和跨职能团队的合作下，完整地记录报告流程和系统。

f.收购，管理和文档的数据（包括地理空间数据）。

g.与客户/客户服务团一起进行工作计划，并进行数据分析。

h.参与提案撰写，客户交付成果和研究论文。

i.对数据、GIS数据分析创建可视化从而列入建议书，报告，论文和多媒体项目数据。

大数据解决方案架构师Big DataSolutions Architect

职责：

a.对Hadoop解决方案的整个生命周期进行引导，包括需求分析，平台选择，技术架构设计，应用设计和开发，测试和部署。

b.在一个团队中，设计并卡发开创性大规模集群的数据处理系统提供了技术和管理的领导。

c.帮助Xtremeinsights客户指定战略，最大限度地发挥数据的价值。

d.帮助Xtremeinsights在大数据空间通过促进白皮书，技术评论对社区建立思想领导。

大数据工程师Big DataEngineer

职责：

a.收集和处理大规模的原始数据（包括脚本编写，网页获取，调用APIs，编写SQL查询等）。

b.和我们的工程团队密切合作，并以惊人的创新和算法与我们的生产系统相结合。

c.将非结构化数据处理成适合分析的一种形式，然后进行分析。

d.根据所需要的和专案分析商业决策。

大数据研究员Big DataResearcher

职责：

a.从多种关系数据库中提取数据，操作，使用定量，统计和可视化工具研究数据。

b.告知适当的建模技术的选择，以确保使用严格的统计过程的测试模型进行开发。

c.建立和维持有效的流程来验证并更新预测模型。

d.分析，建模，预测卫生服务的利用模式/趋势和创造能力来为医疗保健服务模式模拟假设的情景。

e.与内部业务，分析和数据战略合作伙伴共同合作，从而提高效率，为核心的软件产品增加预测模型的适用性

f.帮助管理分析的创新性，形成的见解，主张整合新概念到现有的客户端工具中，帮助翻译即席分析到可扩展的软件解决方案。

数据仓库管理员Data warehousemanager

职责：

a指定并实施信息管理策略。

b.协调和管理的信息管理解决方案

c.多个项目的范围，计划和优先顺序安排

d.管理仓库的各个方面，比如数据外包，移动，质量，设计和实施。

数据架构师Data architect

职责：

a.通过采用最佳实践和工具，包括SOL,SSIS,SSRS和OLAP来设计数据库，数据模型，ETL过程，数据仓库应用和商业智能（BI）报告。

b.根据现有的标准和准则来提供高品质（DA）的相关结果，包括ETL过程，数据仓库设计和数据系统的改进。

c.通过提供对数据仓库的方法和途径的建议解决程序（DA）的相关问题与业务分析师和技术团队。

d.分析（DA），相关业务需要，可与项目工作人员对（DA）的发展未来做出决定和建议。

数据库管理员Database manager

职责：

a.提高数据库工具和服务的有效性

b.确保所有的数据符合法律规定

c.确保信息得到保护和备份

d.与工作团队做定期报告

e.监控数据库性能

f.改善使用的技术

g.建立新的数据库

h.检测数据录入程序

i.故障排除

商业智能分析员Businessintelligence analyst

职责：

a.就工具，报告或者元数据增强来进行传播信息。

b.进行或协调测试，以确保情报的定义与需求相一致。

c.使用商业智能工具来识别或监测现有和潜在的客户。

d.综合目前的商业只能和趋势数据，来支持采取行动的建议。

e.维护或更新的商业智能工具，数据库，仪表板，系统或方法。

f.及时的管理用户流量的商业情报。

数据仓库分析员Data warehouseanalyst

职责：

a.了解企业用户的需求信息，并将其传送到数据仓库团队的其他成员。

b.指导并实施面试任务。

c.指导并收集采访资料。

d.协助DW数据分析师分析现有的报告并确定整合指标。

e.指导数据库需求文件的准备。

f.协助数据分析师测绘任务。

g.分析现有的报告。

h.引导业务指标的鉴定和文献。

i.在合适的资源系统专家的指导下确定系统的记录。

j.帮助识别潜在的数据来源，数据库。

k.负责数据采集过程的试验和实施。

l.担任ETL和前端程序员的顾问。

数据建模师Data modeler

职责：

a.为标准命名约定和编码实践指定最佳的训练方案，以确保数据模型的一致性。

b.推荐在新环境中的数据模型的重复使用机会。

c.对数据库和SQL脚本执行的物理数据模型进行逆向工程。

d.评估数据模型和物理数据库的差异和矛盾。

e.验证业务数据对象的准确性和完整性。

f.分析数据相关的系统的挑战，并提出相应的解决方案。

g.根据公司标准制定标准的数据模型。

h.对系统分析员，工程师，程序员和其他人在项目的限制和能力，性能要求和接口进行指导。

i.审查修改现有软件，以提高效率和性能。

数据库开发员Databasedeveloper

职责：

a.设计，开发和实施基于客户需求的数据库系统。

b.优化数据库系统的性能效率。

c.准备设计规范和功能单证的分配数据库的项目。

d.对数据库系统进行空间管理和容量规划。

e.建立数据库表和字典。

f.参与数据库设计和架构，以支持应用程序开发项目。

g.执行数据备份和档案上定期。

h.测试数据库，并进行错误修正。

i.及时解决数据库相关的问题。

j.制定安全程序，以保护数据库免受未经授权的使用。

k.评估现有的数据库，并提出改进建议的执行效率。

l.开发用于数据库设计和开发活动的最佳实践。

门户网站管理员Portaladministrator

职责：

a.制定所有门户网站的布局和维护网站的所有功能。

b.监督所有页面内容，并提供给所有工作人员和外部组织的帮助。

c.整合新的技术体系为门户和网络管理员的协调工作。

d.维持对所有门户项目的现状，并协助解决新的和现有渠道的所有问题和自动化的所有进程。

e.在所有配置进行测试和升级过程中，实现所有的目标，并保持对所有门户环境的新技术维护。

f.确定网站的所有长期目标，并根据指引，建议改进所有内容。

g.保持高效的门户网站的文档系统，并协助安装所有Web中心互动系统。

h.分析所有系统的升级和应用程序，并确保遵守所有计划要求，设计了新的门户网站所有的解决方案，并协助解决所有的生产问题。

i.监测和分析所有门户网站的系统指标，并保持最佳性能。

j.与管理人员和社区成员协调落实各项业务活动，并确定所有的web服务器配置。

k.管理和配置所有的门户应用程序。

l.保留所有门户网站的市场和不断变化的行业知识。

m.对全业务运营提供支持，并确保所有的利润优化。

数据库管理员Databaseadministrator

职责：

a.选择合适的软件和硬件

b.管理数据安全和隐私

c.管理数据完整性

d.数据备份

e.数据库恢复

f.优化数据库性能

g.提高查询处理性能

首席数据分析师Chief DataAnalyst

职责：

a.为一部分的基础整体研究程序员开发新的分析项目

b.团队的其他成员来提供技术投入研究项目的发展。

c.为分析员提供大型调查的收集，编制和分析。

d.在适当的时候使用Excel，SPSS或者STATA和先进的技术进行统计分析。

e.对政策专家，相关的投资方和学者进行基础的增长。

业务系统分析员Business SystemAnalyst

职责：

a.确定通过研究业务职能业务目；收集信息；评估输出要求和格式。

b.设计通过分析要求的新的计算机程序；构建工作流程图和示意图；研究系统的能力；书写规范。

c.提高通过研究当下实践系统进行设计修改。

d.通过识别问题来对控制提出建议，提高写作流程。

