分析师对市场营销价值表现出积极的看法

当被问及如何评估和分析所研究的公司时，“品牌/营销实力”是分析师最常提到的因素（占79%）。这一点排在领导素质（76%）和技术创新（72%）之前。

进一步的调查结果显示，更多的分析师认为广告是一种投资（37%），而不是一种成本（24%）。38%的受访者认为是两者的混合。

对教育的需求仍然十分迫切

尽管在某些行业有积极的看法，但在其他领域似乎缺乏对营销的理解。例如，市场营销被认为对“利润率”（77%）和“销售量”（71%）贡献最大，但在“销售价格”（即产生的溢价）和“股价”等领域贡献较小（54%、44%）。

此外，当被问及如果他们分析的公司宣布削减营销支出他们的反应时，只有36%的受访者认为这是“短期的解决方案，长期的负面影响”，而超过一半的分析师（52%）认为这是“积极的成本节约措施”。

分析人士支持改变营销支出的“会计处理方式”

当被问及他们是否认为营销支出应该像技术研发那样被视为资本时，近90%的分析师认为营销支出应该全部（56%）或部分（33%）作为资本支出。

67%的分析师还希望看到无形资产作为一个整体的报告和核算方式发生变化。

以下故事根据真实事件改变，如有雷同，纯属巧合

阴差阳错，大学数学专业毕业的小明来到了某家互联网公司工作，内容是做用户获取的运营。在小明过来之前，部门领导希望能够更好地建立对外部买量广告渠道的质量进行数据监测，于是小明就担负起了这个重任。

公司外部买量的线上渠道主要有四大媒体来源，它们分别是应用商店，信息流，搜索，其他（网盟，CPA，DSP）。

此时应用商店的流量资源主要掌握在手机厂商里面，如OV，小米，华为等，苹果应用商店因为没有开启商业化，所以公司没法做广告投放，只是做了一些刷榜的工作。而百手，360，应用宝等第三方应用商店的流量在手机厂商的冲击下，逐渐日薄西山，流量日渐稀少，只剩下应用宝因为有腾讯系的导流才苟延残喘。

信息流其实就是以前PC互联网的展示广告，目前市场上规模较大的信息流流量主要有腾讯系的广点通，今日头条，百度，微博等，小明的公司在这些地方的投放量也较大。

随着用户转向应用商店搜索下载应用，搜索这个渠道对公司获取流量占比已经越来越少，现在只是维持投放着。

除了上面这些看得见，摸得着的渠道外，剩下的小明统统归类为其他渠道，因为这些渠道摸不着，充满着技术和AI的味道，有各种高大上的词汇。即便如此，明眼人一眼就看出这些都是长尾流量，而低劣，垃圾，作弊流量充斥期间。

于是乎，小明一个个开始了这些渠道的攻克工作。

手机厂商应用商店：好一个东北大乱炖

在梳理应用商店的资源类型后，小明画了下面这张图，将手机厂商应用商店的资源分为三大类：应用商店搜索，商店展示资源，手机厂商的信息流。

应用商店搜索和展示资源都在应用商店APP里面，手机厂商的信息流则包括手机厂商的其他广告位资源如手机厂商自带的浏览器，新闻资讯等APP上面的广告位。

应用商店的搜索下载量主要取决于用户的主动搜索需求，如对社交的需求，对音乐的需求，每天的量都是一定的，搜索小明所在公司APP的人也是一定的。理想的投放情况是，广告只投放到行业的相关词里面，而不应该浪费在品牌专属词上面。但倘若小明不投放自家的品牌专属词，自家的词就会有一定比例的流量被隔壁的老王抢走，于是小明不得不保持对专属品牌词的积极投放。这样的结果自然导致付费的量侵蚀了自然量，小明公司得为这些词花了冤枉钱，就跟过去在百度投放广告一样。

面对商店广告投放无法归因的问题，小明他们不得不采用投放一阵子广告，然后停止投放广告投放来对比自然量和付费量变化来分析付费量跟自然量之间此消彼长的关系。

除了这个无法区分自然量和付费量的问题外，跟其他公司一样，小明还需要避免高估应用商店，低估其他渠道的麻烦。毕竟小明公司在线下影院，地铁，户外等媒体资源上做的品牌广告投放最终都会变成一个个主动的搜索，在线上的投放也有一部分会转化为应用商店的搜索。再加上有部分手机厂商出于商业利益，还会设法劫持其他渠道的流量，这样就导致了其他渠道的效果被严重低估。

手机厂商劫持第三方的安装，有明劫和暗劫两种，明劫就是在侦测到用户下载某个应用后，自动弹出窗口提示用户刚下载的安装包过旧，不安全，建议用户通过应用商店下载安装；暗劫就是神不知鬼不觉中把第三方渠道的安装包替换为手机厂商自己的

信息流：转化真如此多娇吗

为了优化代理商结构，小明公司在同一个信息流媒体上引入了新的代理商开始了投放。但这些代理商的投放表现很差，首先在量级上面，这些新代理商能竞争到的曝光量很少，虽然已经给出了较高的竞价。咨询媒体后，原来是有所谓账户质量评分的因素，也就是说一个新开的账户，他的账户质量只有平均水平，这个分数会随着他的投放时间和投放表现不断增加，质量分数高的账户拿到的潜在曝光也会比较高。若广告主在投放过程中，中断投放也会影响这个质量分数。知道这个情况后，小明心里万马奔腾，心想这些广告平台真是够凶残的。

能否获取曝光是一方面，更让小明公司郁闷的是，这些测试公司，根本达不到公司对转化成本的要求，公司要求的一个APP激活用户为10块钱，但这家新引入的测试公司成本已经达到了30块钱。眼看测试期，还有一个星期就要结束了，公司跟对方商务下了通牒，说若成本达不到要求就停止合作了。没想到过了几天，成本突然好转了，达到了8～9块钱一个激活。

小明知道后很高兴，想了解下代理商如何做到的，于是找了代理公司负责优化的小A了解，但小A也说不出所以然来。这个事情直到小明观察了数据几天后有有了结论。原来这个好的转化，全是梦幻泡影，真实情况是代理商销售在外面找灰产做了一点假量。

