2018年7月17日，全球领先的新经济行业数据挖掘和分析机构iiMedia Research(艾媒咨询)权威发布《2018世界杯中国APP流量变化与数据趋势分析报告》。世界杯期间，包括体育直播、足球资讯、彩票应用等纷纷呈现暴增态势。其中开幕式当天，咪咕视频的日活跃用户数突破1200万，日新增用户突破1000万，而优酷的日活跃用户数突破14000万。世界杯的狂欢同样也是APP的流量狂欢。(《2018世界杯中国APP流量变化与数据趋势分析报告》完整高清PDF版可点击文章底部下载按钮进行报告下载。)

以下为报告节选内容：

赛事直播类APP日活跃用户数增长显著

iiMedia Research(艾媒咨询)数据显示，世界杯期间，拥有2018世界杯直播权的央视影音、CCTV5、咪咕视频和优酷的日活跃用户数明显上升。开幕式当天，咪咕视频的日活跃用户数突破1300万，央视影音的日活跃用户数突破600万，优酷的日活跃用户数突破14000万。从日活增长速度来看，央视影音和咪咕视频增长速度最快。从日活用户规模来看，优酷作为视频领域的头部玩家，其日活跃用户数占有绝对优势。

咪咕视频日新增用户突破1000万

iiMedia Research(艾媒咨询)数据显示，从2018年6月13日开始，央视影音、CCTV5、咪咕视频和优酷的新增用户数均明显上升。开幕式当天，咪咕视频日新增用户突破1000万，央视影音日新增用户突破400万，优酷日新增用户突破200万。2018年6月15日之后，用户持续保持增长，并逐渐趋于稳定。

网易彩票日活跃用户数突破40万

iiMedia Research(艾媒咨询)数据显示，2018俄罗斯世界杯开幕式当天，网易彩票、卓易彩票、彩客彩票和体育彩票的日活跃用户数增长明显，其中网易彩票日活跃用户数突破40万，卓易彩票日活跃用户数突破10万，彩客彩票日活跃用户数和体育彩票日活跃用户数也有一定的增长。2018年6月20日之后，由于各彩票网站均暂停售彩，彩票类APP用户数逐渐减少，日活跃用户数均在10万以下。

直播吧日活跃用户数突破400万

iiMedia Research(艾媒咨询)数据显示，2018俄罗斯世界杯期间，虎扑、直播吧、懂球帝、腾讯体育的日活跃用户数增长明显，并且日活跃用户数相对稳定。其中直播吧日活跃用户数突破400万，虎扑日活跃用户数突破300万，懂球帝日活跃用户数突破250万。

2018世界杯期间中国APP流量上涨情况

赛事直播类：

2018世界杯期间，拥有赛事直播权的央视、咪咕视频和优酷的用户规模得到大量增长。iiMedia Research(艾媒咨询)数据显示，世界杯开幕式当天，咪咕视频的日活跃用户数突破1200万，央视影音的日活跃用户数突破600万，优酷的日活跃用户数突破14000万。其中，咪咕视频和央视影音吸引了大量的新增用户，咪咕视频日新增用户突破1000万，央视影音日新增用户突破400万。受世界杯的影响，央视影音、CCTV5、咪咕视频和优酷6月的活跃人数增长率均呈上升趋势，咪咕视频的月活跃人数增长率最高，其月活跃人数增长率超过90%。

“洗脑”广告类：

2018世界杯期间出现了大量反复式、吼叫式等简单粗暴的“洗脑”式广告，典型代表有知乎、马蜂窝和boss直聘。iiMedia Research(艾媒咨询)数据显示，从日活跃用户数来看，知乎的日活跃用户数明显增加，日活跃用户数突破700万，马蜂窝和boss直聘的日活跃用户也有小幅度增长。从新增用户数来看，马蜂窝日新增用户突破20万，知乎日新增用户突破15万，boss直聘日新增用户突破5万。从月活跃人数增长率来看，知乎、马蜂窝和boss直聘的月活跃人数增长率均呈上升趋势，其中boss直聘的月活跃人数增长率达60%。因此，“洗脑”广告虽然备受争议，但洗脑广告的日活跃用户数、新增用户数和月活跃人数增长率均有增长。

彩票类：

iiMedia Research(艾媒咨询)数据显示，2018俄罗斯世界杯开幕当天，网易彩票、卓易彩票、彩客彩票和体育彩票的日活跃用户数和新增用户数均增长明显，其中网易彩票日活跃用户数突破40万，日新增用户突破25万。受世界杯的影响，2018年6月，网易彩票、卓易彩票、彩客彩票和体育彩票的月活跃人数增长率均呈上升趋势，其中体育彩票的月活跃增长率达100%，网易彩票、卓易彩票和彩客彩票的月活跃增长率均超过20%。2018年6月20日之后，各彩票网站均暂停售彩，彩票类APP用户规模逐渐下降并趋于稳定。

足球资讯类：

2018世界杯期间，足球资讯类APP的用户活跃度得到迅速增长。 iiMedia Research(艾媒咨询)数据显示,虎扑、直播吧、懂球帝、腾讯体育和疯狂体育的日活跃用户数增长明显，其中直播吧日活跃用户数突破400万，虎扑日活跃用户数突破300万，懂球帝日活跃用户数突破250万。从新增用户数来看，懂球帝日新增用户最快，其日新增用户数突破70万。2018年6月，虎扑、直播吧、懂球帝和疯狂体育的的月活跃人数增长率也均呈上升趋势，懂球帝月活跃人数增长率最高，其月活跃人数增长率达100%。

生活类：

2018俄罗斯世界杯期间，小龙虾和啤酒成为球迷们观看世界杯比赛的标配，不少生活类APP提供了“世界杯套餐”和24小时全天配送服务，其典型代表有饿了么和美团外卖。iiMedia Research(艾媒咨询)数据显示，2018世界杯期间，饿了么和美团外卖的日活跃用户数均有明显增长，其中饿了么的日活跃用户突破1500万。从新增用户数来看，饿了么和美团外卖日新增用户数均突破40万。

关于艾媒咨询

iiMedia Research（艾媒咨询）是全球知名的新经济产业第三方数据挖掘和分析机构。艾媒咨询致力于输出有观点、有态度、有结论的研究报告。每年公开或定制发布新经济前沿报告超过500份，覆盖了人工智能、新零售、电商、教育、视频、生物、医疗、音乐、出行、营销、游戏、传媒、金融、环保与公共治理等领域，通过深入数据挖掘，通过数学建模，分析推理与科学算法结合，打造有数据、有理论支撑的大数据分析成果。

基于公司独立自主研发的“中国移动互联网大数据挖掘与分析系统(CMDAS)”，艾媒咨询建立了APP运营状况、企业舆情和商情、用户属性和行为偏好、零售数据挖掘、广告投放效果、政府治理等多维度的数据监测体系，帮助客户可视化还原“数据真相”，实现市场趋势的捕捉和用户信息的洞察，提升品牌的行业竞争和影响力。

新智元编译

来源：fivethirtyeight

作者：Bobby Gardiner

编译：闻菲

【新智元导读】在阿根廷vs冰岛一战中，梅西的表现引来无数吐槽，不仅射丢点球，全场大部分时间还在“散步”。但基于数据的分析显示，梅西即使是走路，也比大多数人跑步效果更好。他就像一台高效的机器，搞清楚了如何用最少的能量占据最有价值的场地。

葡萄牙和阿根廷无疑是世界杯上最受瞩目的两支球队，而它们的球员——C罗和梅西也是最受瞩目的明星球员之一。

C罗和梅西都已经完成2018世界杯的亮相。但是，两人的表现却天差地别：C罗在与西班牙队的比赛中上演帽子戏法，帮助葡萄牙3-3战平西班牙；而梅西则在对阵冰岛的比赛中罚丢点球，让球队错过了胜利的机会。

不仅如此，还有一组数字：C罗在对战西班牙时全场跑动8.7千米，最高速度达到了33.98千米/时。而梅西在面对冰岛队时，跑动距离只有7.6千米，全场83%的时间都是在“散步”，最高时速也没有超过25千米。