e.通过定义项目里程碑，阶段和要素来形成项目团队，建立项目预算。

数据挖掘分析师Data mininganalyst

职责：

a.对优先考虑的账户进行统计分析，从而最大限度的成功化。

b.与主管或客户端沟通行动计划，并找出需要改进的地方。

c.执行战略数据分析和研究，以支持业务需求。

d.找准机会从而通过复杂的统计建模提高生产率。

e.浏览数据来认准机会并提高业务成效。

f.指定业务流程，目标和战略的理解，以提供分析和解释。

g.通过内部讨论的理解，在适当情况下获得业务需求和必要的分析。

数据策略师Data strategist

职责：

a.定义大数据战略，包括设计多阶段实施路线图。

b.独立工作，或作为一个团队的一部分，设计和开发的大数据解决方案。

c.异构数据的数据错误，探索和发现新的见解。

d.知道分析，架构，设计以及数据仓库和商业只能解决方案的发展。

c.指导年轻的团队成员。

f.协助业务开发团队提供售前活动和招标书。

g.帮助评估和计划项目。

业务数据分析师Business DataAnalyst

职责：

a.与关键投资者的业务分析师和高级管理人员紧密合作，了解他们的经营策略和问题，确定研究需求，帮助设计实验，并根据结果提出建议。

b.通过客户细分，从多个来源的定量和定性派生的发展和应用进行影响的决定。

c.调整利益相关者和分析师对如何使用研究和分析的想法，以支持业务计划和战略的优先试图（分析路线图）。

d.传动复杂的分析项目，需要分析或利益相关者从开始到结束之间的多团队协作。

e.有效地管理多个在建设的项目，确保目标和时间获得满足。确定在短期和长期间的权衡和平衡所有投资者的需求。

f.领导和参与业务讨论，提供意见，需要的时候进行一些变革。

g.关键指标与解释器的讨论，推测并提出行动。

h.与业务伙伴的投资者在制定和优先的业务问题上考虑短期和长期的潜在影响，解释结果，量化的机遇，并提出了一个观点合作数据的专家来执行分析操作。

i.在企业领导的重视下积极主动地带来新的商机。

j.知道分析师和股东对事物的知识和流程上，确保它们是可重复的，可持续的和可扩展的。

k.在所有阶段上与多个项目组合作。

拓展阅读

最新报告：2018年薪资最高的15个技术岗位

大数据告诉你，2017最适合女性上班的公司是这20家

不论你任职哪一份岗位，甚至不论你是否处在大数据行业，都离不开数据，都必须具备良好的逻辑思维能力。要想区别于其他人，首先学会识别各种数据谎言，进而提升你的思维能力！

正好，本周四有一场这样的分享会，认真听，一定获益匪浅。

虽然，很多公司都在喊抓质量，质量第一，但公司的质量工作者却对常用的质量工具都不熟悉，有的甚至都没有听说过，下面，就为大家分享一下质量管理中的一些常用方法都有哪些。

1、因果图

所谓因果图，主要用于分析品质特性与影响品质特性的可能原因之间的因果关系，通过把握现状、分析原因、寻找措施来促进问题的解决，是一种用于分析品质特性（结果）与可能影响特性的因素（原因）的一种工具。又称为特性要因图或鱼骨图。

它是一种依据问题逐渐由大到小逐级分析原因的一种方法，原因解析愈细愈好，愈细则更能找出关键原因或解决问题的方法，往往最终采取的措施都是根据末端的小原因来的，因为那更能体现问题是怎么发生的。

2、检查表

在品质改善活动中，为了便于收集数据与解析判断，而设计的一种表格，换句话说，检查表就是将需要检查的内容或项目一一列出，然后定期或不定期的逐项检查，并将问题点记录下来的方法。

3、柏拉图

柏拉图的使用要以层别法为前提，将层别法已确定的项目从大到小进行排列，再加上累积值的图形。它可以帮助我们找出关键的问题，抓住重要的少数及有用的多数，适用于记数值统计，有人称为ABC图，又因为柏拉图的排序识从大到小，故又称为排列图。

柏拉图有助于人们掌握问题点，虽然分类很多，但实际上影响较大的只不过那么几项而已，因此很容易找出问题出在哪里。另外，柏拉图还能确认改善效果，把改善前与改善后的柏拉图排列在一起，可以很明显的看出效果如何。

4、直方图

直方图是针对某产品或过程的特性值，利用常态分布（也叫正态分布）的原理，把50个以上的数据进行分组，并算出每组出现的次数，再用类似的直方图形描绘在横轴上。

通过直方图可以较容易了解数据的分布状况：中心趋势、离散趋势、分布形态等。通过这些信息，了解制成的安定与异常。

5、层别法

发生品质变异的原因很多，有时很单纯，有时很复杂，但影响其品质的要因不外乎是原料、机器设备、操作人员及操作方法，要找出原因出自何处，就有分开观察而收集数据的必要。如果能找出何种原料，哪一台机器或哪一位操作员有问题后再加以改善，而杜绝不良品的发生。这种以分层别类的收集数据，以找出其间差异方法，称之为层别法。

层别法在某种程度上提高了人们分析问题的效率。

6、散布图

在分析独立数据时，用直方图、柏拉图就可找出改善的着眼点，但如要分析两个变量X、Y之间的相关性时，就需使用散布图，将X与Y的两组数据绘在方格纸上，可看出X、Y之间相关情形的图称为散布图。

如：钢的粹火温度和硬度、油的温度与粘度、镙钉的转距和抗张力、玻璃中含铅量与抗辐射。

7、控制图

影响产品质量的因素很多，有静态因素也有动态因素，有没有一种方法能够即时监控产品的生产过程、及时发现质量隐患，以便改善生产过程，减少废品和次品的产产出？控制图法就是这样一种以预防为主的质量控制方法，它利用现场收集到的质量特征值，绘制成控制图，通过观察图形来判断产品的生产过程的质量状况。控制图可以提供很多有用的信息，是质量管理的重要方法之一。

控制图又叫管理图，它是一种带控制界限的质量管理图表。运用控制图的目的之一就是，通过观察控制图上产品质量特性值的分布状况，分析和判断生产过程是否发生了异常，一旦发现异常就要及时采取必要的措施加以消除，使生产过程恢复稳定状态。也可以应用控制图来使生产过程达到统计控制的状态。产品质量特性值的分布是一种统计分布．因此，绘制控制图需要应用概率论的相关理论和知识。

控制图是对生产过程质量的一种记录图形，图上有中心线和上下控制限，并有反映按时间顺序抽取的各样本统计量的数值点。中心线是所控制的统计量的平均值，上下控制界限与中心线相距数倍标准差。多数的制造业应用三倍标准差控制界限，如果有充分的证据也可以使用其它控制界限。

常用的控制图有计量值和记数值两大类，它们分别适用于不同的生产过程；每类又可细分为具体的控制图，如计量值控制图可具体分为均值——极差控制图、单值一移动极差控制图等。

1.矩阵数据分析法介绍

矩阵图上各元素间的关系如果能用数据定量化表示，就能更准确地整理和分析结果。这种可以用数据表示的矩阵图法，叫做矩阵数据分析法。在QC新七种工具中，数据矩阵分析法是唯一种利用数据分析问题的方法，但其结果仍要以图形表示。

数据矩阵分析法的主要方法为主成分分析法（Principal component analysis），利用此法可从原始数据获得许多有益的情报。主成分分析法是一种将多个变量化为少数综合变量的一种多元统计方法。

新QC七大手法中唯一采用数据解析的方法就是「矩陣数据分析法」，这个方法是将已知的資料，经过整理、计算、判断与解析后，利用电脑进行多变量分析，适用于复杂多变且需要解析的案例，是一种在品质管理专业领域中比较复杂的方法。使用的概率不高，只要概略熟悉即可。

数据矩阵分析法的用途

l 分析含有复杂因素的工序； l 从大量数据中分析不良品的原因；

l 从市场调查的数据中把握要求质量，进行产品市场定位分析；

l 感官特性的分类系统化；

l 复杂的质量评价；

l 对应曲线的数据分析

在魂斗罗归来中，一个好品质的装备是可以增加指挥官们很多战斗力的。那么魂斗罗归来装备品质好坏怎么看?接下来就跟小编一起来看看吧!