网盟/CPA/DSP：一场心力憔悴的斗智斗勇

如果一个行业热衷于造概念，那这个行业一定没有好好干事，而恐怕没有哪个行业的概念和新词有广告行业多了。

网盟是网站联盟的意思，最早始于PC时代，其作用是通过技术的手段聚合长尾媒体的流量资源，从而可以规模地变现。在移动端，则演变成了移动APP联盟，如腾讯广点通联盟，admob等。

DSP字面的意义是需求放平台的意思，广义上，这个概念可以属于任何广告主投放广告的平台，但真实情况是，售卖DSP概念的公司往往是偏网盟类的公司。

CPA意思是按效果计费，基本全部信息流媒体按cpc（点击）或cpm收费，应用商店也有按下载收费的业务，所以CPA在今天往往被用于长尾的，非标的，或者说不清道不明的资源推广。

在了解到这些渠道的性质后，小明深知水深，不敢怠慢。信息流代理商刷量的事件也让他增加了通过数据反作弊的意识。当时公司产品的平均次留为60～70%，其中应用商店更高一些，信息流稍差，其他渠道最低，于是小明对网盟CPA/DSP这些渠道制定了次留一个不低于40%的标准。通过这个标准，小明排除掉了一半质量低劣的渠道包。

渠道包是在安卓下面用来区分不同代理商/不同媒体安装来源的方法，一般CPA类的代理商会从广告主那边获取很多渠道包，然后分发给上游的各个媒体或做量公司。

但是过了一阵子，这个次留的标准也不好使用了。有天反作弊的同事过来找小明说，渠道的新用户里面充满了诸多登录后就闪退的情况，并给小明提供了一系列的数据，小明看后，深感悲愤，悲的是自己考虑不周，愤的是行业节操竟已如此之低。

于是小明加强了甄别标准，同时增加了每个各个功能操作的渗透率，使用次数等判断指标，于是又干掉了一大半。

…..(中间省去斗智斗勇好几个来回)

最终，小明对渠道的甄别标准囊括了留存率，各项行为指标，甚至付费转化率，付费金额这些，建立了水泄不通的质量判断标准。

小明心想可以高枕无忧了，直到有天有个精通灰产的人告诉他，这个世界上还有劫持这样的黑科技存在。

渠道包劫持是通过运营商网关或者手机底层对用户下载的安装包进行替换，达到用户由A渠道变成B渠道的目的。

至此，小明对数据的信仰全面奔溃。他从公司辞了职，一个人去了西藏。而公司在小明的建议下，也全面停止了跟这类公司的合作。

当前，数据逐渐在企业端扮演着仪表盘、方向盘、发动机的三重角色。开放的互联网为企业进行市场、品牌研究，消费者洞察、营销传播研究提供了丰富的数据源，同时也给数据分析师们带来了难题。第一，数据量巨大，已经超过了单机Excel等工具的能力范围；第二，目前主流的BI产品主要支持对结构化数据的分析，互联网大数据基本上是非结构化的，文本的数据。数据分析需要多道工序环环相扣紧密配合，从数据采集、数据清洗、数据建模、量化分析、可视化等，是一个复杂且繁重的过程。在海量的数据基数下，处理的难度被指数级的放大。这对于分析师来说简直就是噩梦。

数说立方为文本大数据分析师量身定制，它的背后是一个海量计算平台，创造式地搭载了分布式搜索、语义分析、数据可视化三大引擎系统，解决海量文本数据挖掘的难题。

分布式搜索引擎使得数说立方可以像普通搜索引擎一样，通过各种关键词组合条件筛选，快速定位和过滤文本数据。

语义分析引擎标配了文本分析师必备的情感分析、实体识别、语言消歧、文本分类聚类等自然语言处理算法。

实时数据可视化引擎使得分析师可以第一时间获得数据的可视化反馈，快速动态调整定义、模型等前序参数。三者搭配，为分析师提供颠覆式的海量文本数据实时可视化处理平台。

数说立方追求分析师的极致体验。它的本质是一个BI产品，它拥有基础的数据布尔查询、OLAP、可视化。面对海量非结构化数据，实现“秒级响应”和“简单操作”。量级上亿数据也要求秒级响应，轻点图表即可追溯到原始数据，文本挖掘算法成为标配。除此之外，数说立方还配备亿级Socia人群洞察数据库，支持全网实时数据源的无缝接入，是一个完整的互联网大数据洞察平台。

数说故事联合创始人郭怡适博士表示，数说立方从产品团队启动到发布1.0版本，仅用了一个多月的时间。这完全取决于数说故事在海量数据处理、文本数据挖掘和数据可视化的长期技术积累。“数说立方一开始是为了服务我们内部的数据分析师。面对海量文本数据，分析师们捉襟见肘，由于缺乏适合的工具，很多时候还需要寻求程序员的支撑，反复沟通带来了时间和精力的巨大损耗“。“以往想要对提及“圣诞节”，并且抱怨“没有礼物”的所有微博用户进行人群洞察，分析不同城市、不同年龄、不同性别的用户消费偏好，一个完整的流程一般需要一两天甚至一周的时间，而在数说立方上面，仅需要几个简单的Query即可完成“。“我们要解放数据分析师，让分析师将更多的智慧投入到数据的洞察中”。

目前数说立方1.0将采用邀请制的方式，向数据分析师开放免费试用，用户可联系客服获取试用权限。

除了数说立方之外，数说故事在春节前还将陆续推出另外两款重量级数据产品——“数说聚合”和“数说雷达”。前者解决企业获取数据的问题，提供统一的互联网数据API；后者网罗互联网上关于一个企业、品牌的所有可见数据，帮助企业快速搭建外部大数据平台。这三款产品，从数据源、数据分析、到数据展示形成完整的闭环将为企业提供一站式的互联网数据快速解决方案。

体验链接：http://cube.datastory.com.cn/?dskid=aaa005

数说立方申请试用tips：

1、直接扫描下方二维码注册后进入免费试用申请环节

2、如果您是资深数据分析师，而且拥有粉丝数5000以上的活跃自媒体号，

请发 “ 数说立方免费试用 ” 调戏数说故事 ( DataStory2015 ) 微信小编。

1、关于榜单数据范围：

榜单数据的分析基于分析师给出最高评级（买入、推荐）的推票记录。时间跨度为2014年10月1日至2015年9月30日，成功率统计时点为2015年10月16日。

券商分析师通常会覆盖一定范围的上市公司，这其中大致又可分为三档：强推、普通推荐和只覆盖不做推荐。评级的划分很大程度上能反映出分析师的态度，给予最高评级的标的通常意味着非常看好和推荐买入。