梅西全场11脚射门，只有3脚射中，没有进球。而且，他还踢丢了一枚点球。

2018世界杯，阿根廷vs冰岛，梅西踢丢点球，最终比分定为1：1

备受期待的男人

自从12年前成为在世界杯上进球的最年轻的阿根廷球员，梅西赢得了比他之前任何人都更多的金球奖奖杯——这是奖给世界上最好的球员的荣誉。这一代的球迷也记得，梅西曾创下过在一年赛季中进球数量最多的记录。他是西班牙西甲联赛历史上的头号射手。

虽然世界杯首战失利，但在今年的西班牙足球甲级联赛赛季，梅西的表现充满了压迫性：

然而，由于目前对足球分析的粗浅，我们几乎无法理解梅西是如何做到这一点的。尤其是看梅西的动作：梅西带球的时间可能比其他球员更多一些，但是和所有球员一样，他的大部分时间都是投入在没有带球的跑动当中，寻找位置，为队友创造空间。这是足球比赛中不可分割的一部分，而我们大多数人却知之甚少。

所有人都能看到结果——进球数量，但进球（或者没有进球的）这个过程被却被忽略了——我们的注意力都集中在梅西带球时的表现上面，而当球离开梅西时，我们的注意力也离开了梅西。

梅西，在球场上“散步”的前锋

在他的整个职业生涯中，梅西都因为他在场上“走路”而不是“跑步”而饱受批评。

2017年12月，在巴塞罗那与皇家马德里之间的一场经典大赛之后，媒体广泛报道的一件事是，梅西在场上移动了大约5英里的距离，其中83％是在“走”（跟这次世界杯对战冰岛一样）。 尽管如此，那场比赛梅西不但进球，还参与了助攻，巴塞罗那3-0获胜。

本赛季欧冠（唯一公布了基本跑步数据的比赛），梅西也比其他精英前锋都跑得要少，平均每90分钟少5英里的距离。

当然，跑动的距离很大程度上取决于你效力的球队和你在球队中的角色。采取防守战略的球队，往往会跑更远的距离，而有的战术风格则会让前锋跑更多——采取高压逼（high-pressing）战术的利物浦队前锋罗伯托·菲尔米诺，每90分钟将近跑了7英里。

但是，皇家马德里跟巴塞罗那一样，也是不会特别在对手的半场展开逼压战术，但C罗跑动的距离比梅西多1/5英里。

一台高效的机器：只有梅西搞清楚了如何比别人少跑来赢球

在2017-18欧冠赛季中，贡献至少5个进球和助攻的前锋中，每90分钟跑动的距离与进球和助攻贡献率的比例

实际上，我们已经很清楚梅西的这个特点：在2014年世界杯的报道中，Ken Early表示：“只有梅西搞清楚了怎么比别人少动来赢得比赛。”

在阿根廷在决赛中输给德国队以后，Benjamin Morris给FiveThirtyEight写了一篇分析，最流行的解释是，梅西在关键时刻用走（而不是跑）来节省能量，就像是一台非常高效的机器。

但新研究表明，就算是梅西在走路的时候，他也远远没有空转。NBA篮球队、萨克拉门托国王队的战略和分析副总裁Luke Bornn和巴塞罗那足球俱乐部数据科学家Javier Fernandez，在今年MIT Sloan体育分析会议上介绍了他们的研究成果，帮助我们了解这一现象。

基于位置数据分析足球赛：梅西的“被动”场地获取策略

足球本质上是场地和移动的游戏，因此，Bornn和Fernandez利用位置数据设计了模型，评估球员对场地的占有和生成的情况。

Bornn和Fernandez的分析报告

“我们可以在每个瞬间看到每个球员和球的位置，并由此推断球员的运动如何为他们自己和其他人创造场地，”Bornn说：“我们还可以看出他们是主动还是被动地做到这一点，‘主动’就是指主动跑进空旷的场地，‘被动’则是在战况转移的时候占据高价值位置。”

Bornn提到的“高价值位置”（high-value locations），指的是他们研究的另一部分，他们量化了球场上每个区域对双方球队的价值。一个基本的衡量标准就是与球门的距离，但与巴塞罗那专家讨论后，Bornn和Fernandez意识到，球场上场地的价值会根据球员和球的位置动态发生变化。

于是，他们采取了全新的方法，基于防守一方的球队的行为提取场地价值。总体而言，处于防守一方的球员会考虑去切断那些相对于球的位置来说最危险的区域。

下面的动图展示了梅西在进攻时如何被动地为巴塞罗那右翼占据场地。注意对比Bornn和Fernandez的动态分析：

梅西被动地帮助球队占据场地

将2017年1月西甲联赛中巴塞罗那队和比利亚雷亚尔队的数据用在这些模型里，Bornn和Fernandez发现，为巴塞罗那队获取场地最多的，是布斯克茨（中场）、伊涅斯塔（中场）和梅西（前锋）。

他们将这种场地增益分为两种类型：“主动”和“被动”，前面一种情况球员是以跑动的速度在移动，而后面一种情况则不是。

伊涅斯塔和布斯克茨分别在43％和52％的时间里是被动的，而梅西的这个数值是大约66％。换句话说，梅西在场上大部分时间都在走路，但是即使只是在走，梅西也是在有价值的地方走动，守住场地来帮助球队，等待球接近他。

Bornn和Fernandez还研究了场地的生成和接收，也就是一个移动中的球员，通过将对方球队的后卫带过来，为自己的队友创造场地。

在同场比赛中，梅西、苏亚雷斯和内马尔，是巴萨罗那最能创造场地的三大球员。他们三人在巴塞罗那强大的4-3-3阵式中在场上散开，迫使防守队员紧紧跟随他们。Bornn和Fernandez还发现，梅西和苏亚雷斯有着“特殊的联系”，彼此都为对方创造了相当大的场地。

比赛中场地占有和生成的情况。从左到右：左边第一幅图，伊涅斯塔往后退，占据一个有价值的场地，并拥有更高的控制权。中间第二幅图，伊涅斯塔观察到了一个开放/空白的场地来进攻。他往那里移动，带动了三名防守队员。右边第三幅图中，三名被带走的防守队员给梅西留出了一个空位，让梅西可以接到球，与此同时苏亚雷斯跑向球门线，得到一个传球。来源：Bornn和Fernandez的研究报告

即使是走，也比大多数人跑得更好

梅西是否有意识地决定用走而不是跑来被动地赢取场地，这一点很难确定。

“我们能不能说梅西是通过在场上不怎么跑而获得了更多的场地？能，这正是我们的研究所表明的。”Bornn说。“但他是故意这么做的吗？这就只有问梅西本人了。”

2018年世界杯，如果阿根廷出线（根据此前的一些预测，阿根廷将与德国对战四分之一决赛），梅西将得到比以往更多的关注和审查。这次射丢点球无疑让很多人失望。我们已经习惯了看他令人眼花缭乱的传球、带球过人和精准的射门。

但当球不在梅西那里时，我们也应该关注他，尤其是在他慢慢移动的时候——梅西在场上从来都不是在“走”；他只是伺机而动，等待出手。

编译来源：

Messi Walks Better Than Most Players Run

https://fivethirtyeight/features/messi-walks-better-than-most-players-run/Wide Open Spaces: A statistical technique for measuring space creation in professional soccerhttp://sloansportsconference/wp-content/uploads/2018/03/1003.pdf

如何选用数据可视化工具？在回答这个问题之前现需要回答另外一个问题，你需要用这些数据可视化工具来做什么，实现什么目的。

也许你有一个完整的想法，已经通过验证了，需要用更直观易懂的方式来展现，从而讲述一个逻辑或者是一个故事；也许你是有大量的数据，你想怎么从这些数据中间发现，挖掘，并展现一些数据背后的知识或者洞察；也许你是有各种各样的数据，但是你不懂数据建模，编程，或者数据清洗，甚至是SQL的优化等你需要一个易用的数据可视化工具实现通过拖拽就能完成数据的可视化，并且可以给出最合适的展示图形；也许还有其他的各种场景，但是所有数据可视化工具都有他核心服务的一个场景，漂亮，易用，简单，协作，智能等等。每一个数据可视化工具都有一个定位的标签。应该通过我们需要的核心需求来做选择。做一个简单分类：

