乐学 好一点的，全的，买衣服的app有哪些？
推荐使用淘宝、唯品会、蘑菇街和小红书等目前热门的网购APP，这些APP中的衣服品牌、款式都比较齐全。以下是详细介绍：
1、淘宝，是目前线上品牌、卖家最多的购物APP，入驻商家不乏海内外知名的服装品牌，也有相当多私人卖家品牌；
2、唯品会，专做品牌衣服，价格比较便宜的，品质靠得住。此外，衣服购买之后只要不扔掉吊牌，基本都能保证正常的退换货；
3、蘑菇街、小红书，这两个经常见一些女生用，货物上有品质和保障。而且还有海外代购，货物是包括衣服箱包化妆品在内的。
零售行业的现状和发展趋势如下：
一、现状
零售行业在疫情的影响下，已经变成了我国最重要的产业之一，超市、便利店、无人售货机都在切换模式，从线上模式变成线上模式，更方便消费者下单，同时也可避免近距离接触。
根据零售行业分析数据，2015年我国全社会商品零售总额为269亿元，到2021年约为392亿元。5年复合增速为782%。其中网上零售额占比从2015年的108%上升到2021年的249%。
从零售结构整体来看，我国的零售结构以小规模的商店居多，特别是个体商店的比重高达92%，每个个体商店的平均从业人员只有175人。即使是大型零售企业，其组织规模仍然偏小。
二、发展趋势
1、零售业将加快适应市场变化
为了应对快速变化的市场，商业正从产品渠道为王向消费者为王的发展思路转变，新零售电商系统平台搭建将更具自我学习和自我适应的特征：商业发展重心将从城市中心区域转向居民社区，消费品市场将出现更多具有城市特色和区域特征的零售品牌，改变“千店一面、千店同品”的现象。
2、科技、时尚、生活方式相融合
一是零售商利用数字标牌、电子试衣间、智能定位、自助终端和VR展示等一系列智能应用，带给消费者智能化和场景化的购物新体验。
二是产品功能将保持快速迭代，接触科技含量高的产品成为消费者获取知识、彰显个性的新途径。
三是零售品牌将更清晰地向消费者传达品牌文化及品牌定位，商品陈列以生活方式展示为目的，单个门店中的商品品类更加丰富。
3、高品质商品、服务与文化相融合
我国正从世界工厂转型为世界市场，消费品市场仍具有较大增长潜力，我国的品牌商和零售商将抓住国内市场的发展机遇，从三个方面树立消费者对本土品牌、本土零售企业的信心：坚持文化自信，深耕国内市场，净化市场环境，构建诚信零售体系，回归工匠精神。
4、线上和线下进一步融合
随着移动互联网的快速普及，我国网民增速呈放缓趋势，电商下一步的竞争重点将从吸引流量转向挖掘客户消费潜力：提升商品和服务质量，减少差评率，提高用户忠诚度；积极布局线下；通过并购、交叉持股等方式，让电商与实体店利益捆绑，使线上线下融合进入双赢阶段。
5、多种业态将呈聚合式、生态化发展
未来的新零售电商平台建设商业环境将继续朝着聚合式、生态化的方向发展：围绕社区消费需求，围绕服务消费需求，围绕零售巨头的业务需求，金融、物流、咨询等一批功能更加细分、专业性更强的生产服务型企业将呈生态化发展，提高大型零售企业的经营效率，提升居民消费质量。
6、零售业社交化特征将更加明显
信息时代，商家和消费者所掌握的信息差距逐步缩小，以广告为主的单向传播方式效果不断衰减，口碑、信任成为零售品牌得到消费者认可的重要因素。因此，零售商将不断提高自身的社交属性：利用微信、微博、大众点评等主流社交平台；通过与消费者保持高频次的互动；构建消费圈层。