由于A股分析师几乎不会给出中性以下评级，因此若以中性以上评级所有推票记录计算，则分析结果将会产生偏差。

2、关于成功率的考量：

本次榜单评选以推票后成功率作为考量刻度。

短线成功是指，推票后1个自然月内的最高涨幅超过15%（含）；中线成功是指，推票后3个自然月内的最高涨幅超过30%（含）。

这一标准的选择也考虑到投资者依据此结果进行相关操作的可能性。

3、关于成功强推次数：

分析师可能会对单只标的进行多次强推，每强推一次则计入强推次数。

榜单中的成功强推次数，是指分析师强推后该标的完成1个自然月（短线）或3个自然月（中线）的次数。

考虑到数据过小可能发生的偏差，本榜单剔除了成功强推次数为5次以下（不含）的团队。

4、关于评选单位：

本次榜单以实际的券商行业研究团队为单位。

分析师研报署名并不统一，可能出现：1）同一团队的研究结果，会以不同人员的名义署名；2）同一分析师可能覆盖不同行业；3）部分分析师的报告由于某些原因，会暂时以其他人员的名义代署。

因此若只以分析师个人为单位进行评选，实际结果难免发生较大偏差。

5、关于数据来源：

本榜单基础数据由汇智赢家提供（了解数据来源请点这里）。华尔街见闻拥有对此榜单的最终解释权。

以下是榜单（行业以首字音序排列）：

假如你是一位出色的分析师，你会发现业务方对你的要求是最好能未卜先知，不仅提出问题，同时告诉他解决方案。可是能达到这种水平的分析师不就是三国时代的诸葛亮吗？但“诸葛亮”也有自己的痛苦，每个月月底当数据已经全部具备的时候，分析师往往还需要几天的时间才可以给出对业务的观点。一方面他们要确认这个数据的准确性，另一方面还需要具备严谨的逻辑和对商业的足够理解，这样才能在有限的时间里窥一斑而见全豹。

不过，今年一月份发生了一件奇妙事情，让人大开眼界：在Google公布了上一季度业绩之后的几分种时间内，一家公司叫AutoInsight的公司就发出了对这个业绩报告的观点以及对未来Google股价走势的评估。为什么这家公司能在这么短的时间内做出这么快的反馈呢？而且我们发现它已经在用类似的方法发表过约300篇没有作者的机器人文章。

我们知道，证券交易及对冲基金成功的关键在于及时判断，而通过大量信息的定量研究，比别人哪怕早一分钟知道股票的走势都可以获得巨额利润。而这种预测也随着更多的社交信息如Facebook、Twitter、实时新闻以及交易数据的整合而变得越来越有看头。

即时分析也正是运用了大数据的优势，在某一公司的业绩讯号出来时，迅速刷新信息、辨识市场预测与业绩报告的差距、跟踪即时的市场反应包括专家言论及交易情况，使其更有能力判断市场走向。

在资本市场中，其实很多年前已经关注股民情绪对市场的影响，这也是大数据在资本市场中最早期的应用之一。这其中的关键是在于大量参差不齐的社交数据是否能帮助判断市场是否过度敏感？还是大家对市场太有信心？其实，单靠社交网站的数据是不足的，如果能结合交易和新闻等历史数据及实时数据进行去伪存真的分析，可以立马做出一份几乎可以跟一个资深分析师媲美的分析报告。

HedgeChatter就是这样的一家公司。他们每天实时扫描近百万条聊天信息、全世界内相关股票的交易纪录，以及更多股票评论员的专家分析来帮他们动态地估计股票的波动和变化趋势，并直接使用社交数据信号去分析7600支美国股票的实时交易，据说预测的准确率可以高达60%。

如果我们进一步深究这两个例子，我们会发现计算机、互联网、大数据和专家这四个角色在其中的作用。机器的强项不仅在于其对数据和信息的无限记忆能力和高速处理能力，而且不用休息；互联网的厉害之处在于创造了海量数据和信息，并可以在瞬间把它们关联起来；大数据的厉害之处在于能把所有的东西进行量化，方便人类识别盲点、重新认知事物，并对事物进行全景的理解和分析；更能从众多变量中快速找出核心变量或事情发生的规律；专家的强项之处在于能在信息不全的情况下利用自己的经验和理解做出正确的判断。

在懂得这四者的优缺点的基础上做出大数据产品和方案才是一个容易成功的方案，反之则容易失败。

因此，在我看来，自动化分析报告只能吓倒一些初级的分析师，并不会对有经验的分析师产生影响。股票分析师们一点都不用担心机器会打击这个行业，反而可以好好利用机器的强项让我们更具威力。

说到这里，我想起了一句话：大数据就是学会如何活用别人的数据冗余，站在金山上吃馒头还是吃鱼翅就看你的本事了。自动化新闻和股票分析让我们产生了无限遐想。未来，小说、食谱甚至音乐未尝不可以利用大数据进行创作。

作者：车品觉  阿里巴巴集团副总裁，数据委员会会长

由于我当前是在做手游的数据分析工作，所以只是针对手游而论的，至于端游、页游是不是可以以此类推，我不做解释。在工作中，我比较喜欢用问问题的方式来激发自身的思考、以及推进同事间的业务协作，那么仍然用这种方式来引出我的看法吧。

问题1：游戏数据分析师到底是做什么的？

大家可以在招聘网站上搜一下这个岗位，看下其职责描述，通常这些职责描述都是你未来的直接boss写的，简单总结一下这些boss对其下属的工作期望是：

周期性(如每周/每月等)地总结过去一段时间业务的数据表现，并作出好坏的原因分析，以及可能的未来数据表现与建议。

面向具体的业务场景，协助产品经理或运营经理的工作，提供数据视角的闭合流实施方案，如针对手游运营中的活动效果评估，数据分析师需要推进指标设定、程序埋点、数据集选取、指标统计、结论分析、优化方案的循环过程。

围绕着核心业务，构建指标体系和沉淀数据模型，并以平台化的方式来固化，形成相对长期的软性价值资产，甚至其核心竞争力。

当然这是直接Boss美感的期望，而骨感的现实总是与期望存在偏差，据我所实际了解身边的那些数据分析师大部分主要是做第一部分的工作产出，部分会有第二部分的业务内容，至于第三部分则是少之有少。

