1.学习初衷
（1）个人背景：
我是一个自学数据分析同时也是数据分析的爱好者,之前参加过finebi比赛,对于想要系统性学习finebi,因而产生了兴趣。
（2）从哪里了解到的学习班、为何选择学习班
我是从fine比赛中了解到学习班,同时考虑学习班是为了考FCP认证,想要系统学习以提高考试通过率。
2.学习经历
（1）熬夜学习、结交新朋友、感谢的人、有趣的事儿......
课程太赶了,作业太多了,特别是作业7和8堆在一周内完成,而且还是过年回来之后的一周,非常赶,作业无法润色完成好。
（2）课程建议：
对学习班的想法和建议:课程设置时间太短,作业太多了,不能及时完成。
对讲课老师、班主任、助教老师想说:答疑解惑都很好,有些问题说明不清楚需要额外说明。
3.学习成果
（1）个人成长
l 掌握了哪些技能和方法？
很多数据分析方法,TopN,时间维度分析,相关性分析,用户分类,四象限,RFM,二八分析,客户分析中的复购率,留存率,转化率和目标达成率。
l 最让你印象深刻的内容？
函数最难了。
l 学习的初衷实现了几成、是否达成目标？
学习初衷实现了接近7成,还未达到目标。
l 通过FCA考试的感悟和分享！
很多都是考的关于finebi一些设置的基础内容,可以尝试做做题库以提高通过率。
l 是否有信心拿下FCP考试？
有的。
l 个人的心得体会：
人就是要不断学习,提升自我,从不懂变成懂得,自己又学会了一项技能了,还要反复练习巩固知识以免生疏。
（2）工作应用
本次以过去参赛作品<亚马逊用户行为分析>为例:
l 分析场景应用介绍
描述现状:总览不同时间段的客户数分布情况。
分析原因:根据不同分析模块,拆分出从用户自身属性,个性化推荐,用户决策,用户行为和用户反馈六个分析模块进行深入探究客户数的差异原因及客户数的分布情况。
识别趋势:根据各个分析模块中的数据表现,了解到客户购买时段,客户画像及客户关注的商品类目。
指导决策:根据各个分析模块结论,整合出优化营销策略,其中包括个性化推荐,商品评论及客户服务响应。
l 各个组件（报表块）的业务含义
1.业务需求:主要说明业务需求及痛点,以及所需达成的目标。
2.用户自身属性模块:主要说明用户自身社会属性及历史行为属性的情况。
3.个性化推荐模块:主要说明个性化推荐营销的效果分析及用户对个性化系统的评价。
4.用户决策模块:主要说明用户关于商品评论重视度及趋势。
5.用户行为模块:主要说明用户搜索行为等其他行为信息以及购买的情况。
6.用户反馈模块:主要说明用户的UGC内容沉淀，整体了解用户评价及优缺点。
l 通过观测什么内容，能够发现什么问题，发现问题后分情况采取哪方面的行动。
仅仅为 个人分析作品,还未应用工作,未能采取行动。
通过观察以下模块内容,发现了相关属性特征,具体见下表:
观测内容
发现问题(总结特征)
用户自身属性模块
1.用户主要集中于周一到周五浏览亚马逊平台，且主要是发生在14~15，17~19及22~23这三个时间段内;
2.用户年龄接近80%在20~40岁间，且接近60%为女性;
3.接近80%的用户浏览亚马逊平台每月多次或者每周多次，且每月购买多次的情况较多，主要购买品类为美容美体和服装时尚两大类。
个性化推荐模块
1.个性化推荐推送的频率控制在经常和正常范围内，用户对个性化推荐的评价相对中等，但接近有60%的用户因为个性化推荐购买过商品，个性化推荐商品还是一定程度上影响用户购买行为的发生的。
用户决策模块
1.90%用户对商品评论有着中等甚至重度的依赖度，同时普遍认为具有中等偏高的价值，超70%用户认为商品评论对自己有所帮助。
用户行为模块
1.用户以类别及关键字形式来搜索所需商品，并且超7成用户搜索多页;2.用户浏览商品加购的概率至少35%以上，接近有30%多的概率会加购后完成交易。
用户反馈模块
1.近半数用户是会下商品评论的，近8成用户对在亚马逊平台的购物体验满意度还是中等偏上的，且女性满意度稍高于男性;
2.用户最喜欢亚马逊服务的点是商品评论，竞争性价格及广泛的商品选择空间;
3.用户希望亚马逊改善的点是客户服务响应，产品质量及准确性以及减少包装时浪费。
l 对业务工作的指导意义/对企业发展决策的价值
更多为三方面,了解消费者行为,识别趋势及优化营销策略
总结的三方面
具体内容
消费者行为
1.用户多以类别和关键字形式来搜索所需商品，注意优化SOP，排名顺序及类别分类精准性，多页搜索结果注意优化商品间差异以提供更多选择;
2.用户浏览商品加购概率为35%以上，但是仅有30%多的概率会加购完成交易，注意加购后优惠卷或其他优惠服务，引导用户完成交易，提供交易完成度;
3.用户接受 "保护以供稍后使用"的功能程度较高，可继续提升优化此功能。
识别趋势
1.用户集中于周一到周五,且浏览购买发生时段在14~15，17~19及22~23这三个，建议在此时间段进行个性化商品推荐的推送服务;
2.用户年龄80%集中在20~40岁且接近60%为女性，可以以20~40岁的女性用户群体进行精准化推送个性化商品的推荐，主要推送品类为美容美体和服装时尚两大类。
优化营销策略
1.个性化推荐推送的频率建议控制在正常到经常的水平，用户对个性化推荐的效果还是比较认同，建议提升个性化商品推荐的精准度及保证更高的商品质量;
2.建议对未曾对商品进行评论的用户进行鼓励，同时注意过滤商品评论的信息，控制好商品评论的高价值度，提升商品评论的建议有效性;
3.用户最喜的点为商品评论，竞争性价格及广泛的商品选择空间，注意持续提升用户喜闻乐见的点，发扬优势;
4.用户希望改善的点是客户服务响应，商品质量及准确性以及减少包装时浪费，注意控制客户服务响应的时间及服务质量，采购的商品质量及准确性应控制好，采用可环保再生的材料进行包装。
4.小结
参加本次课程的心得体会小结
很有收获,特别是函数,过滤组件,分析思路方法和可视化设计上glad原则,让我系统性的学习了finebi,比起以前自己摸索的野路子,很多功能和设计只有上了课之后才了解的。
对于这类操作软件,自己动手多练才是王道,上课还只是脑子学会了,手一做就发现有问题,但是又找不到问题。
需要自己多总结课程,补充ppt中的内容,总结成思维导图来使用。