所属行业：店商+平台电商+零售服务商案例概述：苏宁的O2O模式是以互联网零售为主体的“一体两翼”的互联网转型路径。苏宁利用自己的线下门店，以及线上平台，实现了全产品全渠道的线上线下同价，帮助苏宁打破了实体零售在转型发展中与自身电商渠道左右互搏的现状。O2O模式下的苏宁实体店不再是只有销售功能的门店，而是一个集展示、体验、物流、售后服务、休闲社交、市场推广为一体的新型门店——云店，店内将开通免费WIFI、实行全产品的电子价签、布设多媒体的电子货架，利用互联网、物联网技术收集分析各种消费行为，推进实体零售进入大数据时代。
2014年“百日会战”中，苏宁O2O模式优势凸显，双“11”，苏宁发起第二届O2O购物节，祭出门店、网站、手机、T V“四端协同作战计划”，并取得了一定成绩。
分析师点评：2014年，苏宁以互联网零售为主体、“一体两翼”的转型布局已逐渐站稳了脚跟,并迅速进入效益凸显期。其中，作为传统零售企业转型互联网零售的代表，苏宁的“自营O2O模式”在今年百日会战和双“11”中初见成效。但苏宁“店商+电商+零售服务商”的O2O模式未来能否在O2O行业压力下长足发展，还有待时间的检验。
案例二京东：“大数据+商品+服务”的O2O模式
所属行业：综合自营+平台电商
案例概述：京东与15余座城市的上万家便利店合作，布局京东小店O2O，京东提供数据支持，便利店作为其末端实现落地;京东与獐子岛集团拓展生鲜020，为獐子岛开放端口，獐子岛提供高效的生鲜供应链体系。另外，京东还与服装、鞋帽、箱包、家居家装等品牌专卖连锁店达成优势整合，借此扩充产品线、渠道全面下沉，各连锁门店借助京东精准营销最终实现“零库存”。
分析师点评：中国电子商务研究中心助理分析师孙璐倩认为，京东O2O模式基于线上大数据分析，与线下实体店网络广泛布局、极速配送优势互补。发挥了京东的平台优势、物流优势，跑马圈地，扩大其市场地盘，填补了其用户结构单一的短板，是开拓O2O发展的又一渠道。但该模式末端的传统便利店是否有社区购物习惯的数据积累，有积累是否有价值，这个仍值得考虑，京东O2O未来的路还比较长。
案例三万达：“线下商场+百万腾电商”的O2O模式
所属行业：商业地产
案例概述：万达联合百度、腾讯，共同出资成立万达电子商务公司，万达打通账号与会员体系、打造支付与互联网金融产品、建立通用积分联盟、大数据融合、WiFi共享、产品整合、流量引入等方面进行深度合作，同时将联手打造线上线下一体化的账号及会员体系;探索创新性互联网金融产品;建立通用积分联盟及平台;同时，万达、百度、腾讯三方还将建立大数据联盟，实现优势资源大数据融合。。近日，万达投资20亿入股快钱，弥补在O2O支付环节短板。
分析师点评：阿里一家独大的格局，万达、百度、腾讯分别做电商失败，让其深刻意识到抱团生存的重要性。万达抱团互联网大佬、多方借力的O2O发展模式，有望牵制阿里，给二、三线电商施加压力。但能否完成三方团队无缝隙对接，实现1+1+1>3，仍有待考验。万达投资快钱是其构建O2O版图的重要一步，块钱将成为万达电商重要的支付平台。
案例四银泰“线下商圈+阿里电商生态”O2O模式
所属行业：商业百货
案例概述：案例概述：银泰所有商场参加到天猫购物狂欢节，并率先尝试线下选品、线上支付购买的O2O模式。银泰商业集团还得到阿里战略入股，双方优势互补，共同打造涉及食、住、购、娱、游和公共服务六大领域的武林商圈O2O平台。2014年双“11”，银泰商业协同参与了阿里设立的020专场“去逛街”，纵深化增强O2O实力。
分析师点评：银泰与阿里联姻的O2O模式，一定程度上火拼了腾讯、苏宁等巨头在O2O领域“跑马圈地”。银泰依靠在全国的零售网络帮阿里搭建好O2O的基础设施体系，进而全面解决双方在线上和线下的货品、支付、物流等关键环节的融合，试图树立O2O领域的某种行业标准，并向全社会开放。
案例五大润发：“乡镇低线市场+飞牛网”的O2O模式
所属行业：商场超市