问题2：游戏数据分析师的价值是什么？如何衡量呢？

通常，数据分析师不像运营经理直接背产品的收入和用户类的KPI指标的，比如当月度中游戏的活跃用户数稳中有升、收入还超出了预期，那么该运营经理的工作价值将获得认可。而对于数据分析师，他的价值如何体现呢？不妨将数据分析师提供的服务抽象为产品，那么我们需要界定该产品的用户价值和商业价值；从上面的职责来看，该产品的用户包括企业的管理者、产品经理、运营经理以及其他任何用到数据分析师提供的直接数据方案的企业内部成员。为用户创造的价值即是为他们提供好的数据支持服务。

如果你提供的数据服务方案能够很好地支持他们的决策场景、帮助他们准确地做产品定位与快速迭代、推动他们的价值实现，那么你的价值将会别认可。至于如何衡量，如果一定要直接地量化指标，可以采用最直接的用户满意度(实施成本低)；综合过程和结果考评，更合理的是采用间接地产品数据指标(与所支持的的产品挂钩)+主观的满意度指标(所支持对象的打分)方式。

在与各产品及运营人员的沟通中，听到最多的是：数据分析师主要就是做做报告，而且做的报告高大上，上面都是普适性的东西，对他们的工作没什么用。这不是个例，应该说是目前我们所面临的通况，出现这种现象的根源和上面讲到的导致大部分数据分析师的实际工作内容与期望有很大偏差的根源是相同的，后面会阐述起原因。

问题3：为什么要有这个职位？是否必须要设这么个职位？如果非必须，什么情况下才设该岗位呢？如何做出判断呢？

出现专职数据分析师是社会专业化分工、主流产品思想、人性使然以及社会大环境综合的产物。不是必须设这个岗位，视情况而定，以某真实运营团队情况为例说明，运营经理普遍文科出身，思维很发散，每周策划活动的目标写着拉回流、促消费，活动结束了看看总人数/收入曲线变化了没，仅此而已。在与他们的沟通过程中，也发现了很多运营人员连数据验证的意识都没有，更不用说数据实施方法了。当然随着大环境的熏陶和趋势地推动，越来越多的设计和决策人员开始期望能够将数据驱动的思路和方法在其产品中实施，但受限于专业技能方面的障碍，迫切期望专业的数据人员介入。这个时候就该考虑设专职的岗位了。

问题4：怎样才能做好游戏数据分析师工作呢？需要具备什么样的素质和技能？为什么是这些呢？

这里主要列一些个人认为最重要的因素。

逻辑性思考和框架性思考的技能，这也是为什么很多企业招数据分析师时对咨询公司出身的人优先考虑，可以想象一下，如果你基于数据梳理的逻辑是天马行空的，那么你的结论又有多大的说服力呢。

彪悍的协调和沟通能力，与产品、运营、技术等各个团队的协作，很多时候你依赖于他们与你的信息分享和支持才能完成你的数据报告及数据流方案；当然，你的数据分析结论也很大程度上要和他们达成共识才能推进进一步的协作。

上面两项是最为重要的非专业相关的软素质，当然还有很多其他的，通常这些软性技能，很多人都具备，在步入职场前就具备的，而下面的这些素质则是需要进入行业环境下逐步积累和建立起来的。

懂游戏业务，如果你都不知道游戏产品制作流程、不知道游戏产品的系统架构、不知道游戏产品的基本运营思路、不知道游戏玩家的基本游戏行为和情感诉求，你的数据分析工作就相当于空中建楼，所以多了解游戏策划的游戏设计理念、游戏运营做的版本计划、抓住一切机会多去观察和学习其工作的思路和方法，并参会其具体的实施过程，这样才能逐步积累真正的游戏业务经验。现实情况中很多游戏数据分析师都没有这样的经历，也就没有相关的经验积累，所以他们大多数的工作产出主要是一些非产品相关的平台数据分析内容和结论；当然，我相信并非他们不愿意去积累，而是受限于企业中的一些机制，比如大多数游戏数据分析师是base在技术部门或平台部门，而非具体的产品部门，少有切实深入到业务现场的机会。关于懂游戏业务是做游戏数据分析师的基本要求，这种观点不仅仅在游戏行业，任何其他行业都是一样，可以看看车品觉写的一些书，会让你更了解其中道理，总结一句话来说“不懂游戏业务的游戏数据分析工作都是耍流氓行为”。

最后特别的一点，保持一颗激情却平常的心很重要。平时在和身边做数据分析(不限于游戏行业)的人沟通时发现，用通俗地话将，相当多的人都觉得自己做的工作很low，不值一提，少有从眼神或言语中透露出的让人激荡的信心和信念，通常他们会表现出目前所做的实际工作和他们理想中的数据分析师工作不符 ，那么他们理想的数据分析师工作是什么样的呢？“通过大量的数据研究，做出了一个很牛逼的xxx模型，然后用这个模型给业务人员用，基于这模型他们提升了产品的用户量，提升了收入。。。”，这是很多人心中的想法，也那些直接boss意愿上希望手下的数据分析师产出的成果之一，但是为什么在目前手游行业真实情况下做得较少呢？大家都知道这是考虑投入产出比后的结果，尤其是考虑到手游行业和产品的自身特点，让那些仍在忧心当前激烈的竞争环境中下一个倒下的会不会是自己的企业决策者们，怎么会有耐心去做这些可能不会带来价值产出的投入呢。所以郁闷了那些希望用牛x数据模型亮瞎小伙伴的失志数据分析师们。

归根到底，游戏数据分析师在企业中到底如何自处？到底应该如何去创造价值？各家自有看法，每个人所面临的环境千差万别，应该针对实际情况而定，在我当前的业务环境和团队中，我希望做、也正在做、而且坚信会做出价值的事情是：

从最基础的指标定义开始，建立整个业务团队对数据指标的共识理解和应用思路，这是一切数据化驱动的起点。无论是在平时的业务协作中，还是在定期的培训会中，始终坚持传播统一的数据理解和理念，如基础指标、同比环比值的定义、所适用的应用场景，整体趋势加维度细分的分析思路等。深入参与具体项目运营，针对我们的常见应用场景，如公测前的渠道测试、如每周运营活动策划、每月的运营版本更新等，形成流程化地的数据流实施方案，在推动平台化的同时，也通过“授之以鱼”到“授之以渔”来推进我们人人都是数据分析师的理想国度。