1. 明确目标的易用，多样展示型工具，比如Tableau；

2. 可以支持灵活定制的展示型，比如图标库D3；

3. 不明确目标的数据探索型，比如google spreadsheet的explore；

4. 有行业诉求既能可视化分析又能数据探索的，比如帆软FineBI；

5. 按照行业或者职能需求的数据可视化，比如DOMO，Qlikview；

之前看到某网友用了24种工具制作一个相同的图表，比较了12款可视化软件和12个编程/图表库，并针对工具/图表库的侧重度，灵活程度，图表创新性，交互效果四大方面，写了一篇一级棒的文章。

今年5月，这个妹子给自己设置了一个挑战：尽可能尝试使用多种多样的编程语言或者软件来进行数据可视化。为了比较这些工具，她利用这些工具重复制作了同样的一张散点图。基于结果，她还发布了两篇文章：一篇是用12种软件做一个相同的图表，另一篇是用12种编程/图表库做一个相同的图表。下图展示了她使用12个不同的软件制作同一张散点图的过程：

这是12种编程/图表库制作出来的效果：

她从这些可视化软件/图表库中认识到：没有十全十美的工具，但是如果确立（可视化）目标，就能找到合适的工具去实现。下面是她在制作中曾遇到过的一些矛盾，也是数据可视化工作者常常遇到的情况。

1、分析 VS 展示：

是想使用工具（R, Python）来分析数据，还是更注重于构建可视化效果（D3.js, Illustrator）？有些BI工具（比如说FineBI, Tableau, Plotly）试图在这其中谋求平衡，既可分析又可展示。她根据分析和展示上的侧重性对可视化工具和编程语言们进行了排列：可以看到工具类的往往更注重展示，而编程类的比较平均，各有侧重。

2、数据管理

如果制作可视化的时候需要更改源数据怎么办？在这方面，这些工具或编程语言的灵活性如何？

低灵活性：比如在Illustrator中，即使你只是轻微修改了数据，也需要重头开始制作图表，这种工具还不方便进行数据管理。

中灵活性：比如在D3.js中，可以单独处理或修改数据，然后再重新导入数据文件来更新可视化结果。

高灵活性：比如在FineBI中，数据分析的处理如数据建模，数据清洗，甚至是SQL的优化，大数据量的处理都可以在一个平台完成，同时易用，拖拽就能完成数据的可视化。

3、传统图表 VS 创新图表：

如果你只需要基本的图表类型，如柱状图或折线图，Excel完全可以满足啦~但你如果想创建表现形式更为丰富的互动图表，比如点击可以出现酷炫的交互效果，像D3.js之类的编程语言就更适合啦，但是学习此类工具的门槛也往往更高，有着陡峭的学习曲线和冗长的代码。或者也可以使用Processing，用它制作这张散点图的代码长度只有D3.js的一半。还有Lyra，它不需要任何代码基础，但也可以让你轻松修改数据有关的视觉元素。

4、交互图表 VS 静态图表：

你是需要创造基于网页的交互图表（如D3.js, Highcharts能做到的），还是PDF/SVG/PNG形态的图表就能满足你 (R和Illustrator可以做到)？几年前，互动图表曾受到高度追捧，但现在关注焦点慢慢从“看起来怎么样”转移到“什么才更有意义”。对于分析部分，交互特性往往也是很有必要存在的。Plotly和R的库Ggvis就可以让读者轻松地将鼠标悬停在可视元素上来查看基础数据。下图是作者对于软件/编程的在静态和交互的划分：

文章部分摘录整编自：知乎——美数课/赵乾坤

（迈点研究院严得英）2017年2月，国家统计局相关数据显示，2016年全年我国国内旅游人数达44亿人次，同比增长11.2%;国内旅游收入39,390亿元，同比增长15.2%。繁荣的旅游市场也催生着住宿市场的需求升级，规模化、标准化的传统星级酒店越来越难以满足消费者的个性化需求。而历经10余年的发展积淀，精品酒店逐渐走入大众视野，填补着这一细分市场的供给空白。

然而，精品酒店的发展却并不如中档酒店或公寓民宿等非标形态那样迅猛，无论是市场生态环境、品牌经营管理能力，或是消费群体成熟度都有待于进一步挖掘与探索。此次迈点研究院(MTA)联合TalkingData，针对中国酒店市场的运营与客群消费状况，推出精品酒店行业白皮书，旨在透过对近几年大数据的整合分析，深度解读这一细分市场，为精品酒店经营者、业主与投资人提供经营与发展参考。

本文是迈点研究院(MTA)与TalkingData继高端、中档、经济连锁酒店市场报告之后的又一重点发布，文中的精品酒店以迈点品牌指数MBI监测的精品酒店为主。此外，我们还在文中同步呈现了度假及客栈民宿两种住宿形态的相关数据，考虑到它们在“非标准化”上的一定类同，此处数据有助对比分析。希望本报告的数据分析，能够为行业经营管理者、研究人员等带来更多启发与帮助。

注：本篇内容为《2016年中国精品酒店市场大数据分析报告》的精华版，如需购买完整版PDF报告(599元/份)，可点击此链接，填写相关信息，由迈点研究院(MTA)研究员审核后联系您协调打款事宜及报告发送，谢谢。

一、精品酒店发展特征与市场还原

根据行业的普遍认知，精品酒店(BontiqueHotel)兴起于二十世纪八十年代的欧美经济发达城市(如巴黎、伦敦、纽约、旧金山等)。九十年代后，其在全球的发展开始逐渐加速，但总体分布状况长期不平衡。

国内精品酒店热潮的真正兴起，则要追溯到千禧年前后。而近几年来，随着旅游市场消费结构的变动以及个性化需求的提升，精品酒店得以实现爆发式增长。尽管如此，精品酒店投资在国内市场仍显“谨慎低调”。

三个重要发展阶段精品酒店快速崛起

据迈点研究院(MTA)的不完全统计，自1916年国内精品酒店市场上涵碧楼品牌的出现开始，近百年时间内，精品酒店市场先后诞生了30余个代表性品牌。其中在2000年前后，精品酒店开始迎来快速发展，而近5年时间内更是涌现了13个代表性品牌。可以看出，随着市场经济的不断发展与消费升级的深入演化，精品酒店已步入发展快车道。

小众消费市场规模仍有限

尽管资本力量不断介入，但在目前阶段，精品酒店仍属于小众市场，无论是体量还是消费，都尚未形成较大规模。截至2016年12月底，迈点研究院(MTA)统计数据显示，精品酒店在国内整体酒店市场中的数量占比尚不足1%。相较酒店业起步早、发展快，常规产品与服务日趋完善(转而追求特色个性塑造)的欧美国家而言，精品酒店在中国市场仍是一种新兴的业态。

华东地区市场繁荣杭州、上海精品酒店市场领先

在有限的市场规模下，精品酒店的市场分布也更为集中。从统计上来看，经济发展程度更高、旅游业更加成熟，同时人口流动频繁、市场需求更趋多样化的华东地区理所当然地成为了其最佳生长土壤，精品酒店在此占比达到了42%;其次是华南地区，占比约18%。而西北与东北地区的精品酒店市场则暂时落后。

进一步从城市分布上来看，精品酒店发展较快的城市仅有18个。体量最大的为杭州，北上广深也是其重点发展城市。不难发现，沿海旅游资源丰富的城市仍是精品酒店的主要市场，内陆以及西北城市仍大多处于空白。

从具体城市的精品酒店数量排名来看，杭州、北京、上海处于第一梯队;武汉、广州、丽江、深圳、三亚、苏州等略低于上述四个城市。

二、消费人群洞察

酒店消费人群画像是每位酒店经营管理者的关注焦点。掌握核心消费人群，不仅能够帮助酒店增加客户粘性、促动增值服务，更可助力品牌制定长期营销策略及发展方针、完成趋势预测。迈点网通过与TalkingData展开数据合作，在全国主要城市布局探针，挖掘精品酒店消费群体行为习惯，以此为酒店集团及品牌洞察核心客群提供切实参考。