案例概述：大润发正式上线B2C平台飞牛网，在飞牛网运行半年后，携手喜士多便利店推行O2O“千乡万馆”项目，建立飞牛网购体验馆，实施O2O战略。飞牛网设置网购体验馆，旨在服务大润发服务不到的地区。飞牛网还将借力其他便利店、社区服务中心、乡镇连锁小店、加油站、专卖店等探索多元化通路。随后，飞牛网推出以“店庆日秒杀“为主题的活动，预热双“11”，4万平青浦仓投入使用，配送效率显著。飞牛网又与南通邮政达成战略合作，正式启用首批体验馆，飞牛网南通地区020“千乡万馆”计划开始落地。
分析师点评：中国电子商务研究中心(100ECCN)网络零售部助理分析师孙璐倩认为，大润发作为传统零售企业，积累了长久的用户资源和较好的口碑，其借飞牛网设置“千乡万馆”的O2O战略，以点带面，在很大程度上满足了用户需求，也能更好地实现线下切入线上、线上商业线下服务的互补，为未来用户市场的开拓争取更多的资源。大润发O2O模式将成为商超类进入互联网的借鉴。
案例六美乐乐：“线下体验馆+线上家装网”的O2O模式
所属行业：家居建材
案例概述：美乐乐选择将线上作为根据地，可以吸引到全国的流量，节省线下门店的租金，从而将售价降低，占据价格优势，吸引消费者。(美乐乐又涉足线下体验馆，主要供线上体验作用，将线上流量转化为线下交易量。不仅作为在当地城市的实景展厅，还作为小型仓库，缩短家具运输距离。另外，美乐乐还创建装修网，整合了多种家居、家装资讯，细化生态链中多个消费环节。美乐乐还通过集中SKU，，把每一个产品的量加大，从而大幅降低生产成本，然后有了规模效应以后，不论从生产、运输，从各方面都可以提升。美乐乐在生产与运输两个环节就获得了20%左右的成本优势。
分析师点评：美乐乐家居网是根据其自身发展，从传统的B2C业务拓展出了“美乐乐家居体验馆”这一线下平台，美乐乐的本质是降低了过去冗长的渠道成本，打破了过去企业和消费者信息不对称下的价格虚高。作为家居行业O2O“第一个吃螃蟹”的企业，美乐乐的O2O模式是较为成功的。但从它对外招商的举措来看，其战线铺的太长，可能还缺少明确方向。而“网上低价+网上推广+线下店铺”的模式能否推动线上线下活动，克服低价高成本的运营缺陷，还值得关注。
案例七顺丰嘿客：“社区实体店+二维码绑定具体商品”的O2O模式
所属行业：物流快递
案例概述：“嘿客”是顺丰速递推出的社区虚拟网购便利店。2014年5月18日，顺丰速运官方宣布正式开业518家“嘿客”，除快递物流业务、虚拟购物外，还具备ATM、团购/预售、试衣间、洗衣、家电维修等多项业务。快递企业跨界杀入O2O领域，模式超期，非便利店也非快递中心，被指“四不像”。
分析师点评：顺丰嘿客作为新一代社区服务店，是快递企业跨界玩O2O开拓的新型模式。运营至今，仍然是客流稀少，盈利堪忧，或是快递企业做O2O，模式定位出现偏差。另外，顺丰嘿客还缺乏后期的维护和推广动力。消费者在社区终端利用系统购买的习惯还没有养成，也缺乏信任;除顺丰这样的专业物流配送系统外，与终端相关的售后、退换货的物流成本仍然居高不下，成为影响社区商铺参与积极性的重要因素。
案例八钻石小鸟：“线下体验店+线上品牌化”的O2O模式
所属行业:珠宝业
案例概述：“鼠标+水泥”模式即“网购+体验店”，用户在线上平台选择产品，到就近体验店实体现场试戴，然后再做出理性的选择。初创品牌至今，钻石小鸟把“鼠标+水泥”的全新钻石销售模式从上海相继带到了国各大主要城市。2009年，钻石小鸟各地体验中心全面升级为4C概念体验中心，能够有效解答消费者的疑问，处理消费者的投诉、现场制定个性化产品等。另外，钻石小鸟标准化品牌体系，一对一购钻服务等优势服务项目，致力于传播钻石文化和品牌理念。
