如果说2015年是SaaS的元年，那么2016年就是SaaS的爆发年！经过了一年多的爆发式发展，处在风口的SaaS企业将会何去何从？流量获取的价格越来越贵，SaaS企业精益化运营之路又该怎么走？
数据分析本来是一份枯燥的工作，它需要你有较好的逻辑分析能力，熟练的业务能力，敏锐的行业洞察力，最终才能做到用数据驱动商业化决策。
作者将数据分析师分成初级、高级、数据挖掘工程师三个层次来阐述，大家正好可以对号入座。
掌握一些生成基础数据的方法也非常重要。本期文章，我们以医疗场景为例，手把手教你生成基础数据。
在信息化时代，网络舆情对于企业来说如一柄时刻悬在头顶的达摩克利斯之剑。
想要培养数据分析的能力，我认为可以从两部分来着手：一是数据分析方法论的建立，二是数据分析从入门到精通的知识学习。
数据科学需要哪些技能？如何才能学会这些技能？
对于市场和运营的同学而言，刷单是个很让人头疼的问题。
哪三个模型呢？决策树、K-means聚类、因子分析。
很多时候，唯一能证明你的产品对错的方式就是A/B测试。
在大数据时代背景下，从数据科学当中得到的洞察结果是提高用户体验的最佳途径。
威斯布鲁克请继续疯！！！
漏斗图适用于业务流程比较规范、周期长、环节多的流程分析，通过漏斗各环节业务数据的比较，能够直观地发现和说明问题所在。
产品优化中的每一处改动都应该经过数据精确的衡量。
在数据分析过程中，聪明的数据分析师也会常犯些错误