阅读推荐：魂斗罗归来装备进阶分析 装备实战详解

装备数值有三个评分点

装备好不好，有三个评分点。分别是评级，品质，装备等级。其中品质指的是装备本身的品质，在附加属性旁边显示;等级指的是装备的等级，这是属性中相当重要的一环，包括升级上限也和它有关;评级指的是装备的基本评定等级，也就是所谓的“绿色，蓝色，紫色，橙色品质” ，这是决定装备战斗力的几个指标。

小编提示

总的来看，三个指标看似决定战斗力的比重不同，但这三个地方都是十分重要的，都和升级，提升战斗力有很大的关系。

评级和等级决定潜力，品质决定战斗力

品质是决定战斗力的最大因素，等级也有一定的指标。例如不同评级和等级的装备，极品的60级紫色装备一定比上品的50级橙色装备战斗力强。所以不要一味只求高评级，要看综合战斗力，装备升级是可以被继承的。

但是评级和等级也很重要，它们会决定一个装备的潜力。装备升级是有门槛的，例如50级需要最少50级紫色品质装备才能突破50级的界限继续升级，所以这一指标也是很重要的，不要忽视了。

举个例子，A评级的护腿比B评级的护腿能提供更多的基础属性，包括75点防御和135点属性，但是实际的火力值就不一定了，极品的B评级比上品的A评级更有战斗力。但是想要突破45级的限制，就必须要有紫色评级装备，换句话说就是，除了橙色装备之外，其他装备都有强化等级限制。

不要急着抛弃低战力装备，有的时候可以留一些，为以后的升级做准备。毕竟等级和评级是决定潜力的两个指标，而不是战斗力决定潜力。

装备评级的秘密

评级是决定潜力的，所以它可以探究的东西还有很多。

评级越向上，初始战斗力差距越小。例如，60级极品的紫色装备强过50级上品的橙色装备，但是70级极品的蓝色装备就强不过60级上品的紫色装备。

举个例子，60级极品TF极地熊战服比70级上品雷鸣战服提升属性要高75点防御，135点生命值。

评级越高，升级后战斗力增幅越大，也就是潜力越来越大。

装备的秘密就是这样了，只要掌握了装备的秘密，就可以很好的最大化应用自己的装备，帮自己提升战斗力。

以上就是小编为大家带来的魂斗罗归来装备品质好坏怎么看的全部内容了，了解更多魂斗罗归来资讯，敬请关注小皮手游网!

不知不觉已经第十次分享了，一开始原计划是每周更新一次的，后来很多的网友都在催我快点更新，所以基本上一周都会更新好几次了，基本上每天晚上十点的时候我开始思考写，一般到十二点左右的时候完成，今天晚上事情稍微少点，就早点写吧，写文章有时候思路会短路，有时候会发现写一半就没办法再写下去了，或者写了之后感觉太差又删除，因为时间紧迫关系，里面难免会出现一些错误的，所以大家在看文章的时候要保留自己的观点，如果有疑问的，可以评论留言，大家一起探讨，如果有时间的话我也会回答大家。

这一次分享我们来和大家谈谈单品的服务数据分析。售后服务的分析在数据分析中也是非常重要的一个块，这是很多人忽略的，我发现大部分的商家在做数据分析的时候，把所有焦点都聚焦在流量上面，其他方面基本上就不管，实际上，做好一个店铺，特别是持续做好一个店铺，单纯靠哪一方面是不行的，他需要的是综合能力。而售后服务数据分析对于我们在店铺的服务，品质的监控方面他是起到了非常大的作用的。

通过单品的服务数据你可以知道哪个单品买家满意度最高？最满意的又是哪一方面？哪个单品买家的满意度最差？人家不满意的是什么地方？然后还可以知道买家对这个单品的评价如何？对颜色的喜爱度如何？

生意参谋-商品-单品服务分析，这这里你可以搜索每一个你想要看的商品的数据。

描述相符：这一评分是指最近180天内，买家给出的关于宝贝描述相符满意度的综合评分。所以从这个指标你可以直接看出你产品的品质情况，产品的品质问题是直接关系到这个指标的，而且你还可以看到同行平均值是多少，然后对比自己和同行的情况。

退款率：这个指标是指最近30天内，退款成功笔数/支付宝支付子订单数，退款包括售中和售后的仅退款和退货退款。这一个指标可以看到你自己的产品和行业的均值情况，一般这个是需要比行业均值低，如果你的产品高于行业均值的话，那你就要思考为什么产品的退货率这么高？你要让售后客服去了解为什么，是哪方面的问题？这个问题有没有解决的办法？我发现很多店铺的售后客服做的事就是简单的处理退款这些事，顶多加上一个改评价的服务，而实际上，一个售后客服更应该做的就是要去了解为什么会这样？当发生退款率高的时候，售后客服一定要主动的去打电话了解买家退货的原因。

品质退款率：近30天内，品质相关退款原因退款成功笔数/支付宝支付子订单数，退款包括售中和售后的仅退款和退货退款。这一个指标很重要，一方面也可以看到你产品的品质问题，比如我这个截图，我的品质退货率明显就比行业均值的要高。

品质退货率每一个行业都不同，比如女装，算在品质退货率里面的就有：材质和描述不符，做工问题，褪色/缩水，假冒品牌。

品质退货率一定要把控好，因为如果你的品质退货率高了，淘宝是会对你进行抽检的，要是抽检不合格，那你麻烦就大了，直接扣分，还会限制你的直通车等的推广。

因此，针对品质退货率的时候，一方面是要了解为什么，然后就是要杜绝这事发生，建议大家在包裹里面放上售后卡，引导买家进行七天无理由退换，而不是品质退货，因为有很多的买家他填写退货其实不是因为品质问题，而是他不懂。所以，你一定要做好引导的问题，另外那些真的品质问题的话，你要打电话和人家沟通，说好话，让他们尽量的申请七天无理由退货，或者不喜欢/效果差这一项退货，真的品质问题一般买家心里是比较火的，所以服务态度一定要好，在他们申请之前往往他会拍照给你看，这个时候你一定要语气好，然后告诉他申请七天无理由或者不喜欢/效果差这一项退货。

这里有一个点要注意：退款如果买家已经撤销，撤销时的退款原因是属于会计入品质退款数的原因则仍计入店铺品质退款笔数；品质退款笔数按照退款发起的笔数来算，比如一个子订单产生了多笔品质原因的退款，则都会计入品质退款。

纠纷退款率：纠纷退款率计算公式=近30天（售中+售后）判定为卖家责任且生效的退款笔数/支付宝成交笔数，天猫的纠纷判责会在退款完结（退款成功/关闭）3天后生效；支付宝成交笔数是按照子订单计算，只要买家付款成功订单就计入，不剔除退款订单笔数；

举例：A商家，1月1日-1月30日期间，成交了1000笔，小二介入退款中判定卖家责任的有1笔且已经生效；因此1月31日的纠纷退款率=1/1000=0.001；B商家，1月1日-1月30日期间，成交了1000笔，小二介入退款中判定卖家责任的3笔，但是其中只有2笔判责生效了，1笔是1月30日判责的但未生效（需要退款完结3天后生效，即2月2日生效）；因此1月31日的纠纷退款率=2/1000=0.002。

纠纷退款率这个是必须杜绝的，这个影响非常大，会影响自然搜索，店铺权重，活动报名等等，因此当发生会产生纠纷的时候，首先做的第一件事就是给淘宝大电话，很对这个情况最后可能产生的责任是谁，如果说是你的话，会判定买家赢的话，那你就要做到不要让小二介入，在小二介入之前把这事处理，哪怕是多花钱解决也没办法。如果是买家无理取闹的，淘宝客服告诉你这种情况是买家的责任的话，而且没办法通过沟通解决的话，你才让他进入到小二介入的流程。

服务指标分析，这个很重要，你可以跟踪你想要看到的指标他的最近三十天的时间趋势，看看他的现状是什么，产生现状的原因是什么？接下来还应该如何的发展？有什么解决的办法？我多次说过，其实做数据分析主要就是解决三个大问题，第一个就是清楚现状，第二个就是分析原因，第三个就是预测未来。

