用户画像数据库

『壹』 数据分析师日常都分析哪些数据

数据分析有：分类分析，矩阵分析，漏斗分析，相关分析，逻辑树分析，趋势分析，行为轨迹分析，等等。 我用HR的工作来举例，说明上面这些分析要怎么做，才能得出洞见。

01） 分类分析
比如分成不同部门、不同岗位层级、不同年龄段，来分析人才流失率。比如发现某个部门流失率特别高，那么就可以去分析。

02） 矩阵分析
比如公司有价值观和能力的考核，那么可以把考核结果做出矩阵图，能力强价值匹配的员工、能力强价值不匹配的员工、能力弱价值匹配的员工、能力弱价值不匹配的员工各占多少比例，从而发现公司的人才健康度。

03） 漏斗分析
比如记录招聘数据，投递简历、通过初筛、通过一面、通过二面、通过终面、接下Offer、成功入职、通过试用期，这就是一个完整的招聘漏斗，从数据中，可以看到哪个环节还可以优化。

04） 相关分析
比如公司各个分店的人才流失率差异较大，那么可以把各个分店的员工流失率，跟分店的一些特性（地理位置、薪酬水平、福利水平、员工年龄、管理人员年龄等）要素进行相关性分析，找到最能够挽留员工的关键因素。

05） 逻辑树分析
比如近期发现员工的满意度有所降低，那么就进行拆解，满意度跟薪酬、福利、职业发展、工作氛围有关，然后薪酬分为基本薪资和奖金，这样层层拆解，找出满意度各个影响因素里面的变化因素，从而得出洞见。

06） 趋势分析
比如人才流失率过去12个月的变化趋势。

07）行为轨迹分析
比如跟踪一个销售人员的行为轨迹，从入职、到开始产生业绩、到业绩快速增长、到疲惫期、到逐渐稳定。

『贰』 新零售到底是什么意思，新零售的模式又该怎么做

其实“新零售”这个概念已经不“新”了。

新零售的概念最初是2016年开始，传统电商的红利逐渐萎缩，进入瓶颈期，而线下销售优势犹存，且仍然不可代替。因此，新零售是零售行业通过渠道拓展的方式来推进消费者购物体验的升级的一个尝试。自此以后，线上和线下开始了“梦幻联动”。

而2022年又是一个转折，消费者们的消费趋势大幅下降，众多零售企业开始进行数字化升级，为的是提升自身的抗风险能力，这就离不开一个具体的搭建完整数字化体系的方案。接下来我们将从以下几点做一个体系搭建的分享，希望对题主有帮助：

• 数据经营

零售行业最重要的资源是稳定的消费者，由于产品特性和需求的周期性，如何引导消费者复购、做好流量运营成为了一个重要课题。可以通过线上多触点连接、打通和整合割裂分散的粉丝、会员、用户和订单数据，并围绕业务洞察、业务决策、执行监控环节，建立符合零售行业特点和企业体量匹配的会员指标体系、沉淀用户画像数据库，有效提升零售行业会员运营效率。

关于选址，数说故事总结了以下五个步骤，助力门店以最低成本实现最优业绩商业布局：

S1-筛选潜力城市：城市开店空间模型计算出全国各个城市的开店潜力，从中挑选出排名靠前的潜力城市；

S2-挑选目标城市：从潜力城市中挑选出要进驻的目标城市；

S3-选择行政区：在目标城市中查看各行政区的情况，选出潜力相对较大的区域；

S4-寻找目标栅格：在该行政区内找出最具潜力的栅格确定开店的点位；

S5-助力门店选品：根据目标点位周围门店产品销量排行确定门店，通过数说睿见选品模型推荐门店选择适合的产品，赢得更多消费者关注，提升销量。

除了选址，找到目标客户的定位也非常重要，根据门店的性质，是社区店、街铺店、购物中心店还是写字楼的驻扎商铺，不同性质的店铺需要关注的人群就有所不同。例如社区店更多关注这个区域内的小区数量和居住人口情况；临街铺或者购物中心店，更多关注该区域范围内的客流，以及周边是否存在聚客点（比如地铁站、公交站等）；同样如果门店开设在写字楼，品牌更多关注点位周边的工作人群情况。

本回答作者：数说故事

『叁』 联通大数据精准营销是什么

联通大数据积累了丰富的数据能力、平台能力、产品交付能力和行业解决方案能力，累计服务17个行业。联通大数据在精准营销、数达营销和数言舆情标准产品的基础上形成了针对各个行业的解决方案。

今天我们就来讲解一下，联通大数据精准营销，究竟厉害在哪？

一、用户画像

用户画像是联通大数据根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。

具体包含以下几个维度：

当我们采集和分析用户画像时，可以实现精准营销，这是最直接和最有价值的应用。

广告主可以通过用户标签来发布广告给所要触达的用户。

这里面又可以通过搜索广告、展示社交广告、移动广告等多渠道的营销策略，营销分析，营销优化以及后端CRM/供应链系统打通的一站式营销优化，全面提升ROI。

三、技术工具

运营商大数据具备全面性、多维性、中立性、完整性是其它企业很难比拟的，而且通过这些不同维度数据的交叉关联，可以创造更多的新数据和新价值 。

（01）身份-运营商不仅客户信息覆盖完整，还可以基于实际行为进行验证，通过身份信息，快速判定用户的信用程度。

（02）上网-基于用户访问什么网址、下载什么应用、访问什么内容等，得到上网喜好。

（03）位置-运营商的通过位置信息，可以掌握用户出行特征，给用户带来生活的极大便利。

（04）社交-基于通信交往圈的大小、主被叫、时间序列、得到用户的社交特征。

（05）支出-运营商有客户最为详实的消费账单、比如流量费、短信费、语音费、新业务费等，能反映用户的一些特征。

（06）通信-通过用户的通信使用情况，比如本地、漫游、长途、了解用户通话行为特征。

（07）终端-识别记录手机终端型号，了解用户手机使用特征、发展趋势、用户换机周期等。

（08）时序-通过用户上网、位置、通话等行为按照时间排列，了解更多规律提供更多服务。