分析师点评：钻石小鸟的O2O模式之所以成功，价格优惠首当其冲。这种“鼠标+水泥”的商业模式，大大减少了钻石流通环节，进而降低了价格。“鼠标+水泥”的模式，不仅减轻了库存压力，还可以降低租金成本，提高品牌知名度。该模式值得传统珠宝商转型线上作为借鉴。
案例九海尔：“网格化门店+家居定制”的O2O模式
所属行业：家电业
案例概述：海尔打造全新“日日顺”平台，在全国建立了7600多家县级专卖店，26000个乡镇专卖店，19万个村级联络站，在中国2800多个县建立了物流配送站，布局了17000多家服务商，做到“销售到村，送货到门，服务到户”，解决了三四级市场的配送难题，并且在配送速度上已有1500多个区县实现24小时限时达，460个区县实现48小时内送达。
分析师点评：海尔作为传统企业的代表，其勇于突破的精神和把握时机有效布局O2O的众多举措很值得传统企业学习。海尔在O2O布局上占据了天时、地利、人和的优势，但在内部结构和管理理念上还面临着重重危机。该模式是否真的适合现在的海尔，未来成效如何，现在我们也只能先打一个大大的问号了。
案例十美邦：“生活体验+上网环境”的O2O模式
所属行业：服装业
案例概述：美邦先是与微信合作，后面又开始与支付宝、微淘合作，最近美邦提出了以“生活体验店+美邦APP”的O2O模式，并在全国推出了6家体验店，美邦期望通过这些体验店提供的舒适上网服务将消费者留在体验店内，店内提供高速wifi环境和惬意的咖啡，有大量的公用平板供用户使用，用户喝着咖啡登陆美邦APP购买商品，也可在APP下单后选择送货上门，以此实现线下向线上导流量。
分析师点评：生活体验店模式下，门店成为购物和上网、休息的场所。用户手机直接下单，可以加强线下向手机APP的导流，加强用户的移动APP沉淀。但是咖啡桌和上网环境会占用了店面大量空间，以“生活体验”和“上网环境”为核心进行店面改造，是否会背离服装零售的核心
①尤为app，我经常在上面购买！是韩国品牌，韩国基本上很多品牌都可以在上面购买！价格一百到几千元不等，你们喜爱的著名博主savislook很多款式的包包鞋都出自这。
②衣二三
它是个租衣服的app，一个月只要交499元就可以租到几十个衣服，每个衣服都是经过灭菌清洗，不用害怕会脏，很多博主都在上面购买，我的老东家也和他们有合作关系。
③icy
这款app是设计感非常好的购物平台！国内很多明星和博主都在上面购买是常用客户！
现在的网购实在是太黑了。筛选机制现在是“通过商家给的广告费的数量”来筛选，广告费高的么，当然就可以更大概率的出现了。所谓“服装推荐”的文章，其实是少则6元，多则二三十一篇雇佣网络写手写出来的。写的时候的要点就是要有一定的文笔，配上不错的（百度或者网站搜），推荐的内容呢就是把商家提供的广告费多的内容罗列上去就可以了。写稿的时候忙啊，谁有空看到底搭配不搭配呢。
央企国企电商运营思路近年来，在互联网浪潮冲击下，央企国企纷纷主动出击，“+互联网”，推出自己的电商平台。如中粮我买网、国药在线等。
一、央企国企发展电商的七大必然
(1)大势所趋
当前从中央到地方，电商已成发展之重点。各大企业也纷纷向互联网/电商转型，这是大势所趋。况且上下游、渠道、供应商、客户都将集中在互联网上，融入电商圈势在必行。
(2)政策引导
近年来，从国务院到各大部委，都纷纷出台扶持电商、互联网+的发展扶持政策。政策导向明显，环境的营造有利于企业电商发展。
(3)外部压力
互联网电商凭借新技术及模式实现了快速发展，并不断颠覆传统企业的传统模式
(4)财富效应
阿里巴巴、京东、美团、拼多多等电商平台凭借超高市值及估值等造就的财富效应明显，给传统企业带来了较明显的示范。