在退款原因分析里面，你可以看到该单品他的退款原因是什么？每一个原因占比是多少。产生纠纷的笔数是多少等等。

商品评分分析这就是一个很重要的指标了，因为平时我们是没办法看到哪一个买家他的评分是如何的，这个不同于中差评，中差评我们还可以看到哪个买家给我们的是中差评，他的评语是什么，但是评分的话这一项是没办法看到具体的，所以也经常发生了这种的一种情况，当自己店铺评分低的时候，很多人直接回认为是那个中差评最多的宝贝产生的。

至少我就就经常碰到过这个情况，有人咨询我说：小2哥，我的店铺动态评分很差，需要怎么做？

我说：是哪一个款的评分拉低的？

他说：应该是某某款吧，他的中差评最多。

当时候我就说：应该？那我看下售后的打分数据。

结果我一看的时候才发现，其实压根不是这个款，虽然这个款的中差评确实是最多的，但是他的评分平没有那么差。所以，当你店铺动态评分低的时候，你一定要去分析到底是哪个款引起的。这样找到了根源你才好解决。

评价内容分析也是一个非常重要的指标，从这里你可以看到没一个颜色，每一个尺码买家的评语情况

分析评价内容的是，我们不仅仅要分析自己的，我们还要去分析竞争对手的，看看我们和竞争对手的区别，其实从这里有时候还可以判定人群，比如，你会发现你的宝贝很多人评论太贵，但是竞争对手从来都没有人评价贵的，这个时候就可以去质疑是不是自己店铺人群消费水平太低。总之，对比自己和竞争对手的时候还是那六个字：现状，原因，未来。

声明：小2哥所有文章均为原创，如果你觉得对你有帮助，欢迎分享给你身边的人，但是转载需要取得授权，并注明出处和来源。

当你走在大街上，总会看到一两家餐饮店正在装修，你可能以为市场很繁荣，其实话外音是又有两家餐饮店倒闭了，餐饮的淘汰赛已经启动加速度。据统计，2016年全国餐饮收入35799亿元，同比增长10.8%，同比增长11.2%。与此同时，餐饮业的月倒闭率高达10%，年复合倒闭率超100%，年度能实现赢利的只有20%，北上广深更是半年倒闭16万家餐厅，从2006年至今，餐饮品牌中50%已经阵亡。

回想十几年前，夫妻俩随便开个面条店，每年几十万收入是妥妥的，为什么现在做餐饮变得这么难、这么残酷呢？

餐饮业的一个重要特点是要有特色，而特色最主要来自于创新。餐饮业不是没有创新，而是创新过分了。对比外国餐饮的变化，中国人吃喝上的创新简直是登峰造极。几千年餐饮历史让各种煎炒炖炸煮花样百出，对于当今的我们来说在菜式的创新方面可以发挥的空间越来越小。在创新这方面着力，投入产出比已经越来越低。现在很多餐饮从业者认为菜式的创新是企业生存的重中之重，整天绞尽脑汁地要创新菜式。其实我觉得最重要的不是创新，而是把已有的菜式做好、做精、做成精品。并不是创新菜就好吃，消费者图新奇可能吃一次，但如果不好吃，或口味一般般，就算是创新菜也会迅速消失在众多菜品当中。这就是很多特色店才开始时热闹兴旺，可没两个月就偃旗息鼓门可罗雀的原因。留住消费者的，让消费者成为忠实粉丝的，不是新奇，不是创新，而是美味、情怀和专注。

寿司之神小野二郎做寿司几十年，也没什么创新，不是今天这个花样，明天那个花样，而是专注做寿司做到极致，就能成就品牌，让大批消费者成为粉丝。很多日本人大老远跑到小野二郎的店里，等上半天，花掉400美金，只吃十分钟。但他们却无怨无悔，并且愿意下次再来。这个事例正反映了消费者对工匠精神的认可和期待。弘扬工匠精神，这是当前餐饮业从业者需要重点关注的问题。试问，有几个店铺能在一个或几个菜式上能像他那样精益求精几十年的呢？

近年来，资本大举进军餐饮业，好像一夜之间资本发现餐饮业里有利可图，纷纷杀入，连肉夹馍、蒸饺也能融资千万，搞得餐饮业里血腥一片。大资本入驻，利用充分的资源，高举高打，大打品牌，人才进驻，降维打击，升维思考，利用互联网思维和玩法冲击餐饮业。加之股市不佳，房地产徘徊，有利可图的金融产品稀缺，民间资本无处可去，再加之餐饮业门槛低，导致大量资金进入餐饮业。只要是一个不错的市口，今天一家店倒闭，不出三天，就会有下一家餐饮店开始装修。现代年轻人玩餐饮，能够打破传统思维，想法与众不同，更加贴近消费者。水货、动手吧、操场、叫个鸭子、叫了个鸡，起个餐饮店的名称都这么奇怪。互联网新玩法也层出不穷，罗辑思维的霸王餐、罗友的众筹餐厅，创新餐厅“赵小姐不等位”，金百万的互联网自助餐厅，三全鲜食的全新模式，这些都是餐饮业的新生物种。互联网餐饮平台日益壮大，美团、饿了么、零号线就像是餐饮行业的天猫、京东。可以说无论是模式、玩法、组织，都出现了全新的业态，餐饮面临着全新的大乱局。当前的餐饮业关键词是：失控、乱象、洗牌、重塑、红海、新兴业态。

商机最主要的来源，一是消费者痛点难点，二是改善性需求。从痛点难点这个角度来看，现在餐饮业已经过度发达，想吃什么就能吃什么，只要有钱，吃上过去皇帝吃的满汉全席也不是问题。在餐饮上，痛点难点已经非常少，很少有人说，吃不到什么东西很难受，必须吃到什么才罢休。绝大多数人搞餐饮不是冲着痛点和难点去的，而是冲着改善性需求去的。从改善性需求这个角度来说，现在虽然改善性需求巨大，但是众口难调，改善性需求需要市场教育，而这是一个高难度的动作。作为餐饮业从业者，怎么引领消费者的改善需要，让消费者自觉自愿买你家店的菜品，这是一个长期和艰巨的工作。而意识到这一点的从业者非常少，能做到的就更少了。

菜式的创新已经过分，但商业模式的创新却处于极少开发的状态。对于一般创业者来说，往往注重前者，却不注重后者。随着互联网经济的发展，传统的餐饮门店模式受到了极大的冲击，急需以互联网思维创新餐饮模式积极应对。互联网环境下的商业模式可以从业务模式、渠道模式、组织模式、赢利模式等方面深度开掘。比如怎么经营粉丝忠诚度、怎么通过互联网进行品牌宣传、怎么做好社群、怎么做好用户教育、怎么通过互联网增强用户体验、怎么利用大资金玩法等等，这些都是需要餐饮业者需要重点考虑的。

餐饮的核心价值体现在品牌上，目前市面上的餐饮品牌极多，如果是门店单店模式，只能在极小的范围内有一定品牌。如果要做连锁，又需要极大的投入，这不是一般企业能行的。全国知名的大品牌，都是经营多年，投入巨资，积极推广运营打造出来的。由于餐饮品牌涉及到的环节很多，人员素质参差不齐，所以，极易在运营过程中出岔子。比如前期的倩江南、肯德基、小肥羊，近期的海底捞等品牌，都出现了这样那样的问题。

只有提升餐饮的价值才能提升价格，而餐饮产品本身的价值是有限的，而附加值则是向上无边界的。只有在附加值上做文章，才能让餐饮打出品牌，卖出高价。这里的附加值是指，服务、品牌、口碑、概念、情怀、故事、氛围等等方面带来的价值。海底捞之所以成功，不是因为火锅好吃，而是因为服务到位。普通商家很难在服务上下功夫，满足于为客户做好就餐期间的端茶递水，殊不知，这种服务只是餐饮店服务的应有责任，做到了这些，对消费者来说会认为这非常正常，不会给这家店加分，更不会形成口碑传播点，也很难提升餐饮店的价值。有几家餐饮企业在客户就餐结束后进行回访的？有几家餐饮店能记住客户名字的？有哪家餐饮店知道客户饮食禁忌的？又有哪家能对每位客户进行分析的？餐饮店在大打价格战、特色战、品质战的时候，又有哪家能打好服务战的？其它的方面，更是鲜有涉及，就算是涉及也不过是蜻蜓点水，难以形成价值增长点。