80后男性为主，消费更加均衡

由于早前的精品酒店更多是由高端商务酒店升级转型而来，因而精品酒店的男性消费比例更高。这部分消费者在具体的消费偏好上更加理性，同时对生活必需品表现出了较高需求。

具体从消费人群年龄分布来看，对比度假与客栈民宿，虽然精品酒店消费主力军以80后为主，但这一年龄段的占比却略低于其他两种住宿形态的消费者。与此同时，精品酒店的70后消费者相较于度假及客栈民宿的消费者而言，表现更为抢眼。这部分人群追求生活品质，且同时为奢侈品消费的主力军，消费能力高、消费观念成熟。

而从消费人群线下消费类型偏好上可以看出，服饰鞋帽、生活服务、餐饮、珠宝手表是精品酒店消费群体较为喜爱的消费类别。而与度假酒店、客栈民宿的平均消费习惯进行对比后我们发现，精品酒店消费者并没有特别突出的消费习惯，总体趋于平衡。这一现象，也为精品酒店经营者试图进一步了解自身客群提出了挑战。

爱运动也爱休闲

除了基本的生活必需品诉求外，有趣的是，精品酒店消费者对健康领域有着很高关注，同时也注重自身精神需求的满足。

从统计数据来看，精品酒店消费者对健身器材尤为偏爱。相较于耗时更长、所需准备更充分，同时运动程度更激烈的户外、骑行等方式而言，健身房不失为高净值人群在商务出行或短途度假时的放松首选。

除此之外，在休闲娱乐上，随着消费人群的成长成熟，网吧、台球室等娱乐项目正在被电影院、足疗按摩等取代。而儿童娱乐的低消费也从侧面反映出精品酒店消费人群仍以商务、小规模度假等为主，而非家庭亲子出游。

未来社交与阅读将成精品酒店消费者主要应用偏好

随着居民可支配收入的持续提升、市场环境的不断成熟，在未来较长一段时间内，80后、90后消费群体都将持续进行成长。如何更好地迎合这两类群体、制定针对性的营销策略，需要酒店经营者加以思考。

伴随着移动互联网与消费金融的不断发展，未来势必将产生越来越多的线上消费行为。通过对精品酒店消费人群手机应用的整体使用偏好进行统计分析后，我们发现，目前精品酒店消费人群的线上消费集中产生在生活、网购与社交等方面。未来精品酒店消费人群的线上消费将在社交与阅读等方面实现更大突破。与此同时，相较于度假酒店及客栈民宿消费者而言，精品酒店消费者对房产相关应用的偏好仍有巨大发展潜力。

三、市场主流品牌实际运营案例解读

经过近几年的高速发展，精品酒店市场的整体变化轨迹，在迈点品牌指数MBI上呈现出较为直观的体现。除此之外，各个主流品牌之间的表现，也随时间推移拉开了一定差距。

近三年精品酒店品牌运营表现

通过对比近三年来精品酒店主流品牌在迈点品牌指数MBI上的表现，我们发现：精品酒店的总体的运营表现正在上扬。经历过2014年至2015年上半年的持续波动后，2015年第四季度开始，其品牌指数迎来大幅提升，并在2016年保持高位。可以说，精品酒店的市场影响力与消费者关注度均迈入了全新阶段。

花间堂、隐居、悦榕庄优势突出

在目前已有的精品酒店品牌中，国内品牌以花间堂、隐居为代表，国外品牌则以悦榕庄、英迪格等为代表。以迈点品牌指数MBI监测的品牌为例，统计数据显示，花间堂和隐居的品牌占有率最高，两者各占12%;而国外品牌悦榕庄的占有率只有7%。值得注意的是，仍有47%的市场被更多中小品牌瓜分，市场占座远未完成。从远期来看，围绕市场占有率的竞争将日趋激烈。

整体客群关注度周期性波动顾客口碑更加集中

精品酒店自2014年5月纳入迈点品牌指数MBI监测后，虽有周期性波动，但其搜索总量在整体上呈现出明显上扬态势，这也反映出精品酒店在消费者的潜在认知与客群关注度方面不断加强。而尽管品牌搜索平均值波动下滑，但相较于客栈民宿而言，起步更早的精品酒店仍具有较大优势，从早前家庭旅馆发展而来的客栈民宿目前在搜索总量与搜索平均值上都还处于起步阶段。

而在消费者口碑上，近两年中精品酒店主要以携程、艺龙、去哪儿这些市场主流平台的口碑累计为主，对于猫途鹰与住哪儿网的舆情经营还有待提升。

发展阶段不同精品酒店品牌媒体投放偏好不同

媒体的作用对于各类型酒店而言都至关重要，优秀的品牌善于通过媒体扩大其影响力，同时完成市场探测。从近三年精品酒店品牌在媒体平台投放的分布趋势来看，早前作用较大的中国航空旅游网、旅游圈、中研网等在2016年的新闻投放量均出现明显降低。2016年精品酒店主流品牌的新闻投放媒体高度集中在迈点、新浪旅游、中国网、搜狐旅游、人民网五大平台，五大平台的新闻投放量合计占到行业媒体新闻投放总量的90%。未来阶段，更紧密地集中资源，选择相对高效的渠道进行内容投放，能够让酒店品牌传播事半功倍。

结语

起源于欧美的精品酒店，近几年在中国被提及的次数越来越多。相较体量更大的中高端连锁酒店，因前期投入成本小，运营可控性高，吸引了越来越多的资本注入，使得其在国内的发展愈加火热。而它创新的设计与独特的氛围也让更多的前卫消费者开始关注这一新兴品类，并争相入住体验。

然而，从近一年精品酒店在国内市场上的表现来看，一方面，尽管新品牌不断出现，但精品酒店市场规模总体上仍未铺开，且品牌化竞争尚未出现，极具影响力与“话语权”的代表品牌也为数不多;另一方面，精品酒店的目标消费群体尚未成熟，消费贡献能力与意识均有待加强。

但从目前精品酒店的品牌指数表现来看，精品酒店在未来阶段无论是品牌影响力还是客群关注度上，均已呈现向好趋向。随着消费升级的加快，追求个性、差异化，同时消费能力与意识正不断成熟的80、90后消费者，有望成为精品酒店的核心消费群体之一。而这类群体对品牌概念更加重视，他们或将成为促使精品酒店步入品牌化竞争时代的“东风”。

四、迈点研究院介绍

迈点研究院(MTA)隶属于迈点网，专注于旅游及大住宿业大数据研究，提供多维度的大数据信息参考，具体包括品牌数据、经营数据、客群数据、分析报告、行业调查等内容，挖掘数据背后的真相，把脉行业发展未来。

完整报告请点击链接：http://res.meadin/IndustryReport/142015_1.shtml

随着大数据时代的到来，数据分析的价格更加凸显，特别是在企业管理、市场营销、新媒体运营、电商运营等方面，不做严谨的数据分析而做出的相关决策和方案，执行起来就等于摸着石头过河，“走偏”的可能性很大。

同时，随着数据分析工作的重要性凸显，数据分析师人才需求也呈现明显上升趋势，而成为专业的数据分析师需要掌握那些技能呢？

一、熟悉相关业务

我之所以把熟悉业务作为第一个需要掌握的技能来说，是想说明，数据分析是为业务服务的，一定是出于业务目的的，而不是为了分析而分析，不管这目的是源自管理还是营销或其他方面，业务为先是数据分析师时刻要明白的。

如果是企业内部职员，熟悉企业的业务相对简单；而如果你是作为乙方的独立数据分析机构成员，那你必须要修炼快速熟悉甲方业务的能力。同一个目标的分析，不同业务类型的企业，数据分析的侧重和方法必然是有差异的。

比如，A企业做高档化妆品，B企业做钻戒定制，都要为新推出的一款产品做推广方案，需要做前期数据准备和分析，虽然都属于面向年轻女性的业务类型，但要收集的数据和分析的侧重很是不同。