(5)资本概念
电商平台凭借资本的推动发展迅猛，实现快速扩大，以相较于传统企业数倍的速度实现增长，并以超过的市值及估值领跑传统企业。
(6)政府驱动
当前电商互联网+已成为国家发展战略，各级政府都在力推发展。
(7) 科技 革命。
互联网技术和 科技 的进步及发展不断的颠覆传统行业，并对传统行业造成技术性的革命。任何企业要想不被颠覆，只有及时做出改变。
二、优先选择采购供销环节电商化。
(1) 采购供销量大。
企业因自身业务体量较大。而很多企业发展电商首先就选择从自身采购供销开始就是因为如此。
(2)减少采购供销成本。
采购供销环节是企业出现问题较多的环节，电商化有助于减少成本。
(3)切入相对简便。
搭建电商平台从自身的采购供销环节入手对企业来说相对简便，试错成本更低，发展更有把握。
(4)改革阻力较小。
三、央企国企发展电商五大优势
(1)公信力优势。
在公信力方面，相比传统企业有着更多的优势所在，背靠政府背景，企业发展 历史 等都更具说服力。
(2)资源优势。
央企国企是在国民经济中占有重要地位的行业，在所处行业中都处于有绝对优势地位，相比一般的民营企业而言，资源优势明显。
(3)资金优势。
央企国企拥有的雄厚资金优势是发展电商的优势之一，电商发展前期抢占用户与市场份额颇为重要，对企业发展需要的资金要求较高，通过并购不断吸收富有创新力的新鲜血液。
(4)垄断优势。
央企国企有着民企不可比拟的优势之一是垄断优势，有着发展至关重要的政府优先审批、优先扶持等特殊待遇，这也将在发展电商中凸显。
(5)规范性优势。
在规范性上，央企国企还是存在优势，相比民企而言，如交易 *** 作、发票等规范性高于大部分民企。
四、央企国企发展电商七大阻力
(1)思维模式
思维是发展电商的重要阻力，要发展好电商必须要有互联网思维。
(2)运营机制
互联网企业发展以快取胜，良好、高效的企业运营机制尤为重要。
(3)人才激励。
人才是企业发展的第一生产力，电商企业对人才的高薪、股权激励等措施是实现企业快速发展的重要因素。
(4)考核机制。
考核机制要以企业效益为最终考核目标。
(5)互联网基因。
转型升级发展电商，互联网基因也异常关键。
(6)容错机制。
要有一个容错的机制，否则导致很多人不敢去开拓进取。
(7)新旧业务内部利益冲突。
发展电商有一个关键是新旧业务的冲突问题，电商的发展势必对线下业务造成影响，要加强线上线下业务的融合发展。
五、央企国企发展电商要采用“十新”理念，
(1)新思维。发展电商必须要要有互联网思维，思维决定企业发展。在移动互联网、大数据、云计算等 科技 不断发展的背景下，对市场、对用户、对产品、营销、创新对企业价值链乃至对整个商业生态的进行重新审视的思考方式。互联网思维的核心在于用户思维、简约思维、极致思维、迭代思维、流量思维、 社会 化思维、大数据思维、平台思维和跨界思维等。
(2)新公司。发展电商必须要有独立的公司，用新公司来发展，而不是电商业务在原有的公司体系下来，只有采用的新公司发展，才是符合电商发展之势。
(3)新技术。新的技术代表新的生产力，发展电商必须要采用新的技术来发展。如利用新技术的“虚拟试衣间”、“AR技术”、“未来试妆镜”、“智能机器人”“直播”等“黑 科技 ”的使用，帮助传统零售商进行销售、运营，帮助传统零售商进行升级改造。
(4)新交易。不管是自建或合作，发展电商一定要有一个新的平台，这个平台必须是符合新的行业发展趋势，如平台能够实现一站式全程在线销售、采购、金融、支付、物流等功能。在新平台中实现新交易，涵盖面向采购商、经销商、代理商以及消费者的新交易方式。