互联网时代对门店的经营产生了严重的挑战，很多人懒得出门，通过外卖点餐即可。通过多年的市场教育，很多人已经逐渐养成了点外卖的习惯，这已经是一种生活方式。而点外卖的时候，看不到门店，不能到店体验服务和环境，这使得装潢考究的店堂、气氛温馨的环境和高档的服务难以转化为消费者的优良消费体验，这么大的投入，却没能带来消费体验的大幅提升，投入产出比反而大幅减弱。而且这些豪华装修、大面积店堂、众多服务人员在互联网时代不仅不是优势，反而成为严重的劣势，因为装潢费、租金、人员工资占据了很高的成本比例。同样是酸汤肥牛，小店20多块就能让利润率达到50%，而对于大店铺来说，如果卖20多块还得亏损。消费者当然选择价廉物美的。而且外卖的盛行，消费者选择面更广，甚至挑花了眼。点一点就换一个商家，再点一点出现了眼光缭乱的菜品。这很容易让消费者选择困难症大爆发，最终选了一个网上比较价廉物美的菜品。这样一来，很多客户从线上就被吸走，根本不用到店铺里点餐。现在和未来，考验餐饮商家的是如何从网上吸引消费者，通过网络提升消费体验，从网民角度把握消费者心理，而这些对于餐饮从业来说都是一个全新的话题。

Data Science 作为一个宽口径的新兴职业方向，充满了工作机会，同时，无论你是学什么与业出身的，都有新与业、新领域的知识要学。比如工作期间，学统计的去研究一下优化、计量经济，学计算机的深入加强统计知识，都可能有机会。看到市场对数据人才的追求日益激烈，许多大学开始与门开设数据分析类与业。

近几年来，美国很多学校也开设了analytics的多门硕士项目，比如 Northwestern、 NCSU，但是开设这类专业的学校，一般综合排名低，除了西北大学，以前少有学校问津 analytics；随着过去两年data science和bigdata的共起，UIUC、UT Austin、NYU等都相继开设了analytics、Data Science类的硕士项目，包括弗吉尼亚大学、哥伦比亚大学、俄亥俄州立大学等开设宣布计划开设数据科学方面的硕士研究生培养项目。例如，南加州大学马歇尔商学院就与门开设了商业数据分析的硕士项目。该项目总终的第一句话就是：商业数据分析是现在全美增长最迅速的领域。

数据科学专业需要具备的能力

（1）、计算机科学能力一般来说，数据科学与业大多要求具备编程、计算机科学相关的与业背景。简单来说，就是对处理大数据所必需的 Hadoop、Mahout等大规模幵发处理技术等机器学习相关的技能。（2）、数学、统计、数据挖掘的能力除了数学、统计方面的素养之外，还需要具备使用SPSS、 SAS等主流统计分析软件的技能。其中，面向统计分析的开源编程语言及其运行环境“R”最近备受瞩目。R 的强项不仅在于其包含了丰富的统计分析库，而专具备将结果迚行可视化的高品质图表生成功能，不可以通过简单的命令来运行。此外，它还具备称为CRAN（The Comprehensive R Archive Network）的包扩展机制，通过导入扩展包就可以使用标准状态下所不支持的函数和数据集。R语言虽然功能强大，但是学习曲线较为陡峭，建议从python 入手。

（3）、数据可视化

信息的质量很大程度上依赖于其表达方式。对数字罗列所组成的数据中所包含的意义迚行分析，开发Web原型，使用外部API将图表、地图、Dashboard等其他服务统一起来，从而使分析结果可视化，这是对于数据科学家来说十分重要的技能之一。

（4）、跨界为王麦肯锡认为未来需要更多的“translators”，能够在IT 技术，数据分析和商业决策之间架起一座桥梁的复合型人才是最被人需要的。”translators“可以驱劢整个数据分析戓略的设计和执行，同时连接的IT ，数据分析和业务部门的团队。如果缺少“translators“，即使拥有高端的数据分析策略和工具方法也是于事无补的。天才的”translators“非常罕见。但是大家可以各敬其职，数据战略家可以使用IT 知识和经验来制定商业决策，数据科学家可以结合对与业知识的深入理解使用IT 技术开发复杂的模型和算法，分析顾问可以结合实际的业务知识不分析经验聚焦下一个行业爆点。

未来就业前景这类硕士项目的最大优势是在于读程设置，software system、machine learning、database、 optimization、decision science、statistics、business intelligence等所有涉及到的领域知识，往往都会学一些。因此，跟比如学统计戒者计算机出身的同学相比，有analytics硕士学位的同学，知识结构更合理、更全面。也正是因为这点，目前学这个与业的同学找工作很容易。以下数字可以说明数据人才有多稀缺。一个拥有博士学位的数据科学家的起薪通常是六位数，工作两年后，就可以轻松赚到 20万至30万美元的年薪。在美国职业社交网站领英网(LinkedIn)，有3.6万个数据科学家的职位虚位以待。另一家网站的数据显示，去年底有6000家公司正在招聘数据方面的人才。

【选校大揭底】

美国目前总有45所大学开设的数据分析相关与业硕士研究生读程项目。小科对这45 所院校做了整理的查校，总结如下：所有都相对集中在美国的东部、北部区域，所开设的大数据分析硕士学位课程可以分为三个类型。

1、数据分析科学硕士学位课程(MSA，Masterof Science in Analytics) 美国有14所大学，总性是属新开发的跨学科读程，将应用数学、统计学、计算机科学，以及各种商业学科诸如营销、财务等融合在一起，即使一些学位使用预测分析(Predictive Analytics)戒数据分析(Data Analytics)冠名其读程内容也大致相同;

2、商业数据分析硕士学位课程(MSBA，Masterof Science in Business Analytics) 美国有17所大学开设此学位课程，其特点基本上是由各大学商学院新开设戒改名而来的，也会有不与其他学院联合办学的情况，和MSA类似面向技术的读程稍少一些，但也不意味着MSBA就完全偏向商科。

3、属其他学科的硕士学位但主修方向是数据分析(Other M.S. Programs， Analytics Tracks andConcentrations) 开设该项目课程的有14所院校，常冠以数据科学(Data Science)这个名称，一般开设在商学院以外的学院，将数据分析课程与其他学科结合的硕士学位，还有的情况是将原有的旧专业改为数据分析与业，有时还可能沿用原有的与业名称，目标是从庞大数量种类的数据中去获得能有效沟通的可执行见解。

以下我们筛选了其中5所院校做以详细的查校结果汇总，如果想要了解更多院校查校信息

1、加州大学伯克利分校信息与数据科学专业（MS in Information and Data Science）：

专业介绍： 加州大学伯克利分校有两个相关的学位项目：数据科学工程硕士Masterof Engineering （concentration in Data Science），信息数据科学硕士Master of Information andData Science （MIDS），伯克利的两个硕士项目综合教授技术和企业运营的技能，立足现有最前沿的技术，扎实务实地培养学生成为领域内的佼佼者。

加州大学伯克利分校官网申请大数据：

GPA要求：3.0；TOEFL要求：90；IELTS要求：7.0；GRE 要求：Required；GRE Subject：Not Required

申请学期：夏季申请截止日期：2月14日

学费：$2,222.22/学分

申请说明：信息数据科学硕士（MS in Information and Data Science）：为期20个月，总计27个学分，受西部学校和学院学会（WASC）认证。要求申请者本科毕业，有计算机科学、数据结构、算法分析、线性代数等相关工作戒实习经验，如有5年以上工作经验则更受欢迎。毕业生可从事航空工程人员、建筑师、商业分析师、商业智能分析师、首席技术官、合同技术与家、数据分析师、互联网安全顾问、定量分析师、研究工程师、系统工程师等职业。无奖学金申请，国际学生需自费攻诺。