结束语：

在保持脚踏实地的同时，不曾放弃仰望星空的梦想，核心源于人的理念，每天问自己下面两个问题：

你真的坚信用数据可以为你们团队创造更多的价值吗？

你真的用尽一起努力去用数据为团队创造更多的价值吗？

作者：大熊 转自 非常6游戏团队博客

       在中国运营商遭遇到微信冲击时，近邻韩国的电信运营商也正受到Line的冲击，日子同样变得不好过了起来。对于OTT，韩国运营商也在手忙脚乱中寻找着新的机会，除了推出类似的OTT应用外，他们把焦点定在了O2O上。

　　打不过OTT只能寄希望于O2O

　　OTT与运营商的关系可谓是爱恨交织。这在中国移动、中国联通、中国电信此前对待微信的态度上就可看出。如此前，中国移动由于2G信令网承载不了微信过多的信令而令移动对微信不满，而联通、电信则欢迎微信到来。而中移动推出4G后，这种对微信的不满则消失了。

　　但新的问题也随之出现了，流量的成倍增长并没有带来收入的相应增长。这不仅出现在中国，即使在4G网络商用最早的日韩，运营商应对OTT应用上仍然显得十分乏力。据Ovum亚太区研究首席分析师Charles Moon介绍，像中国的微信一样，在韩国Line，Kako也成为了最受用户欢迎的OTT应用。目前，Line作为韩国独资的OTT时通讯平台，也成为了日本的领先应用，日本也成为了他们的大部分用户和收入来源。

　　运营商在应对Line时也推出了自有的OTT应用以寻求突破，但韩国运营商的OTT用户也并不买账。为此，他们正在别的方面寻求突破。目前， O2O正被韩国运营商看做是自己新的机遇。但OTT厂商也注意到了O2O的机遇，虽然，Kako还没有相关的布局，但Line已经注意到了O2O应用，并推出了LINE Shop and LINE@ and LINE Corporate Accounts等。这对运营商O2O同样带来了挑战。

　　O2O即Online To Offline（线上到线下），是指将线下的商务机会与互联网结合，让互联网成为线下交易的前台。

　　以SKT为代表的韩国电信运营商，正在大力推动自己线上线下业务的整合，通过自己成立子公司或是收购、兼并别的公司来进入到不同行业当中，再通过与自身电信业务整合来增加自己的盈利点。如移动支付、LBS等，Charles Moon介绍。

　　后付费：高流量对应高语音

　　虽然受到OTT应用冲击，但韩国运营商仍旧保持了一个相对稳定APRU值。究其原因则是，韩国运营商采用了后付费模式，通信资费体系中硬性规定了若使用较多流量则必须匹配大的语音包。相较于数据流量、语音无疑是运营商获得高收入的最佳方式。韩国运营商正是靠着这种策略才保持了其营收的相对稳定，Charles Moon表示。

　　但这一策略对于中国运营商来说显然是不能模仿的，中国运营商的资费通常采取预付费模式，而套餐中如果语音、流量总价过高，将会引起用户的不满。这就像此前，中移动4G套餐价格高被网友吐槽，最终不得不降价一样。

　　虽然，日前，中国移动总裁李跃表示， 4G用户的APRU已是普通用户平均值的3倍，4G用户的DOU(平均每月每户数据流量)是普通用户的10倍。4G网络投入商用不到半年，已经分担了所有移动网络数据流量的10%。但这仍然难以掩饰中国移动利润下滑的趋势。

　　据中国移动发布的2014年第一季度财报显示，运营收入为1548亿元人民币，同比增长7.8%；净利润为252亿元人民币，同比下降9.4%，净利润率保持在16.3%。此外，受OTT类产品冲击，2014年首季度总通话分钟数比上年同期仅增长0.6%。无线上网业务流量方面，首季度同比增长48.1%，其中数据流量同比增长83.8%。

　　对于中国运营商来说，其在4G时代，如何保持住自己利润增长的能力需要不断思考，而国际经验并不完全适用于中国市场。这种情况更需要运营商去全面的分析市场变化。把网建好就可实现用户、收入大幅增长的时代已经一去不返了。

作者：张海龙

       社交网络，始于2004年出现的Facebook，2006年Twitter诞生。2005年社交网络在中国出现雏形，2009年，新浪微博横空出世，截至2013年12月，新浪微博拥有1.291亿月活跃用户，平均每天活跃用户数量达到6140万。2011年初腾讯推出微信，截至2013年底预计其月活跃用户已经超过了2.7亿，其中公众帐号数超过200万个，并保持大约每日8000个左右的增长速度。

　　社交网络已经改变了我们的生活习惯，也改变了许多行业的商业模式，证券研究行业如今也在其列。证券公司开设官方微博、微信公众号，分析师开设个人微信号、建立微信群，这本是拥抱新媒体，跟随新时代变化的积极尝试，但这一切的前提是“已通过合规发布后的信息”！

　　合规发布研究观点

　　目前，证券研究报告的相关具体法规包括中国证监会的《发布证券研究报告暂行规定》(简称《暂行规定》)、中国证券业协会发布的《证券分析师执业行为准则》(简称《行为准则》)和《发布证券研究报告执业规范》。

　　《暂行规定》规定，证券研究报告从制作到发布，必需通过相应的审阅流程，由专门人员进行质量控制和合规审查。《行为准则》第七条提到“证券分析师制作发布证券研究报告，应当自觉使用合法合规信息，不得以任何形式使用或泄露国家保密信息、上市公司内幕信息以及未公开重大信息”。第九条“证券分析师应当充分尊重知识产权，不得抄袭他人著作、论文或其他证券分析师的研究成果”。《发布证券研究报告执业规范》第十条提到“被动知悉上市公司内幕信息或者未公开重大信息的，应当对有关信息内容进行保密，并及时向所在机构的合规管理部门报告本人已获知有关信息的事实，在有关信息公开前不得发布涉及该上市公司的证券研究报告”。

　　此外，《行为准则》第十二条则进一步对研究报告的发布渠道提出要求，“证券分析师应当通过公司规定的系统平台发布证券研究报告，不得通过短信、个人邮件等方式向特定客户、公司内部部门提供或泄露尚未发布的证券研究报告内容和观点，不得通过论坛、博客、微博等互联网平台对外提供或泄露尚未发布的证券研究报告内容和观点。”