二、发现并识别有效数据的能力

数据虽多，但要找到有用的！

首先要找到需要的数据，也然后要理解数据，从而找到对分析目标有用的数据。

从数据来源讲，无非内部和外部来源，企业内部数据相对质量较高，但也不一定都有用，要根据分析目标选择需要的。

而外部数据除了一些免费公开的数据和报表外，可能还需要购买一些数据，还需要通过网络收集一些数据，但外部数据整体质量参差不齐，就需要花更多的时间筛选。

一般来说，有效数据能有70% 已经很好了。

三、数据整合加工的能力

一般情况下，收集到的数据来源较多，形式较多，存储方式较多，要利用这些数据，先要做好数据整合加工。

首先要删除重复数据，同一类数据尽最大可能整合到一起。

然后就可以根据需要对数据进行分类、排序等基本处理，为进一步利用做好准备。

四、分析数据能力

数据分析能力是我们需要掌握的核心能力，同时也是数据分析师最大价值的体现，而做好数据分析除了要掌握数据分析的方法和技巧外，用注意如下几个问题：

1、清晰而明确的目标，不能偏离

2、数据的有效性、完整性、真实性

3、分析过程的严谨性

分析结果的有效性需要各个环节的高质量工作才能保证，所以说数据分析能力是综合能力，而不仅仅是熟练的技巧。

五、设计及表达能力

数据分析过程很重要，但更重要的是将结果以最饱满的形式展现出来。

数据分析的结果会以各种形式的图表和必要的文字说明体现，并已PPT或PDF或其他文件格式输出，这里就需要处理两方面的问题：

1、美观度：需要我们对报告内容组织形式、图表颜色搭配、整体风格等进行必要的设计和调整，首先要从视觉上要给阅读者以专业的感觉。

2、仅设计专业不够，要清晰的表达出数据分析的结论，内容的组织和逻辑关系的梳理也是必不可少的，要在前后顺序、因果关系、结论建议等方面多做工作，从而达到完美展现分析结果的目的。

本来一份专业而严谨的分析报告就因为报告的粗陋而让阅读者不知所云，总是非常遗憾的，而在现实工作中，这种事情却就经常发生。

六、必要的管理知识

数据分析过程需要合理的时间规划和过程管理，特别是团队作战时，为了达到最初定下的分析目标，不出现时间延误，就需要对所有工作进行合理的安排。

必要的管理知识能对分析目标的确立、分析思路的形成、分析过程的把控和分析结果的生成都有很大的帮助。

再小的数据分析都是一个系统工程，不能一头就扎进去，需要全局考虑、合理规划、有序进行。

在人工智能时代，数据分析师是个稀缺职位，然而国内这方面人才又极度稀缺。

如果你正在转行找数据分析师的工作，别担心找工作难。现在数据分析刚起步资深人士不多，其他大部分都是转行过去的，基本上都没有太多的经验。

但是，很多人和我反映投递简历后，却石沉大海。这就好像给喜欢的人写了一封情书，对方却没有任何回复。

你说，扎不扎心？

我让这些人把简历发我后，才发行不是技术不行，而是简历根本不过关。

要知道，简历是公司了解求职者的第一个途径，也是求职者获取工作的敲门砖。可是， 有多少人明明很优秀，却败给了一份不合格的简历？

我再帮助很多人修改简历后，收到面试的概率大大提高。

下面我将手把手分享给你关于数据分析简历准备的清单，助你“赢在简历”。

5条总体原则：

1.越长的简历，越容易出错。能一张纸写完绝不用两张。

2.因为你是转行，与数据分析无关的内容、废话全部删掉。

3.发送给HR简历千万不要用Word版本，因为Word版本会在不同电脑上变形，务必使用PDF版本。

4.简历名称不要用“个人简历”或者“我的简历”，设想一下面试官电脑里有几十份“我的简历”的情形，难不难受？用“应聘XX职位-X年工作经验-姓名”就足够了。

5.用什么邮箱并不重要，但不要直接发一份带附件的空白邮件。邮件正文可以简单地描述一下自己的情况，但绝对不要空。

简历用下面5个部分组成就可以了：

项目经验，知识技能，教育背景，工作经历，其他技能

下面详细聊下这5个部分如何去写。

1

个人信息

除非你去应聘国企写上是否党员，否则无关的内容不要去。个人信息只保留这4个字段段就够了：姓名、电话、邮箱、求职意向。

不会有任何一家正经公司，希望在简历里看到饮食口味、三围、罩杯之类的信息。

修改后的简历案例：

2

项目经验

很多转行数据分析的朋友苦恼的是：

猴哥，我是转行，没做过相关的项目啊，根本没有经验，怎么整？

公司看你的项目经验，并不是说你要工作过，而是想通过你做的具体事情来了解你是否有方面的能力。

让别人知道你能力的最好办法不是你说了什么，而是你做了什么。各位老铁，感谢互联网时代吧，你做了什么是可以借助互联网留下痕迹。

所以解决办法很简单，做几个数据分析平台Kaggle上的项目，然后详细写到知乎上，当做你的项目经验。

其实这个办法我在 猴子数据分析社群 和之前的文章《 为什么你应该（从现在开始就）写专栏 》中多次强调过这样做的好处就是，你可以直接将自己在知乎写的该项目的文章地址放到简历里面。

修改后的简历案例：

写项目介绍的时候注意以下3点：

1）项目描述不是说废话，而是用简短的几句话证明你有某方面的能力。

比如通过XXX技术解决了XXX问题，获得了XXX样的效果。

2）适当的给面试你的人挖坑。简历的核心作用是“争取到面试机会”，不要把自己的底牌都放在简历里，适当的挖坑，引导HR问你擅长的问题。比如可以展示项目的成果数据，但是具体是如何做的，等到面试时再详细说。

3）放入项目的文章 超链接地址 ，方便面试你的人打开了解你做的项目详情，也同时证明你确实做了，而不是糊弄他。

这里要特别注意，很多人给我的简历都是简单放了个地址，你想想看简历的人谁有那闲工夫复制你的地址到浏览器中。

最好的做法是， 设置地址为超链接并加下划线 。搞IT的一看是蓝色还有下划线，就默认知道是超链接，鼠标一点击就进入你的项目文章。这就是用户体验的提高。

3

知识技能

列出于数据分析相关的技能，无关的技能统统不要。

凡是列了一大堆精通，里面还有Office的，几乎都会被刷。

一般不要写“精通”这2个字 ，因为这代表着这个技能你是这方面的专家级别的人了。正如凡是写精通Excel的，真正问起来，懂透视表与各种公式的，基本没有。所以，我的经验是写“ 熟悉 ”就可以。

4

教育背景

很多面试官看简历是按学校筛选的，所以好学校得到的面试概率确实比较大。

你也别怪面试官“势力”。假如你是面试官，天天面对那么多简历，肯定不会一个一个看，而好学校从统计概率上来看能力确实更好。所以他会先看学校。

所以，除非你是清华、北大等重点高校毕业的，可以把教育背景写到简历的最上面。否则，就把教育背景放到这部分。

好处是，他可以先看你到你前面的项目经验和知识技能，已经知道你具备了数据分析应有的技能，对你好感大增。而不会一开始就带着“非名校的歧视”看你了。

人都是感性动物，第一印象很重要。这就好比你第一次相亲见面，穿着干净是第一位的。

这让我想起当年毕业找工作的经历。我本科是二本毕业的，研究生是保送的中科院。所以在制作简历时，我采用了1个技巧，只写研究生毕业院校，没有写本科。

这保证了我可以更高概率的进入面试，当他问我本科的学校时，前面我已经给他展示了我的技术能力。这时候他问学校也是走个流程根本不放在心上，因为你的技术能力已经征服了他。