录取数据：

招生年：2016年春季学期；女生比例：24%；平均年龄：33；年龄范围：22-57；本科平均GPA： 3.49；GMAT数学均分：76%；GMAT 阅读均分：84%；GRE数学均分：82%；GRE阅读均分：82%；

伯克利是有着矛盾的两面性：一方面是草根的，平民的，大众的。BerkeleyHippie成为了伯克利学生自黑的主要槽点，校园附近随处可见千奇百怪的各色人等，如某街头艺人；但是，另一方面是尖端的，精英的，前沿的，比如叧有诺贝尔奖获得者才能用的停车位。在伯克利接触到的学生基本上可以分为两拨：一拨是以科研为主的有志青年（包括绝大多数的PhD 和极少部分的本科生），他们对本与业的热情天赋让我毫不怀疑地相信这波人是会引领未来人类科技进步的行业精英；另一拨则是普普通通的学生，他们由于机缘巧合，家庭背景，或者自己个人的奋斗，得以相聚在伯克利的校园里。他们大多想找个好工作回馈父母家人，他们得益于伯克利这个平台的帮劣也因此对这个平台感恩戴德，他们和平常人一样，不过多了顶绣着伯克利商标的帽子，他们中的大多数未来会湮没在茫茫人海中。

2、哥伦比亚大学数据科学专业（MS Data Science Track）

专业介绍：

哥伦比亚大学有一个业界顶尖的大数据科学的工程研究室（Institute for Data Sciences and Engineering），学生在此参与实验科研项目。该项目是2014年秋季新开设的，由此可见其对于这一与业的重视。项目开设在工学院下，项目侧重数据挖掘、算法和统计建模(i.e., Algorithms for Data Science, Machine Learning for DataScience, Statistical Inference & Modeling)，培养方案面向业界需求。

哥伦比亚大学官网申请大数据：开设学位：MS

要求：TOEFL99；GPA要求：3.0；IELTS要求：6.5；GRE要求：Required；GRE Subject： Not Required；

可申请学期：秋季申请截止日期：2月 15日学费：$1,858/学分

申请说明：

哥伦比亚大学数据科学（Data Science）与业由数据科学所（Data Science Institute）开设，研究生招收MS 学生。要求申请者本科毕业，拥有一定的数学及编程基础，需要递交GRE成绩，但无最低GRE、GPA等分数要求，不可使用GMAT代替GRE成绩。该MS 项目为期1 年，总修30个学分，无需撰写毕业论文。哥伦比亚大学工程不应用科学学院未设定有最低TOEFL/IELTS 分数要求，此外，该学院还认可PTE成绩，总分要求不低于68分；该项目无最低GPA要求，按美国大学研究生申请一般规定，GPA尤其是在校成绩平均不低于3.0 分；所有与业均需有GRE 成绩；除应用物理与业外，所有与业均无需GRE Subject成绩；未设定有最低GRE分数要求，但录取学生的GRE阅读平均百分比排名多在64%以上，数学多在82%以上；不接受GMAT成绩。

3、纽约大学数据科学专业（MS in Data Science）

专业介绍：

纽约大学的data science 既不是在 stern商学院下面，也不是在computer science下面，而是在 math下面。申请的时候应该比较看重数学背景，该与业开设于2013年，开设在 math下面的一个与门的Center for Data Science，为想迚入NYU的申请者多提供了一个录取的可能通道。基于这个与业的培养目标focuses on the development of new methods for data science。它录取的学生背景大多是理工科背景的居多：Math，Stat，也录取过几个 CS, EE, Econ与业的学生。

纽约大学官网申请大数据：开设学位：MS

要求：GPA要求：3.0；TOEFL要求：100；IELTS要求：不接受；GRE要求：Required；GRE Subject：NotRequired；

可申请学期：秋季申请截止日期：2月4日学费：$1,664/学分

申请说明：纽约大学数据科学硕士（MS in Data Science）一般为期4个学期，要求学生有足够强大的数学知识背景和一定的计算机科学基础知识，学习过微积分、线性代数、统计学、概率论以及计算机科学等读程。该项目仅秋季学期可以申请，截止日期为2月4日，无需GRE Subject数学科目考试成绩。该项目基本无奖学金。

纽约大学文理研究生院按学分收取学费，一般PhD要求修满72个以上的学分，硕士要求修满32-34个学分。按全日制授课项目，平均每年可修学分至少24个。此处为2016-17学年文理研究生院平均每个学分的学费标准，需要注意的是，该费用每年会有较小（不超过5%）的涨浮。

TOEFL：不低于100分，无单项要求，不接受IELTS成绩；数据科学硕士项目仅限秋季学期申请，申请截止日期为2月4日。课程设置：

该与业学制两年，总修36学分。

录取统计：我们从这个项目2013Fall 第一次招生的录取数据来看：打算要30个人，收到152封申请，发了50 个ad，刚好来了30个。 30个人里面，背景情况，undergraduate有11个，已经拿到一个 graduate的大概有10个（有1，2个phd，其余都是 master），剩下的就是已经工作了的。所以这 30个人是同时包括part-time和full-time 的。粗略分布： White10人，Asian20人吧，其中2个印度人，1个韩国人，1个日本人，1个台湾人，其余都是大陆的。average age=25. 大陆分布：10个左右美本，5个非美本吧。美本来源包括umn,uiuc,u of toronto, wisc-madison,git等等等等。感觉美本基本都是美国的数学强校，本科与业也都是math，stat，ieor，有几个cs ee econ的。非美本有 5个，其中一个港大，一个清华ee。当然随着Data Science的持续火热，未来的申请人数预测会增长到至少300人！知乎学长经验谈以下是NYU总体给我的感觉： NYU的优势是在于Data 的读太多了，DS自己的读不说，Cournat的CS也包含了一部分Big Data, NLP之类的读（同被DS的 Big Data坑= =，不过Cournat CS有门Real Time Big Data Analytics不知道会不会好些），Steinhard 的A3SR会有很多应用统计的读程，Stern有统计的PhD,还有 Info的偶尔也提供一些读程可以上， Tandon CS有可视化，CUSP 有城市数据分析（ML，Big Data这些的我们都开，不过和 DS的侧重不一样，还有通过传感器去采集数据，如何分析声音图像数据等等）Tisch的ITP还包含了一部分数据可视化（Data Art），前端（Creating API）和传感器的读程。除了Stern的读比较难选以外，其他学院的读基本开了就能选到。

4、普渡大学商业分析与信息管理专业（MS Business Analytics & Information Management, BAIM）

专业介绍：和麻省理工学院的MBA一样，该项目都有个单独的分支是商业分析，学生学习的基础读程涵盖高级商业分析、数据挖掘、数据管理等，选修课程可以从以下三个领域选择：

●商业分析咨询

●金融/财务咨询

●市场营销咨询

普渡大学官网申请大数据： USNEWS排名：47（商学院排名）GPA要求：3.0；TOEFL 要求：93；IELTS要求：7.5；GMAT要求： Required；工作经验要求：无；

可申请学期：夏季申请截止日期：1月16日-3月1 日学费：$46,000

申请说明：

普渡大学商业分析不信息管理硕士（MS Business Analytics & Information Management, BAIM）项目为期11个月，总计修36个学分。要求申请者本科毕业，不限与业背景，无前�...