　　但同时，《暂行规定》的第十九条也提到“鼓励证券公司、证券投资咨询机构组织安排证券分析师，按照证券信息传播的有关规定，通过广播、电视、网络、报刊等公众媒体，客观、专业、审慎地对宏观经济、行业状况、证券市场变动情况发表评论意见，为公众投资者提供证券资讯服务，传播证券知识，揭示投资风险，引导理性投资。”

　　分析师是如何通过社交网络服务客户

　　目前，在通过公司合规审批发布信息后，分析师一般通过如下几种社交网络的方式满足客户需求：

　　一是，利用即时通信工具，重复一些研究报告中的预判观点，这就是为什么我们总是看到分析师会说“正如我们此前所预判的那样”；

　　二是，利用客户端发布一些筛选过、有价值的合规信息；

　　三是，对正式已发布的研究报告做一些符合规定的解读，例如微路演等。

　　四是，发送策略会等会议邀请信息，以及会后发布会议纪要等；

　　五是，在调研上市公司后，发布合规的调研纪要等；

　　此外，对了外界所传说的“神秘的分析师群”，实际上又是怎么样的呢？

　　为了更好的与客户沟通，服务客户，在考虑到微博、微信公众号的用户不可控性，出现”断章取义“转载等给投资者造成不可控制风险的情况下，分析师也会选择为自己的机构客户建立微信群。根据新财富采访情况初略统计，一般一名分析师平均有7-10个自建群，每个群少则100人，多则300-400人。

　　但，并非全部的群都是工作性质的群(工作群内成员为自己服务的机构客户)，也有陶冶生活情操类的活动群(成员不限范围)，当然也有资深分析师建立多个覆盖产业链的微信群(成员为该产业链研究人员、实体企业等相关人员)。

　　而在“群文化”已经十分盛行的当下，分析师也表示，虽然方便了沟通，但有些被拉入群内的客户，感觉被过度服务，在不好意思退群的情况下，也会选择屏蔽群消息，所以，自己也会酌情考虑发布的内容精而优，当然这一切的大前提首先是合规。

　　分析师，请珍惜你的功与名

　　《行为准则》第十六条提到“证券分析师应当珍惜职业称号和职业声誉，以真实姓名执业。”

　　国内外名校毕业，硕士学历起步，年薪数十乃至数百万，这是外人眼中头顶精英光环的分析师，而分析师的真实的工作、压力、职业到底是怎样的的呢？

　　在新财富的调查中，一年365天每位分析师一般平均撰写研究报告近300份，超过90%的分析师一定会实地调研所覆盖的上市公司；同时，70%多的分析师会对同一家上市公司的调研次数达到3次或以上；平均每位分析师需要和几百家买方机构的几千位客户保持联系。而这高强度透支着健康的工作压力，能够做到分析师中的佼佼者的又仅仅只有其中的10%。

　　截至2013年第十一届新财富最佳分析师评选，共有9000余位分析师曾经参与评选，但其中只有近1050名分析师上榜，而这1000人超过一半在其职业生涯仅上榜过一次，70%仅2次。

　　面对这来之不易的功与名，分析师，本应加倍珍惜。

　　在新财富的采访中，多位券商研究负责人、分析师等均表示，“我们积极倡导合规，确实也有分析师出现踩地雷的行为，但绝大多数分析师还是很珍惜自己的职业前途。实际上，经过多年法规办法的实施，分析师早已是一项高度守则的职业，分析师建立的群也并非外界所想的有“神秘猛料”。证券公司开设官方微博、微信公众号，分析师开设个人微信号、建立微信群，这本是拥抱新媒体，跟随新时代变化的积极尝试。当然，这一切的前提首先还是，遵循独立、客观、公平、审慎原则，发布的信息必须是基于过去已经合规发布的信息”。

1.玩转Excel

Excel是一个最原始而且最容易入手的分析工具之一，如果你有少量的数据进行分析和汇总的话，Excel是你的不二之选，结合丰富的函数与公式，你能轻松的得到你想要的数据，如果你懂得计算机语言，会使用VBA进行编程那就更是如虎添翼了，并且还可以轻松的制作棒图，饼图，折线图等图表。但是Excel不可能是完美的分析工具，因为他的数据容量实在是太小了，超过1万行的数据请不要使用Excel。

1.1.常用函数：

1.2.常用功能：

2.网站分析基础知识

了解一些网站分析的基础知识是必须的，你要知道什么是会话，什么是PV，什么是UU/UV等指标值的含义。如下图(摘自《网站分析基础教程第二章》)所示：

3.网站开发的知识

网站分析师通过衡量各种指标值的优劣来评价网站的状况，以及提出改善优化的对策，如果分析师自己对网站的开发和构筑知识一点都不了解，也就不能准确的通过分析指标值的高低衡量网站的运营状况。

作为一名合格的网站分析师，你需要了解一些网站建设和运营的知识，还有网站设计的知识，以及用户体验相关的知识。这样的话你才能提出更有高度和深度的分析报告。

4.网络营销的知识

网站分析师的工作范围从宏观上可以分为“站内”和“站外”两大领域。站内重点在于改善用户体验，优化转化路径，SEO，分析用户行为等站内活动;站外的工作重点则在于如何更多更准确更优质的吸引用户进入网站。

所谓站外的工作主要就是指网络营销，网络营销按照具体的实现方式可以分为：展示广告(DisplayAdvertising)、PPC推广、SEO、邮件营销、视频推广、QQ群推广、博客营销、微博营销、SNS营销等。如果想成为网站分析师你需要学习如下知识：

4.1.广告类型

搜索引擎广告(PPC)

交换链接

横幅广告

邮件营销

传统媒体广告

4.2.广告相关指标

展现数(Impressions)

点击数

点击率(Click-throughRate)

CPC(CostPerClick)

CPA(CostPerAcquisition)

转化率(ConversionRate)

ROAS(ReturnOnAdvertisingSpend)

4.3.SEO知识

主流搜索引擎的排名算法

TITLE,META,Hn,h1等优化

5.测试方法

当网站分析指标的数值变得不是非常乐观的时候，或者你想做一次大规模的推广的时候，也可能是你需要对网站进行改版的时候，作为分析师需要预知改善后的效果是否能够达到预期，这一点是光凭经验很难做到的事情，那么就需要网站分析师聪明的利用师验方法进行验证，这是最直接而且准确有效的方法。