(5)新制造。随着互联网的发展，产品的制造销售将会更加的互联网化、数据化。“大数据”的引进，制造商通过数据预测市场变化，更准确地制定生产销售计划。同时，随着客户对个性化的追求，制造业将逐渐从B2C模式转换为C2C模式。
(6)新流通。如今传统的流通方式已经在发生变化，随着电商、移动电商、直播电商等新流通方式的出现，不断的改变了原来的流通方式。在电商发展中势必要不断的变革流通方式，如采用新模式众包物流、新型的物流网络解决配送问题。
(7)新机制。发展电商必须要启动新机制发展，必须改变体制和机制，电商的招聘制度和用人制度都要更加注重年轻化。只有把更多的年轻人吸收和提拔到电商的重要岗位上来，电商才能更加富有创新活力。
(8)新金融。互联网金融已成为电商的标配，在电商发展中，势必要积极发展及开拓新的金融方式。如为消费者提供消费金融，为传统零售商提供供应链金融，帮助传统零售商创造新的金融生态以及金融模式。
(9)新外贸。新外贸打破了多年来一直制约跨境电商发展的瓶颈“交易诚信问题”。通过对数据的沉淀、分析、利用，重塑了移动互联网时代下的贸易模式。发展电商要采用新的外贸方式。未来的电商战略一定要放眼全球、立足数字丝绸之路，在一带一路的国家战略下，积极发展跨境电商。
(10)新农业。“互联网+农业”发展迅速，发展电商需通过移动互联网、大数据、云计算、物联网等现代信息技术与农业深度融合，让互联网+成为现代农业建设的重要引擎。如采用“互联网+农产品”的预售模式、周期购模式、社区支持农业与互联网联姻、优化整条农业产业链进行品牌营销四大营销模式等。
六、分三个阶段逐步实施
第一，初级阶段，网络营销(市场传播领域)和电子商务(销售渠道环节);
第二，中级阶段，核心产品研发、供应链改造以及商业模式创新;
第三，高级阶段，组织层面变革以及融资模式与资本运作的创新。
七、十大切入点逐步切入
1、销售渠道在线化;
2、终端平台移动化;
3、营销推广社交化;
4、产品包装 娱乐 化;
5、用户需求个性化;
6、产品功能智能化;
7、融资渠道网络化;
8、经营决策数据化;
9、生产制造轻型化;
10、软件服务云端化。
八、成败关键
1思想观念要转变。有了理念上的变革，其他的变革也就相应地水到渠成
2给做电商的部门更多的权限，在管理模式上要与互联网企业看齐。
3不要太注重投资回报率，要给团队更多出错的空间，从出错中找到最佳的发展模式，即要做自己擅长的事情，不能跟着热点去做，要知道自己的核心竞争力在哪里。
-END-
近期成为月入两万的数据分析师的广告遍地都是，可能会对一些未入行的同学造成错觉。我个人感觉数据分析师这个岗位，可能近几年会消亡。
这不意味着这份工作本身不重要，而是说这份工作本身可能会转化为产品运营的一些必备技能，而不再需要单独特设人力去做这件事。或者说，不是再需要你学习SQL或者学习python，只是为了成为一名数据分析师。作为一名数据分析师，职业自身的壁垒正在不断消减，更加主动的拥抱业务，解决真正的产品和用户需求，或将成为未来的发展趋势。
数据分析师的日常工作
我们来看下预设中的分析师的一些工作场景，看看数据分析师核心的工作价值。
取数
数据清洗
数据可视化
统计分析
数据方向建设和规划
数据报告
取数 — SQL
很多人对数据分析师的预设是SQL达人，包括现在很多数据分析师的核心工作其实就是进行SQL取数。
这项工作的痛点和难点在于，我们为了得到一个结果，通常需要join很多的数据集，然后整个SQL语句就会写的特别长，而且可能会出现一些问题：比如join的表可能会出现key是重复的情况，造成最终的SQL结果因为重复而变得不可用。所以我们需要专人去专门维护各种各样的数据集，他们知道每张表应该怎么用。