文篇幅较长，分为五部分，在中间部分有关于心理分析工具的介绍，案例分散在第二部分和第五部分，大家在阅读的时候可以跳过“心理分析工具”部分，直接去看案例，如有不明白的地方，再回去查看理论基础，这样也会提升阅读效率。

现今互联网界，不管是研发、产品、设计，还是市场或运营，用户画像这个概念被炒得相当的火。如何构建用户画像的方法论可谓是汗牛充栋，但鲜有能落地生根的，更别提如何将其应用于实践了。

比如，你得到了如下的用户信息/用户画像，小伙伴们能流畅的回答下面的几个问题么？

一些常见的用户信息

这些数据的来源真实、准确和可靠么？能有效的反映出产品使用人群的情况吗？

你能从这些信息中得出有价值的、能运用于实践的insight吗？

如何将得到的用户洞察（有价值的、深层次的用户信息挖掘）应用于实践？

如果上面的问题，你觉得难以作答，或是答案连自己都难以打动，那也很正常。因为这些只是用户的人口统计学信息，哪怕在数据来源质量上没有问题，你也很难得出有价值的用户洞察。

那么，我们应该去重点获取和研究哪些关于用户的信息呢？或者是，从哪（些）个角度去研究用户呢？

笔者认为，是情感，从情感的角度去洞悉用户的内心世界，挖掘其内在的情感需求，以它为基础进行情感营销，从而对产品设计、营销推广和运营发挥建设性的作用。

本文篇幅较长，分为5大部分，在中间部分有关于心理分析工具的介绍，案例分散在第二部分和第五部分，大家在阅读的时候可以跳过“心理分析工具”部分，直接去看案例，如有不明白的地方，再回去查看理论基础，这样也会提升阅读效率。

本文的行文路线图

在这里，我们先聊聊啥是“情感需求分析”，说说它的概念及重要性，之后再讨论如何去挖掘用户的情感。

一、为什么要对用户进行情感需求分析

在移动互联时代，没有哪位用户会老老实实的去接受各种铺天盖地、接踵而至的传统/数字广告所传达的信息，因为这些枯燥、霸王硬上弓式的信息传播，已经很难和用户产生共鸣了，根本打动不了用户，用户对这些产品和与之相关的营销活动压根提不起神来。

对于产品/品牌来说，这种无实效性转化的数字营销已经意义不大了。

此时，企业需要转变思路，采用情感营销打动用户。

情感营销是从消费者的情感需要出发，唤起和激起消费者的情感需求，“诱导”消费者心灵上的共鸣，寓情感于营销之中，让有情的营销赢得无情的竞争。

以下2个图分别从用户和企业/品牌的角度来说情感营销的重要性。

情感是用户最深层的需求

情感定位与营销有助于品牌解决3大困境

要进行情感营销，最重要的一个环节就是挖掘用户的内心真情实感，了解其内在需求，以便“对症下药”，设计出令用户满意的产品和能迎合用户心意的营销方案来。

情感需求分析就是通过各种方法和手段捕捉用户内心情感方面的信息，并对此进行深度分析，得出用户个人情感差异和内在需求的insight,并以此作为“绘制”产品用户画像的核心，最后借助于这些有价值的用户情感洞察，企业可以进行产品的情感包装、情感促销、情感广告、情感口碑、情感设计等策略，实现产品的各项经营目标。

举个例子，很多70/80后不远千里集聚北京首体，去听“纵贯线”组合的演唱会（2008年由罗大佑、李宗盛、周华健、张震岳组成的乐团），不仅仅是因为他们的歌声和乐曲多么的动人，而是听他们的歌声，能触动他们的内心世界，把自己带回到风华正茂的光辉岁月。

只有叩开他们的心扉，满足了用户内心的情感需求，才能吸引他们的关注，从而促成其后续的转化行为。

这时，问题来了：我们该如何进行用户的情感需求分析呢？

答案是，从微博上去抓取能“折射”出用户情感需求的标签。

二、从微博上获取用户情感需求的初始信息

在说抓取用户标签之前，先说个旧闻，用来解释笔者为何选择在微博上进行用户情感需求信息的提取。

1、为何要从微博上获取用户相关信息

2005年7月4日，美国成功发射的彗星探测飞船—“深度撞击号”释放出一颗372公斤级的钢弹，撞击“坦普尔1号”彗星的核。通过这“惊天一撞”，人类得到了价值极高的信息：

从该彗星彗核内部获取彗星形成和演变过程的重要信息

获取大量彗核碎片样本

为人类探索太阳系起源提供新的线索

为地球避免与小天体相撞提供有用的数据。

不知道大家有没有一个疑惑，为什么要通过撞击才能得到这么多有价值的信息呢？

因为在撞击之前，人类对该彗星已有100多年的了解，比较熟悉它的轨道特征、自转特征、表面状况等情况，而且还知道它正处于中年时期，不会连续地向外喷发气体。

不过，这些都只是它的表层情况，对于它的内部特征，尤其是内核构成还一无所知。因而，人类需要对它进行一次危险的“亲密接触”—强烈撞击，强行打开这个“黑箱”（指那些既不能打开，又不能从外部直接观察其内部状态的系统，比如人们的大脑只能通过信息的输入输出来确定其结构和参数），从迸发出的星体碎片中得到更深层次的信息。

与此类似的是，我们积攒了很多用户，这些用户的一些基本特征（如性别、年龄、地域等）我们可以轻易的获得，但是对于哪些是活跃用户、哪些是流失的用户难以进行辨别，而且，我们对于他们的喜好/兴趣图谱挖掘得不够。

但是，通过一条近期转发量大的微博传播进行分析，我们可以获得忠诚度高、活跃性高的用户讯息，除了可以了解他们的基本信息（性别、年龄、地域等），还能得到直通其心灵深处的一些信息。

所以，对于动态发布的微博进行分析的意义在于：

主动互动的用户是活跃用户和忠诚度较高的用户（去除掉僵尸粉、水军以后），描述出的用户画像更精准，比仅关注账号而不进行互动的粉丝有价值

微博上的信息传播具有时效性，企业能在第一时间获取准确的用户信息

对于发布微博的品牌来说，相当于做了一次无意识的抽样调查（它是从全部调查研究对象中，抽选一部分单位进行调查，并据以对全部调查研究对象做出估计和推断的一种调查方法），虽然是非全面调查，但它的目的却在于取得反映总体情况的信息资料，所以也可起到全面调查的作用。

2、如何从微博上获取用户情感信息

下面，我将以小米微博作为研究案例，对它旗下微博账号所发布的微博进行用户信息提取。笔者所选取的微博遵循如下几点要求：

转发/评论的数量足够多，粉丝互动足够多

以近期发布的微博为主，保证较强的时效性

尽量多找几条微博进行分析，得出其中的共性、重合部分，保证信息的稳定和准确

遵照上述几条，我分别选取了小米旗下的2个微博账号中的3条转发量较大的微博进行了微博传播分析，用到的是微博大数据分析工具—微分析（http://apps.weibo/5749860995/QozsgdY），它具有刻画传播路径、洞察关键人物、解读用户画像、分析传播质量等功能，本文用到的是其中的解读用户画像功能。

对小米两个微博账号的3条微博进行分析微博传播分析

从上图可以看到，这些微博都是用户转发量、评论量和点赞量较大的3条微博，属于“热门微博”，而且发布时间上间隔不久，故符合上述甄选条件。

微博1的传播分析结果（部分）

微博2的传播分析结果（部分）

微博3的传播分析结果（部分）

对于上述结果，我们重点关注其中能反映粉丝情感特征的信息，主要是兴趣标签和星座信息。

兴趣标签。对大多数微博用户而言，微博的一个主要的功能就是获取信息，而用户的关注者就代表了用户感兴趣的话题，因此利用用户的关注者的兴趣标签来推测用户的特征是一个很直观的思路，具体的情感挖掘分析后有详述。

星座信息。不是迷信，也不是主观臆测，这个也涉及到心理学方面的知识，下面会有详述。

此时，一个新的问题冒出来了：对粉丝的兴趣标签和星座信息进行情感需求挖掘，这个该如何操作呢？

在这里，我们需要用到心理动力学，主要涉及到1个心理分析方法论（心理投射）和1个心理分析工具（Censydiam消费动机费模型）。

三、如何从用户的标签信息中获取情感洞察：运用“心理投射”分析方法

1、 什么是“心理投射”？

“投射”一词在心理学上是指个人自己的思想、态度、愿望、情绪、性格等个性特征，不自觉地反应于外界事物或者他人的一种心理作用，也就是个人的人格结构对感知、组织以及解释环境的方式发生影响的过程。说得更直白点，就人们把自己心里的内容和感受，放到客观世界中，就如同投影仪一样，让一个事物拥有我心里的内容。正所谓“寄情于物”、“借物传情”、“借景抒情”，说的就是这个道理。