做网站分析师需要学会使用如：A/B测试，多变量测试，用户体验测试等测试方法对改善方案进行预评估，以减少新方案的实施风险。

6.交流能力

作为一名网站分析师，你需要和很多的人协同完成工作任务，其中包括项目经理，产品经理，运营经理，实施经理以及工具提供商等。高效率，准确的交流显得尤为重要。

对于交流来说，语言的表达能力作为最基本的能力要素不可或缺，但想要能顺畅的交流仅仅依靠语言是远远不够的，还需要有一定的资料的组织能力和总结能力，以及团队合作意识。

7.演讲的能力

当以网站分析师为主导进行一次网站的改版或升级的时候，通常的做法是用数字和图表来说服决策层和保守派，但事实上并不那么简单，说服更多人除了靠准确的分析数据以外，还需要网站分析师非常具有煽动性的演讲，以及面对质疑从容不迫的回应。网站分析师需要把自己的自信通过演讲的形式传播给参加会议的所有在场的人。

8.会做PPT

演讲和演示的时候，必备的利器!当然如果你能够做出很炫的动画效果将能感染更多的。

9.计划管理能力

如果你在一家小公司担任网站分析师职务的话，计划管理可能显得不那么重要，但如果你是一家大公司的网站运营经理，或者带领一个几十人的分析师团队的话，计划的管理能力将显得尤为重要。为了更好的和项目经理以及公司管理层的交流你需要具备这项技能，甚至有必要学习一些项目管理的相关知识，比如PMP认证等。

说到eBay的拍卖和购物网站你脑海里会想到什么？1亿用户、3亿活跃商品、5万种产品分类、平均每秒2100美元的交易额，那就对了。当然，你也可以把eBay看作是一家数据管理与业务分析企业：每天50TB的数据量、7500用户与分析师的分析团队支持。

数据沙盒（data sandbox）听上去很小，但它却是eBay保证数据分析流程顺利进行的关键组成部分。

在今年四月洛杉矶召开的Gartner商务智能峰会（Gartner Business Intelligence Summit）上，eBay的分析应用技术高级主管Chris Rogaski在演讲中说到：“如果人人都想要不同的数据视图、报表或者仪表盘，我们将无法应付。所以，我们需要提前做好准备，只有这样，我们的业务分析师和产品经理们才能根据数据做出决策。”

eBay采取了很多措施，使用户需求得以及时满足。公司的数据分析平台结合使用了Teradata的企业数据仓库（enterprise data warehouse，简称EDW）、被eBay称为“Singularity”的Teradata独立深层存储数据库以及Hadoop系统。EDW用来存储结构化交易数据；Singularity用来存储半结构化数据（如网站用户行为分析）；Hadoop则用来处理非结构化数据，其中包括原始用户行为数据、其他形式的机器生成信息和文本数据等。Rogaski称，三部分合起来大概占据了90PB的存储空间。

另外，eBay将虚拟数据集市在EDW中自由分散，供任何想要开发、操控、添加特定数据集的员工进行使用。数据集市是公司的分析作为服务（Analytics as a Service）中的一部分，或者是A3S及其他用户分析数据程序的一部分。业务用户和数据分析师使用由eBay的IT部门开发的工具，可拥有（通常也会使用）100GB的空间，这就是在商务智能领域所谓的数据沙盒。

数据沙盒也被称为分析沙盒，这些由用户控制的空间被相互隔开，将数据实验和数据仓库的生产数据库环境区别开来。eBay的用户有权限获取EDW中的数据，还可以将所需信息复制到数据集市中进行分析。在eBay开发工具的帮助下，他们可以上载附加数据进行分析。Rogaski说：“如果存在一个我们不知道的新的数据源，我们没办法将其隔开，对它不进行数据分析。”

企业部门之间的对峙阻碍数据分析

企业中IT部门和业务部门的长期对峙屡见不鲜，其中一部分原因可归咎于优先级别不同。当业务用户有业务问题急需解决的时候，IT团队可能正在进行数据治理或是维护数据质量标准。对于想要深度分析现有数据的分析师来说，工作的中断会带来很强的挫败感。

TechTarget的BI咨询师兼研究主管Wayne Eckerson说：“分析师常常需要的是还未放入数据仓库的数据，因为这些数据还未经处理和载入。”

有些时候，数据分析师会认为由自己公司部署的BI和分析工具比Excel更加灵活，能够秘密建立起IT范围之外的Excel工具。然而，将Excel推行到企业上下进行数据分析之用并不是理想的方式。Eckerson补充：“每个人都知道分析师可以得出有价值的信息，但是没有企业是靠电子表格发展壮大起来的。”

Eckerson称，这时候数据沙盒就起作用了。它可以保证分析用户获得所需数据、加强对信息的控制，使企业的数据阴影系统（data shadow systems）逐渐明朗化。

对于BI和IT经理来讲，一个精心管理的数据沙盒为用户提供了一个安全之地，在公司管理架构内对企业数据进行实验。美国Data Miners咨询公司的创始人Gordon Linoff说：“这样一个环境存储的不是数据的复制，而是适合分析形式的信息。”Linoff还是《数据挖掘技术：市场营销、销售与客户关系管理领域应用》一书的作者之一。

数据沙盒可在数据仓库、分析数据库及其外部作为独立的数据集市构建。在eBay的案例中，Rogaski说，在EDW中采用沙盒作为虚拟数据集市降低了数据活动，减少了用户对数据进行复制并存储在其他系统的需求。

期限设定对分析大有帮助

他承认，在用户占据了沙盒，还是会出现少量的数据复制。“但这很正常，算是我们发展业务付出的一点代价吧。”为了减少复制，eBay在数据系统中使用了期限设定的方法，由分析师设定好数据集使用的一个结束日期。截止日期快到的时候，Rogaski的团队会与分析师协商，要不要把数据从系统中删除；这一过程被eBay称为碎片帐集（garbage collection）。

由于沙盒本身的作用就是处理数据，Linoff相信拥有正确的技能对成功部署非常重要。数据科学家和其他用户需要操控数据并分析数据当下的活动。他说：“这等于是在学习全新的事物，所以你需要可进行充分利用的技能组合。”

这条规则对许多企业来讲都十分有用，但并不适用于所用企业。Rogaski说，eBay的目标之一是让很大一群人都能获得它的BI和分析数据。即便是一个毫不了解情况的业务用户也能够使用虚拟数据集市。