但这个其实是关系型数据库遗留下来的产物——我们完全可以不需要join那么多的表。现在的分布式计算的框架，已经完全可以支持我们只保留一张大宽表，有需要的所有字段，然后所有的 *** 作都在这张大宽表上进行，而且可以保证查询速度。这样数据分析最大的痛点已经没有了。至于你说大宽表里面存了很多重复的数据，是不是很浪费资源(关系型数据库之所以不用大宽表就是从存储空间和性能的trade-off角度考虑的)：放心，分布式存储本身是不贵的，而计算效率则是由分布式计算框架进行专门优化的。现在的计算框架计算的响应速度，已经可以在大宽表上可以很快的得到结果了。相比之下，多次join *** 作反而可能会更慢一些。
同时，现在很多公司的NB框架，其实都已经支持拖拽取数了，也根本不需要写SQL了。
此外，不得不说的一点是，SQL语句本身真的不难。可能如果你自己静下心来想学，一个周末的时间肯定能搞定。而资历老的数据分析师，并不会比资历轻的数据分析师，在SQL语句的写作上有什么本质的区别。以前可能还有一些小表join大表的trick，但现在计算框架大多都已经优化过这些了。所以即使是需要写SQL的场景，本身也是没有什么难度的。
所以，通过大宽表来解放数据分析工作的生产力。即使在一定要写SQL做join *** 作的时候，本身也不是一件壁垒特别高的事情。取数这件事儿，对于其他岗位的同学，就已经没那么复杂了。
数据清洗 — Python
数据清洗其实是很多强调python进行数据分析课程中，python部分的主要卖点。包括但不限于，怎么处理异常值，怎么从一些原始的数据中，得到我们想要的数据。
在日常产品需求过程中，这种需求的场景其实很小。因为数据大部分都是自己产生的，很少会出现没有预设到的极端值或者异常情况。如果有的话，一般就是生产数据的同学代码写的有bug，这种发现了之后修复代码bug就行。
数据清洗在工作场景的应用在于落表——就是把原始数据变成上面提到的，可以通过SQL提取的hive表。这个工作是需要懂代码的同学去支持的，他们负责数据的产出，包括数据的准确性，数据的延时性(不能太晚产出)等等。前文提到的生成大宽表，其实也可以是他们的工作。这其中就涉及到一些代码的效率优化问题，这个就不是简单懂一点python可以搞定的了，可能涉及到一些数据压缩格式的转化，比如Json/Proto buffer到hive表的转化，还有一些计算框架层面的调优，比如spark设置什么样的参数，以及怎么样存储可以更好的提升查询速度。
所以这部分工作一般是由懂代码的同学完成的。可能数据团队会有比较少数的同学，管理支持全公司的基础表的生成。
数据可视化 — Tableau
很多之前在数据分析做实习的同学，主要的工作内容就是在一个商业化的软件(比如Tableau)上，做一些统计报表。这样可以通过这些数据报表，可以很方便的查看到所属业务的一些关键指标。这些商业软件通常都比较难用，比如可能需要先预计算一下才能输出结果；而且不太好做自定义功能的开发。稍微复杂一点的需求场景，可能就需要一个专门的同学捣鼓一阵，才能输出最终的统计报表。
现在有更先进的套路了。
首先可视化。很多公司打通了前端和后端的数据，这样就可以通过网页查询原始的数据库得到数据结果。而现在很多优秀的前端可视化插件，已经可以提供非常丰富的统计图形的支持。而且因为代码是开源的，可以根据公司的需求场景进行针对性的开发，公司可以再辅以配置一些更加用户友好的 *** 作界面，这样一些复杂需求也有了简单拖拽实现的可能。而且这些前端js代码都是免费的！对于公司来说也能省去一笔商业公司的采买成本。