虽然是金子在哪都能发光，但是在发光前你的有机会进入面试环节。

修改后的简历案例：

5

工作经验

现在数据分析刚起步资深人士不多，大部分都是转行过去的，基本上都没有太多的经验。

但是这并不意味着你可以将之前无关的工作经验放到简历里，例如下面这个简历你能发现哪里有问题吗？

虽然你有工作经历，但是你写的工作经历完全与数据分析无关啊。上面的工作经历不仅没有起到任何加分项，还会让面试官认为你就是小白。

这简直是作死的节奏，那该怎么办呢？

虽然小时候妈妈教育我，要做一个诚实的孩子。

但是，我们还是学过一句话：学会说善意的谎言。

所以，你是可以把之前的工作经历包装成跟数据分析有关系的样子，拍电影还用特效呢，写个简历包装下自己也是可以的。

谁还没有个过去呢，只要你写的知识技能是自己现在已经学会的就可以了。

比如上面的社群会员做过质量检验员，但是我让他用社群课程里的统计概率知识重新写成这样，味道里面就不一样了：

你只要按照上面的 5个总原则 ，把简历里面的 5个模块 做好，就会比其他人更容易进入面试环节了。

下面聊聊投简历和面试的几个技巧。

首先，你可以选择海投简历。同时， 找人内推 ，这可以极大的提高你进入面试的概率。

还有，你想去哪个单位就把这个单位的数据爬取出来（大公司一般都有网站）。然后针对这些数据使出你的看家本领吧，分析出来个123，尽显诚意，感动面试官，同时还能展示你的数据分析技能。

进入面试环节后，不要被对方牵着鼻子走，要多说你会的你熟悉的，不会的就说没做过。这是为什么呢？

因为面试的时间相对固定，你说的多了。面试官问的就少了。你暴露的几率也就低了。

记住，面试是个长期的过程，很可能你投递简历很长时间没有人联系你，突然有一天电话就来了。这个过程很难熬，当初我找工作就是这么过来的。每当我想放弃的时候，我就会反复看《当幸福来敲门》。

最近看到很多社群会员找到了自己满意的工作，我特别开心。

感谢关注天善智能，走好数据之路↑↑↑

欢迎关注天善智能，我们是专注于商业智能BI，大数据，数据分析领域的垂直社区，学习，问答、求职一站式搞定！

今天推荐一些适合运营阅读的书籍。运营涉及的领域比较广阔，所以我也不限于入门，这份书单，即加强运营的核心能力，也能拓展运营的边界。

正如我强调过，运营的学习，不能限于一两本从「入门到精通」这种泛泛而谈的东西，而是根据自己的需要不断强化和进化，这是一种多领域交叉的阅读和吸收，也是广阔意义上的全栈。

譬如用户心理的应用，数据分析的应用，这些能力和经验能支撑运营走得更长久。下列的书单，虽是我阅读过或者被人推荐过，但不能保证全面性和权威性，大家报以尽信书不如无书的态度。

感谢这些书籍的作者辛劳，也请希望大家支持正版。

运营基础

这是运营的基础知识，每一位新人如果想要入行，都应该读其中至少一到两本。

从零开始做运营

运营应该都听过这本书，不多介绍了。对于-1～0岁的运营，想要借此入门，值得一读。入门没有老师带领，野蛮生长的运营，也可以更系统地了解运营。

运营之光

从零是入门书籍的话，运营之光更适合工作有一定时间的运营从业人士。从零会让你摸到运营的门槛，但是运营工作一段时间后会陷入到迷茫期，被繁琐、重复无意义的事情消磨掉热情。

这本书言辞诚恳，更着重思维层面的引导，迷茫期的新人读来，想必守得云开见月明。就是排版稍稍糟糕了些。

增长黑客

Growth Hacker这个概念就是由这本书热传的。增长黑客属于国外版的运营，只是单兵作战能力更强。AARRR框架就是由增长黑客流传过来。

这本书可以借鉴不少国外的经验技巧与案例。当然，它更强调「增长」，但是在互联网的后半场，增长不是那么一件容易的事。初读书不要被带偏方向，与其想增长爆点，不如多想增长引擎。

作者近期出了一本姐妹篇，侧重于实战案例，有兴趣也可以看看。

运营基础类的书籍不少，除了上述几本，还有「超级运营术」、「进化式运营」、「运营前线」等，市面上的运营内容处于百花齐放的阶段。不过有一点要明确，运营的概念广阔，运营书籍的作者们，他们所著内容都是过去职场经历项目经验的总结，有着深深的自我烙印。

所以有些书偏重社区，有些偏重用户，这一点就按照适合自己的来，不用贪多。多思考和多总结为主。

运营进阶

运营基础解答的是「什么是运营」，虽然附带了不少知识，但是对运营远远是不够的。因为运营有工作内容的方向细分，有所处行业领域的不同，想看单一的入门书籍完成蜕变，无异于痴人说梦。

运营还需要一些泛能力，泛能力可以是对行业的深刻理解（这点在本书单是无能为力的），也可以是招式能力，这些能力首要是好用。这里推荐几本对运营行走江湖有帮助的书籍。

疯传

作者在书中列举了传播的六个要素，并且以翔实的案例围绕这六个要素展开。

这本书的优点在于其指导性的思维框架，不论内容运营、新媒体或者营销类岗位，都能直接套用这个框架，包括具体的策划或者复盘，以扩大传播为己任。缺点是结合了国外的案例，国内的运营们还需要依靠自己的思考。

国内有一本类似的书籍叫「共鸣」，思维框架接近，可以看看。

影响力

心理学在传播的应用，可以视作「疯传」的补充。

如果说两者的区别，那么疯传理论更接近于制造出一个具有传播性质的热点，让它自我传播开来。影响力则告诉大家如何更多主动性的施加技巧。

运营想要产品脍炙人口，这类技巧是必须学习的，当然，还是要消化成运营的技巧。

游戏改变世界

游戏一直是运营中很有趣的一个分支，各种奖励系统、勋章系统都是来源于此。大部分人都应该玩过游戏，但是很少有人会去总结游戏背后的规律：为什么大家这么喜欢玩？

这本书概括了游戏让人成迷的四要素：目标、规则、反馈、自愿参与。作者以游戏行业人士的口吻，更倾向于教大家如何设计出一个好游戏，我们把目光关注到如何以游戏的方式让用户参与到产品中。这本书稍微有上升到哲学意义和社会学的高度，部分内容可以不看。

另外一本书叫「游戏化思维」，评分低一些，但和运营应用相关性强一些。

文案发烧

运营肯定要和文案打交道，它是运营的基础能力之一。虽然不需要广告那么专业，但是拥有出色的文案，在内容运营等领域如虎添翼。

文案实战性很强，属于看了很多书，不会的人还是不会。看书，一是希望运营能掌握文案的思考方式和技巧，避免歪路。第二便是从优秀文案处汲取灵感。多看多练永远是不二法门，但是不要生搬硬套。

另外可以阅读「广告文案」，「文案创造完全手册」等。

玩法变了

比较老的一本书，在电商风起云涌的年代出版，以今天的眼光，依旧有可取之处。

虽然说得是淘宝卖家如何运营，但是对互联网产品，尤其是电商和活动运营人员，很多技巧和思考方式是通用的。你既能了解促销、打折这种经典玩法，也能理解品牌和流量这类商业化的思考。

小米生态链战地笔记

小米生态链的打法。小米的模式颠覆了很多传统科技公司的做法，也带来了新颖的营销理论。另外一个不错的地方是和硬件相关，运营纯线上有纯线上的不足，多换视角看待问题。

小米另外一本营销类的书籍是「参与感」，对用户运营也有启发作用。

技巧类的书籍还有不少，比如SEO相关、网站运营相关，都是各自的垂直领域，因为我阅读量有限，就不多推荐了。大家可以留言补充。

心理

很多人，喜爱把心理学等同于「猜猜我心理想什么」，这是对心理学的错误理解。它本身就是侧重研究和实证的一门学科，更不是色彩心理等快餐读物。

运营之所以要学习心理学，是因为产品从用户的需求出发，需求是和人性，心理特质密切相关的。运营不能不了解用户，另外一方面，掌握各类心理的应用技巧，也将更有助于运营工作的拓展，

