課程簡介

案例背景:
大數(shù)據(jù)時代，由數(shù)據(jù)驅(qū)動的運營和業(yè)務(wù)分析已經(jīng)非常普遍。然而，傳統(tǒng)的運營分析缺乏對海量數(shù)據(jù)的挖掘能力，現(xiàn)有對數(shù)據(jù)的需求已經(jīng)不單單停留在傳統(tǒng)數(shù)據(jù)報表的層面。之前，閑魚在實際運營過程中同樣也缺乏深入的數(shù)據(jù)驅(qū)動分析能力。我們希望通過引入納米鏡來提供更加全面的數(shù)據(jù)分析能力，為運營解決業(yè)務(wù)痛點問題。運營分析存在以下痛點：
1）對于歷史數(shù)據(jù)缺乏積累，運營A離職，運營B重復(fù)做相似實驗，運營B離職，運營C重復(fù)做實驗的死循環(huán)。
2）缺少對現(xiàn)有活動細(xì)致分析的能力，例如實驗A整體指標(biāo)效果不明顯，但是對于子切面A1和B2的組合下效果很好，高于整體水平。

解決思路:
針對這些痛點，我們從閑魚的業(yè)務(wù)場景出發(fā)，推出了納米鏡數(shù)據(jù)分析平臺，輔助運營更好地做出決策分析。本期主要分享其中主要的算法策略，其中功能包括：切面分析，策略仿真和多維下鉆等。
此外，我們的分析服務(wù)可以做到小時甚至分鐘級別，運營可以很快更全面地分析現(xiàn)有活動的相關(guān)情況，支撐運營更快更準(zhǔn)確地做出決策。

提綱:
1. 數(shù)據(jù)分析背景
2. 數(shù)據(jù)分析功能實現(xiàn)
2.1 切面分析
2.2 策略仿真
2.3 多維下鉆
3. 未來展望

成果:
成果：
1. 閑魚運營活動結(jié)果洞察
2. 閑魚商品洞察，人貨場更好地匹配，進(jìn)一步提高商品動銷率等指標(biāo)

目標(biāo)收益

1. 為運營提供活動分析思路
2. 為開發(fā)和算法提供算法思路

培訓(xùn)對象

課程內(nèi)容

案例方向

---

智能數(shù)據(jù)分析/企業(yè)級大數(shù)據(jù)架構(gòu)演進(jìn)/流式計算系統(tǒng)設(shè)計/數(shù)據(jù)庫的未來

案例背景

---

大數(shù)據(jù)時代，由數(shù)據(jù)驅(qū)動的運營和業(yè)務(wù)分析已經(jīng)非常普遍。然而，傳統(tǒng)的運營分析缺乏對海量數(shù)據(jù)的挖掘能力，現(xiàn)有對數(shù)據(jù)的需求已經(jīng)不單單停留在傳統(tǒng)數(shù)據(jù)報表的層面。之前，閑魚在實際運營過程中同樣也缺乏深入的數(shù)據(jù)驅(qū)動分析能力。我們希望通過引入納米鏡來提供更加全面的數(shù)據(jù)分析能力，為運營解決業(yè)務(wù)痛點問題。運營分析存在以下痛點：
1）對于歷史數(shù)據(jù)缺乏積累，運營A離職，運營B重復(fù)做相似實驗，運營B離職，運營C重復(fù)做實驗的死循環(huán)。
2）缺少對現(xiàn)有活動細(xì)致分析的能力，例如實驗A整體指標(biāo)效果不明顯，但是對于子切面A1和B2的組合下效果很好，高于整體水平。

收益

---

1. 為運營提供活動分析思路
2. 為開發(fā)和算法提供算法思路

解決思路

---

針對這些痛點，我們從閑魚的業(yè)務(wù)場景出發(fā)，推出了納米鏡數(shù)據(jù)分析平臺，輔助運營更好地做出決策分析。本期主要分享其中主要的算法策略，其中功能包括：切面分析，策略仿真和多維下鉆等。
此外，我們的分析服務(wù)可以做到小時甚至分鐘級別，運營可以很快更全面地分析現(xiàn)有活動的相關(guān)情況，支撐運營更快更準(zhǔn)確地做出決策。

提綱:
1. 數(shù)據(jù)分析背景
2. 數(shù)據(jù)分析功能實現(xiàn)
2.1 切面分析
2.2 策略仿真
2.3 多維下鉆
3. 未來展望

結(jié)果

---

成果：
1. 閑魚運營活動結(jié)果洞察
2. 閑魚商品洞察，人貨場更好地匹配，進(jìn)一步提高商品動銷率等指標(biāo)