其次很多商业软件，都是针对小数据集场景设计的。在一些大数据集的场景，一般需要先预计算一些中间表。而如果自己公司定制化开发的前端展示结果，就可以根据需要自主设置计算逻辑和配置计算资源，先在后端进行预计算，前端最终只是作为一个结果展示模块，把结果展示和需要的预计算进行解耦。这样就省去了很多中间表的产出，也会更加快速的得到想要的业务指标，快速迭代。
所以可视化数据的工作量也会大大减少。而且会变成一个人人都可以 *** 作，快速得到结果的场景。
统计分析
对于一名数据分析师而言，统计学分析可能是一块知识性的壁垒。尤其是在现在ab实验成为互联网公司迭代标配的今天。需要把实验设计的那套理论应用起来：比如ab实验进行后的显著性检验，多少样本量的数据才能让这个结论有效可信呢。
但是，你我都知道，经典的统计分析其实是一个非常套路性的工作。其实就是套公式，对应到代码层面，可能也就一两行就搞定了。这个代码的统计分析结果可以作为ab平台的指标展示在最终的ab结果上，大家看一眼就能明白。即使是对那些可能不知道显著性是什么意思的人，你可以跟他简单说，显著了才有效，不显著就别管。
这么一想是不是其实不怎么需要投入额外的人力进行分析？
其他数据相关的工作
数据层面的规划和设计。移动互联网刚刚兴起的时候，可能那时候数据分析师需要对每一个数据怎么来设计一套方案，包括原始的埋点怎么样，又要怎么统计出想要的结果。但现在大部分已经过了快速迭代的时代了，新产品的埋点添加可以参考老产品，这就意味着形成套路了。而一旦形成套路，其实就意味着可以通过程序直接完成或者辅助完成。
数据报告。那就真的是一件人人都能做的事情了，试想谁没在大学期间做过数据报告呢？以前只是因为数据都是从分析师产出的，而如果人人都能取到数据的话，数据报告是不是也不是一个真需求呢？
在我看来，数据分析师这个岗位的天花板和其他岗位相比起来是比较低的。可能工作一两年之后，从岗位本身就已经学不到什么额外的工作知识了。主要的工作内容技术含量不是特别高，技能性的更多的是一些可以简单上手的东西，而且做的时间长了，在这些技能性的事情上得到的积累并不是很多。
数据分析师更像是一个在时代变迁过程中的一个中间岗位：我们从一个基本没有数据的时代，突然进入了一个数据极大丰富的时代，在这个过程中，我们都知道重视数据。那怎么能够利用这个数据呢？可能之前的那一帮人并没有太多的经验，于是老板就招一些人专门来研究一下它，同时做一些底层数据的优化。
经过多年的迭代，现在互联网行业的每个人都知道数据的价值，也大概知道了什么样的数据是重要的，怎样可以更好的挖掘数据背后的价值。同时底层的基础设施也已经支持可以让一个之前没有经验的同学可以快速的上手得到自己想要的关键数据。这时候对于一个职业数据分析师来说，他的任务就已经完成了。就如同当人人都会讲英语的时候，翻译其实也就没有存在的价值了。
此后的数据分析工作，可能不再是一些单独的人做的工作。它会变成一个产品和运营的基础工具，而且足够简单，没有取数的门槛。只是产品运营怎么样可以更好的认识数据，通过数据本身更好的配合产品运营的工作，这已经超脱我们一般理解的数据分析师的工作了，而是一个产品运营分内的工作。
对于那些已经在从事数据分析师岗位的同学来说，建议不要把心思全部投入到数据分析的本职工作上，以完成任务为核心KPI。而是不要给自己设置边界，多从用户的角度思考问题，不要因为是产品运营的工作就不去做了。数据分析师这个职业发展到这个阶段，要么做更加底层的数据建设，要么拥抱业务，最大化的发掘数据背后背后的价值。不要再死守着数据分析的“固有技能”沾沾自喜了。
数据本身的价值是无穷的，作为数据分析师，你们已经先人一步的掌握它了，要有先发优势。你们最接近数据的人，是最可能发现用户的宝藏的人。
0条评论