思考，快与慢

大名鼎鼎的书籍，作者是诺贝尔经济学奖的得主丹尼尔卡尼曼，获奖原因是他将心理学引入到经济学，传统的经济学遵循理性人假设，而作者另辟蹊径，探讨了理性和感性，逻辑和直觉的关系。

书中开始，论证了人类有两个思考系统：系统1和系统2，一个依赖下意识的直觉，另外一个则是深思熟虑后的决策系统。在后面，引入了不少有趣的经济学案例，当一个人有80%的概率获得1000元，以及100%的概率获得900元这两个选择时，为什么大多数会倾向于保守？当获得变成损失时，人们又愿意做出那种哪种选择呢？

在书中，你会获得不少有趣的理论，尝试在运营中应用它们。

怪诞行为学

和上面的书一样，作者也是响当当的行为经济学家。

书中举了很多有趣的例子，作者笔风又足够幽默，所以读起来不觉乏味。看完之后，生活中的很多「为什么」获得了解答。当然这类书籍，最大的缺点就是没有指导实践，运营看完后会认为自己学了很多，但是离应用还差了不少。

这是系列书，一共有三本。

别做正常的傻瓜

前面两本是国外读物，本书更接近国人喜欢的文字风格。当然啦，看封面也知道挺有趣的。其他的通俗读物还有「隐性动机」、「理性犯的错」。

如果希望比通俗阅读更深一点，又比学术文章浅一点，可以看「决策心理：齐当别之道」。

乌合之众

书单中最古老的一本书，但是在今天仍旧散发着影响力。

它是论述社会心理学，对人们群众阐述地比较深入，书本并不厚，但是读完会对群里行为和群体心理有一个了解，如果是新媒体相关的运营，或许会有更深刻的感想。

这本书的应用性不强，或者说它的应用必然会遭受非议，比如煽动，所以把它作为了解用户群体的读物吧。

营销

营销类学科和运营的关系匪浅，很多运营理论就是脱胎于市场营销专业。我相信，出色的运营人员一定能成为出色的市场营销人员，反过来，运营人员也可以学习市场营销扩展知识面。何况，国外的运营工作，也是Market部门承担。

这里推荐的书都比较学院派，目的是解决运营路子中「野」的一面。他山之石可以攻玉。

营销管理

非常厚的一本书，已经出到第15版，很多市场专业学生的课案教材，科特勒的经典著作，无需再多介绍。

囊括内容足够多，诸如细分市场目标市场、传播价值等，阅读起来会花费不少时间。一定运营基础的同学，阅读过程中一定有似曾相识的感觉。市面上的运营书籍已经不少，但是从管理角度、战略角度看，这个领域的运营仍几乎是空白。阅读本书可以多联系国内运营案例和体系，或许会帮助你高屋建瓴的搭建出更高的思维。

定位

定位之父杰克·特劳特凭借此书奠定了定位理论，所谓定位理论，它不再强调产品的优异，也不再拘泥于满足用户这一营销认知。「满足需求」在互联网行业不是天然正确的么？

定位告诉你，并不是。

产品想要决胜，是在用户心智中的战争，用户认为你产品什么样，与从业人员的认知划不上等号，前者更重要。这个理论在「营销管理」中也成为4P(position)之一。

这本书的案例有缺点，立论不强，作者喜欢以事后诸葛亮的口吻论述企业成败全都是因为定论，XX成功了，因为定位用得好，反之，则是没有成功运用定位。这一点还是仁者见仁了。

消费者行为学

仍旧是国外的教科书，国内的运营因为年轻，而且早几年的生存状况更接近野蛮生长，所以导致运营在商业化的能力偏弱。

面对用户，可以通过留存拉新甚至活动得到一个很好看的数据，但是面对消费者，要把产品/服务卖给他们，就力有未逮了。

这本书属于概念多且杂，单拎出一点对运营都是有帮助的，整体看又过于零碎，不方便消化吸收。类似：说出了隐隐有体会但是不能系统表达的观念，又无法让我更进一步。部分内容很啰嗦，可以跳过。

一个广告人的自白

第一眼看书名，以为是奥格威的自传体，然而这本书将广告业的核心一一道来。

这本书更多是思想上的启发，所以对运营有帮助。运营本来就是和市场营销、广告营销乃至数据分析多领域交叉，所以看这类书均是开卷有益。因为是广告书籍，所以和客户相关的都可以快速略过，毕竟这不是运营的本业，将精力集中在如何创造高水平的广告上。

广告类的书籍，还有「科学的广告+我的广告生涯」，以及「蔚蓝诡计」。

运营思维

运营重于术，往往忽于道，所谓运营体系也只是更高层次的术罢了。通俗说，道是一种思考方式和思维，思维能调整和创造出一个良好运行的运营体系，并且这个体系有自我进化的能力，应用广阔，能商业化，能纠错。否则你讨论再多的运营体系，也只是复制黏贴，把以前的经验拿过来用而已。

运营思维是经验和时间的积累，没有速成的方法，下面的几本书，更多是师傅领进门，修行靠个人。

金字塔原理

不知道是金字塔原理铸就了麦卡锡，还是麦肯锡铸就了金字塔原理。

金字塔思维是一种高效的思维方式，在职场中能发挥很大用处。这本书虽然讲述了金字塔原理，但是比较晦涩啰嗦。

说白了，它就是中国人小学开始就学得文章结构：总分结构。抱着这样的认知读会轻松不少。想要掌握金字塔是比较困难的，因为思维方式具有惯性，不经历大量练习很难改变。

所以比这本书更重要的在于，如何通过不断的练习掌握它。另外还有「麦肯锡思维」「麦肯锡方法」「麦肯锡工具」，没啥区别。

思考的技术

作者是知名咨询公司出身，本书是咨询公司凝聚出来的分析经验。

书中有一句话说得很多，思路决定出路，没有了思路也就没有了出路。运营在很长的一段时间内需要不断重复工作，但在一定年限和经验后，良好的思考方式会决定未来，好的运营会把时间花费在更多的策略思考上。

书中列举了不少经典的思考模型，对于这方面空白的运营很多帮助。至少比金字塔原理更靠谱。类似的书籍有「BCG视野系列」、「完美咨询」等。

零售的哲学

7-11是最知名的便利店之一，这本书讲述的是其创始人四十多年经验心得。

有人说，7-11是一家真正的互联网公司，它重视用户体验，分析用户心理，并且提供用户价值，是一本零售行业的互联网思维指南。这从侧面论证了这本书的价值。

新零售行业是未来的一个风口，与之相关的从业人员，应该读一读本书。

经济学的思维方式

运营是离钱最近的岗位，也是离商业最近的岗位。

好的运营，必然需要经济学思维，成本选择、收益预估、风险规避等。这是往运营管理岗位迈步的技能之一。

这是一本入门书籍，翻译略糟糕，慎重（或者看其他版本）。

其他什么魔鬼经济学、牛奶可乐经济学，也可以当厕所读物的。

学会提问：批评性思维指南

一本关于思考的书。

国内的成长环�...