对于想要建立数据沙盒的企业，Eckerson认为其中一个很大的挑战是管理。他举例说到，在用户将包含独有数据视图的报表分发出去之前，企业BI团队应该核实一下操控的信息，确保指标都正确无误。

Eckerson说：“你可以让用户获取数据，但你还需要给他们一些指导。没有人喜欢受限，但他们用的是公司资源，就不得不在某些方面遵守规则。”

美国著名高等学府克莱登大学的已故荣誉教授、知名的人类行为学家菲克(Fake Proof)教授曾经表示，逼格是人类至高的纯洁追求，人类的进化史就是一部不断提升自身逼格的璀璨发展史。

分析师，作为一个神奇的存在向我们深刻证明了这样的说法，本文的目的就在于向大家阐述如何努力做一个有着高逼格的分析师。逼格的最高境界是，大装无形，大逼希声，而着恰恰是每一个在此方面有所追求的分析师都应该树立的志向。

入门

尽管ThinkPad现在的光环正逐渐衰减，但是配备一台经典的T或X系列还是必不可少的，并且用一种很无奈的态度表示，相比触摸板，自己还是更习惯于小红点——这句话的潜台词表明在你家中，那台顶配的MacBook Pro正在吃灰。

如果你还只是停留在靠鄙视iPhone 5和使用黑莓提升自己逼格的境界的话，那实在是太落后了，在新时代，你需要另辟蹊径来提升自己的逼格。

购置一台已经刷上了JB系统的Android手机，死命地装进各种应用，什么QQ、微信、切水果、Path和Instagram等，反正就是什么流行就装什么，还有最不可缺的Facebook，用着卡顿到死的操作体验向围观群众解释，经过这几个月对Android的体验，你确信移动操作平台的未来属于封闭平台，像Android这样的开发系统是没有前途的云云。

千万不要在大庭广众之下提到《货币战争》、曼昆《经济学原理》这样的书，前者明明是一本小说，后者是教材读物，对一个立志做一个逼格界分析能力最佳，分析师圈子里逼格指数最高的你来说，这样只会降低你的品位和学识。

正确的做法是，装作不经意地和旁人讨论起Economist刚刚发表的Ma thebumbler(《脑残马英九》)，然后淡定地说，当时你和主编 Ziegler就这篇文章的观点和措辞进行过讨论Blahblah——当然，如果你不怕查水表，也可以称自己也是《纽约时报》那篇报道的信息源之一。

至于在日常说话中的中英文混合程度这种问题，在逼格界已经成为老生常谈，我们不愿再在这个问题浪费过多的时间和精力。

中端

往Fortune、Financial Times、Barron’s或New York Times之类的刊物上发表文章是必须的，即使能力不够，也不可退而求其次在那些很有名的国内刊物上发表文章了——宁愿在上海交大的学报和自己的Blog上发表报告，坚决树立和维护自己独立客观的第三方分析师的形象。

如果肯出血的话，就去买几份付费报告，然后整理拾掇一下就成了自己的趋势分析报告，电商、LBS、移动互联网、O2O等等，Google苹果亚马逊，腾讯百度阿里巴巴，这些热点当然要密切关注，但是那些小公司、新领域同样也不可放过，什么“独家“、“绝密”、“绝对”之类的形容词就尽情地用吧。

作为一个新时期有志不断提升自己逼格的分析师，你难道能忘了Twitter、微博吗?像Facebook上市之后遭遇滑铁卢时，你就完全可以言简意赅地在自己的签名改成：1999，Déjà vu，不懂的人只会在云里雾里中油然而生对你的敬畏，懂的人一时半刻也很难找出足够的理由去反驳你。

在微博上隔三差五@几个大佬，装作相互很熟悉的样子讨论一下互联网发展趋势，如果能装作在不经意间贴出几张和他们一起吃饭、或出席活动的合影无疑就更妙了，至少这样看起来你也算是“接近高层”的人物了。

最好还能时不时地以一副人生导师的面貌向大家推荐几本书和电影之类的，不过请远离流行和时尚，当大家都在讨论《少年Pi》的时候，你只需要冷冷地甩出《逃离德黑兰》(Argo)这样的作品，当《读库》之类的读物被追捧的时候，你只需要优雅地贴上几张最新的The New Yorker的书影，这样一来，你的档次就立马提升了——一个有着文艺气息的独立分析师才是好分析师!

高阶

要成为一个合(逼)格的互联网分析师，你需要在细节部分装出风格，装出风范。。

C9是你不会被人鄙视的起点，在港大或NUS镀过金才稍微有些说话的资格——考虑到如今日本的整体经济环境和现在互联网发展的势头，我们并不推荐京大。“常春藤”已经成了烂大街的货，追求逼格的我们是断然不会去凑这种热闹的，请把目光转移到欧罗巴大陆，请选择帝国理工学院、巴黎高师这些学校吧。

当别人还在为自己是扎克伯格、布林的校友而自豪时，你务必要以低沉的嗓音讲一段故事：自己的那个德国导师当年在索罗斯毕恭毕敬请教欧洲金融形势的时候，直斥索罗斯是一个破坏欧洲经济安全的投机分子。

当宴席上的同行还在为他们讨论时所用的标准伦敦音而得意，你只需寻找一个间隙，淡然地用巴黎口音表示，自己当年在左岸的某个咖啡厅批评美国impérialisme在经济上的必然崩溃，并且始终坚持Facebook是互联网bulle。

千万不要仅仅把视野局限到互联网上，这样实在太不专业了，内行的门路是要摆出一副深入研究的架势来讨论QE3，并且以一副对业界很熟稔的姿态讨论如果日本加入TPP可能的结果。

如果有自己的Blog就最好了，但是切忌不要在上面过于频繁地发分析报告，页面做得清新文艺些，你更需要的是摆脱分析师给大家留下的死板而无趣的现象，时不时地讨论一下莱卡，拍几张坚决不用PS故意曝光对错焦的照片。

如果有大胆的人体模特肯为你奉献就更好了，也许你会因此被称为分析师圈子里的荒木经惟——这样一来，你有不少的机会从边缘的分析师圈子杀入文艺圈，继而不断扩大自己的影响力和辐射力。

真的高逼格分析师敢于正视逼格战斗力更高的人的挑衅，敢于直面被围观群众打脸、嘲笑的后果，对这些分析师来说，逼格指数不到一定程度，是成不了真正一流分析师的。