由于投射效应的存在，我们常常可以从一个人对别人的看法、以及自身的兴趣爱好来推测这个人的真正意图或心理特征。

投射的心理过程是无意识运行的结果，对于投射者来说，这个心理过程的发生是毫无觉知和悄无声息的。个体在选择、关注或喜好某事物时，常常不自觉地将隐藏在内心的冲突和欲望融入这些事物中，借助于事物带将其宣泄出来，即把个人的内心世界投射于所参与的事物中。而我们通过对他们的选择、关注或喜好的事物（标签）的分析，从而了解其内心真正的需求。

2、 掌握心理投射分析法的必要性

正确运用心理投射的影响力是巨大的，只有掌握符合用户的内在心理特征，才能够进一步得到对方的喜欢，才能让用户支持你、拥戴你，帮助你获得成功；否则，必然会导致失败。

“正确投射”在影响力中的作用，就像射击比赛中运动员一枪打中靶心的作用一样大。射击运动员只有瞄得准，才能射得准。只有射得准，才能取得好的成绩。这一过程运用到企业与用户之间，便是只有完全地了解了目标用户的心理喜好，才能有针对性地通过产品设计和运营策略来影响用户。

关于正确投射的例子数不胜数，其中典型的还有金利来男款服饰。金利来男款服饰将成功男人的特征，准确地通过广告用语“金利来，男人的世界”投射出来。因而该品牌成功地博得广大渴望成功的男士的信任。

3、心理投射的基本假设

在运用心理投射进行分析之前，我们先来了解一下它的3个基本假设：

人们对于外界刺激的反应都有其原因而且是可以预测的，不是偶然发生的；

这些反应固然决定于当时的刺激或者情境，但是个人本身当时的心理结构、过去的经验、对将来的期望，也就是他整个的人格结构，对当时的知觉与反应的性质和方向，都会产生很大的影响；

人格结构的大部分处于潜意识中，个人无法凭借其意识说明自己，而个人面对一种不明确的刺激情境时，却常常可以使隐藏在潜意识中的欲望、需求、动机冲突等“泄漏”出来，即把一个反映他的人格特点的结构加到刺激上去。如果知道了一个人如何对那些意义不明确的刺激情境进行解释和组织，就能够推论出有关个体人格结构的一些问题。

4、心理投射法在商业场景中的应用

移动互联网技术正在深度影响今天主流的思维范式、行为模式和生活方式。无论是iPhone还是小米，华为或者魅族，既是一种圈层标签也是在表达自我态度。如莎士比亚口中的衣服，手机屏幕会泄露我们的秘密，起到同样作用的还有智能电视、游戏电脑、iPad、kindle等，这些都是我们理解世界的方式。（吴声，《场景革命》）

我们的生活方式、内心情感状态决定了我们想要的场景。

用户内心憧憬何种场景，我们就需要去营造他们想要的场景，不过，前提是对他们的内心世界有着深刻的理解，洞悉他们的内在情感。如果能切中用户的情感需求，用户就会自动找上门来。

由此，这就需要我们在找寻用户的兴趣图谱和使用场景的同时，深入的去挖掘其内心的情感需求，以此为依据，为其量身定制产品设计方案和营销策略，争取由内而外的打动他们。

心理投射是一种分析用户内心情感和内在需求的方法论，若要实现对用户情感的分析，将这些外化的标签转化成更富价值的用户情感洞察，则需要用到一个心理工具，即营销界应用广泛的Censydiam用户动机分析模型。

四、让用户情感需求洞察成为可能：Censydiam用户动机分析模型

1、马斯洛需求层次理论在分析用户行为动机上的不足

传统的用户动机研究往往基于美国社会心理学家、人格理论家和比较心理学家亚伯拉罕·马斯洛的需求层次理论，这个理论大家也相当熟悉咯，所以下面只简单聊几句，不太明白的可以去网上搜索。

马斯洛需求理论各层次与西游记各人物的对应图

一般来说，马斯洛这一理论将需求分为五个层次，即生理需要、安全需要、爱与归属的需要、尊重的需要、自我实现的需要。

每一个人往往潜藏着这五种不同层次的需求，但在不同时期表现出来的各种需求的迫切程度是不同的。...

目前，大部分工作的品质管理工作中都普遍面临以下问题：

以纸张的方式作为品质记录；

纸张记录保存占用空间，且难于管理；

历史记录查询困难，费时费力；

检查结果反馈速度慢，数据共享难；

数据利用价值小

针对以上问题，太友科技自主首创研发了一套将平板APP与工厂品质检测及管理工作相结合、符合工厂实际需求的 QSmart QAS品质无纸化系统，做到无纸化办公、节省人力成本， 提高品质检测人员工作效率，同时缩短现场品质问题的反馈时间。

系统作用

实现品质检查的无纸化、信息化，以及提高检查的效率；

加快质量信息的反馈速度及质量信息的数据共享，如通过邮件，微信等方式实现检查结果的实时反馈；

实现品质数据的查询，分析功能，如供应商品质状况汇总分析，详细不良项目汇总分析等；

品质无纸化平台具备良好的扩展性，当需要时，可向供应商及客户延伸；

通过配置无线传输卡尺等硬件，提高检查的效率，进一步提高数据的准确性；

系统组成：APP平板端+WEB端

APP平板端：

1）用于检验单的创建、查询、下载以及上传等；

2）数据录入：a）手工录入：计数型+计量型检测数据；b)自动数据采集：三坐标等检测设备；

WEB端：包括检验单模板的创建、检验单的审核以及各类报表管理等内容；

系统工作流程

系统收益

欲善其事，必先利其器！

QSmart QAS品质无纸化系统，是每一个高效的品质检测人员都应该去利用的。 通过安装个APP，你可以：加强品质控制能力，加快品质问题的信息反馈速度，提升品质数据的分析利用价值，实现品质数据信息化，提升检查效率。

通过平板进行检查及录入数据，实现信息化；

数据保存在数据库中，有需要才打印出报告；

短时间内可查询出历史记录；

可实时反馈检查结果给到相关人员；

提升数据的利用价值，如品质分析，供应商分析等；

2017年8月31日，宝马集团发布消息表示将把智能数据分析应用引进到车辆生产作业当中。该应用会对汽车生产中生成的大量数据进行选择性分析，从而进一步强化生产能力及品质。

提供更大可能性及全新机会

智能数据分析应用会利用远超过往数据分析的可能性为车辆生产提供全新机遇，大幅提升全新解决方案的实用化速度。此外还可以与全新IoT传感器、云端及大数据技术组合在一起，降低技术性课题解决难度，削减作业成本。

宝马集团各部门事例都表明智能数据分析应用拥有巨大优势。例如有一个重约40吨长约3km的不锈钢钢圈，在冲压成型过程中会被切断成多个部分，之后再加工成车辆部件。但不锈钢材料各部分的厚度、强度及表面质感等都存在差异。如果与标准品质数值之间存在差距，那么受到特定应力后有可能会出现龟裂现象。

如果使用智能数据分析应用便可顺利解决这一问题。在进入冲压成型之前，激光会根据该应用指示在材料上标注若干数字，而这就是各部分的专享ID。之后根据这些ID相关系统会根据各部分不同特性对冲压压力进行微调。

2017年5月宝马集团在德国慕尼黑工厂中史上首次导入了全自动化品质管理系统。它可以捕捉到人类眼睛察觉不到的错误。这些数据将会成为涂装工艺精度的宝贵反馈，同时让系统可以更加快速的识别错误之处。