当数据分析师在接受面试的时候，很多时候会被问到自己完全没有接触过的问题，虽然大多时候面试完全是靠自己过硬技术和经验来解答。但遇到一些完全没准备的问题后突然有种后悔的感觉，后悔面试前没有好好准备被面试到的问题解答。那我们就来归集下数据分析师面试的时候都会遇到哪些问题那？

当然这里只提一些技术相关问题，并不设有答案。常规问题还是完全靠自己的临场发挥了：

1、如何在没有技术背景的情况下将技术信息传达给某人？并提供示例

2、描述一下曾经参与的项目，看到的信息是什么样的？对分析的影响有哪些？

3、使用过哪些计算机软件和数据库？使用这些软件或数据库的目的是什么？

4、描述下分析结果的形式和分析结果被否后，你是怎么处理这种现象的？（这其实是两个问题）

5、描述下你的分析过程，从哪里开始？

6、你有8个球，一个球重1.2公斤，其他的重1公斤。你只需要进行2次测量。怎么会找到1.2kg的球。

7、假设道路上有A点，从这一点来看，任何汽车在20分钟内通过的概率，是p。然后问你：车在2分钟内通过概率是多少？

8、如果有五个车站可以从一个车站到另一个车站，那么列车可以行驶多少次

1.2 自选动作

根据简历来问，简历上写什么就问什么，会问得比较深入。简历作为敲门砖，撰写也是非常重要的，切不可写的过于夸张和造假，奉劝各位不要作死，毕竟不作死都有可能会死。Python、Stata、R、SPSS、SAS、EViews都算比较常见的数据分析工具。比如简历上写“精通Python”，虽然hr知道简历注水是常态，但既然都“精通”了，那问到pandas，regular expression，DataFrame.iterrows()返回的是Series还是dictionary还是list of tuples，tuple和list的区别的时候好歹都得答出来吧……

2.逻辑思维

主要分为两方面，对业务逻辑的理解能力和行文的逻辑水平。

2.1业务逻辑

虽然一个业务看似流程简单清晰，但产生数据的复杂程度往往超过大多数人的想象。对业务逻辑的考察主要通过相关项目经历。这里小编告诫大家一句，写在简历上的项目经历起码自己要非常熟悉，对答如流。以我家hr为例，每天接触的是700多张表，每张表的字段往往超过200个。这些表和字段往往还有关联。面对这么多业务指标，能否迅速理解它们之间的联系? 面对新的数据需求，能否逻辑清晰地将它拆分成指标、二级指标并进行各种计算? 面对复杂的局部最优化和全局最优化需求，能否“抓大放小”，能否迅速找到关键控制点、关键影响因素并加以优化?思维不敏捷，逻辑不清晰的话，是很难做好这份工作的。

2.2行文逻辑

毕竟最终产出是一份份报告，可能是HTML邮件也能是PDF。文章结构还是很重要的。这里不展开说了，不过关键的几点是先说结论，先写摘要。

3.理论储备

也分为规定动作和可选动作。

3.1 规定动作

主要是基础的统计学理论，如方差、协方差、算数平均数、几何平均数、中位数、众数、分位值、双峰数据、长尾数据、假设检验、期望迭代法则、贝叶斯原理等。

3.2 自选动作

根据简历来问，简历上写什么hr一定会问什么。第三次奉劝各位不要作死，写的检验也好机器学习算法也好好歹自己要知道原理、适用条件、局限性。不然跟你聊起Pearson distance、K-means cluster的随机性问题的时候你接不上来也是很尴尬的。

4.对细节的敏感度

作为数据分析师，每天要关注大量数据指标。对细节的敏感度是非常必要的。这主要分为两方面，对统计口径的敏感度和对数据的敏感度。

4.1 统计口径

统计口径一致是确保数据可比性的基础，这非常考验数据分析师的敏感度和行业经验。比如转化率，是点击算转化还是注册算转化还是购买算转化？配送时间，是从用户下单开始计时还是从订单确认开始计时还是从商品出库开始计时？客单价包不包括配送费、打包费、代金券形式的折扣优惠？

4.2 数据

面试者对数据异常波动、离群值、平均数没有代表意义等情况的迅速识别能力。比如已知然寿司套餐单价1,500，酒水单价300，平均客单价2,500，能不能马上想到这可能是双峰数据或者长尾数据，抑或既双峰又长尾的数据？

5.学习能力

互联网行业瞬息万变，光数据的存储就有Oracle、MySQL、Hadoop、Spark、Hive、Impala、谷哥哥三驾马车等一大堆奇奇怪怪的东西。互联网行业的从业者经常要面对新需求、新工具、新方法。能否迅速掌握新知识，解决新问题面试者必须证明给hr看。主要考察的方式是了解过往项目经历，或者出作业题(比如Sci-Hub)。

6.排版和简单UI设计

数据分析报告必须简洁、清晰、重点突出。主要考察方式是出作业题让面试者限时交一份slides(就是PPT啦)出来。能掌握标准的Microsoft Design Language是大大的加分项。

7.价值观

主要看工作热情、态度、道德水平等等，这方面的问题比较随机。

面试也是一门学历，失败的面试经历未必是坏事，积累面试经验是一种进步，祝各位找工作的数据分析师们的求职成功！

学好大数据，需要多读书。为自己建立一份书单，好好学习天天向上。我们根据大数据学习内容的特点，对相关内容进行整理和排序，从基础统计学到基础机器学习，再到内容更深入的专著，从具体的话题讨论，到整个行业的分析。这些书中既有数据科学经典读本，也有最近出版的新书，希望能帮助大家从中找到感兴趣的阅读内容。

1. 《深入理解机器学习：从原理到算法》Understanding Machine Learning: From Theoryto AlgorithmsBy Shai Shalev-Shwartz and Shai Ben-David

本书为剑桥大学机器学习教材。机器学习是计算机科学领域发展最快的分支之一，其应用具有深远的意义。本教科书的目的是有条理地介绍机器学习及为读者提供算法范例。本书介绍了机器学习基础知识，并详细解释了将这些原理转化为实际算法的数学推导理论论述。2.《统计思维：程序员的概率与统计学》

ThinkStats: Probability and Statistics for Programmers

作者：Allen B. Downey

《统计思维》是针对Python程序员编写的概率和统计学专著。本书强调利用简单的技术处理实际数据集（real dataset）、回答一些有趣的问题。书中还介绍了对美国国立卫生研究院的案例分析。作者鼓励读者在实际数据集项目中通过实践来学习。

3. 《统计学习基础：数据挖掘、统计与预测》

The Elements of Statistical Learning

作者：Trevor Hastie, Robert Tibshirani and Jerome Friedman

这本书在普遍概念框架中描述了数据学领域的重要思想。虽然这种方法属于统计学范畴，但本书的重点在于概念而不是数学。这本书的内容涵盖范围广泛，从监督式学习（预测）到无监督式学习。讨论的话题包括神经网络，支持向量机，分类树，其对boosting算法的讨论更是首创。

4. 《数据学基础》

Foundations of Data Science

作者：Avrim Blum, John Hopcroft, and Ravindran Kannan

虽然计算机科学的传统领域仍然非常重要，但越来越多的研究人员将使用计算机来了解和提取应用程序中出现的大量数据的可用信息，而不仅仅是利用计算机解决特定的问题。

5. 《大数据：互联网大规模数据挖掘与分布式处理》

Mining of Massive Datasets

作者：Jure Leskovec, Anand Rajaraman and Jeff Ullman

本书的编写基于斯坦福大学计算机科学课程“CS246: Mining Massive Datasets”。这本书和斯坦福的课程一样，是为没有计算机基础的本科学生设计的。为了支持读者进行更深入的探索，大部分章节最后都补充了深度阅读参考资料。

因为Python拥有像海一样丰富的第三方库，所以Python在数据分析方面能够处理的问题非常之广，从Excel比较擅长的公式计算，数据透视分析，到MATLAB比较擅长的科学计算，再到R语言中那些零散的机器学习库所能做的事情，Python都能优雅从容的面对。而这些工具不擅长的网络爬虫，大数据分析(结合spark)，Python更是能够出色的完成。

今天我们就来说说Python在数据分析方面有哪些优势？

① 相比Excel，Python能够处理更大的数据集;能够更容易实现自动化分析;能够比较容易的建立复杂的机器学习模型;

② 相比spss，spss是个统计软件，只适合在科学研究领域做实验数据的分析，并不适合做偏向实际应用场景的数据的分析;而Python能够处理复杂的数据逻辑，适合这些场景;

③ 相比R语言，Python的机器学习库只有一个—sklearn，所有的机器学习方法都集中在这一个库中，而R语言，我不清楚它到底有多少个用来做机器学习的库，R语言中的机器学习方法是如此的分散，以至于很难掌握。而且Python的使用人数在不断上升，有一些曾经只使用R的人在转向Python，我自己开始学的也是R，最后也学了Python。投入到一个呈现上升趋势的技术中，未来才会更加宽广。

④ 相比上述的几个工具，Python在做机器学习，网络爬虫，大数据分析时更加的得心应手。

小编这有一份《利用Python进行数据分析》PDF版，免费分享想要的小伙伴可以私信我~