最近，我读了叶秋萍的《数据运营：数据分析模型撬动新零售实践》。无独有偶，作者也是曾经看过一本书名为《数据实践之美》的书的作者之一。看完这本书，我收获很大。由于工作原因，之前对每一种数据分析方法论和模型都有一些认知，但没有整体的归纳和总结。看完这本书，我对传统的数据分析模型和方法论有了全面的了解和回顾。 　　

　　这本书讲述了很多关于数据估值的模型，并将它们应用到实践中。包括传统的数据分析方法，如趋势分析、比较分析和关系分析；它还包括传统的数据分析模型，如购物篮分析、帕累托分析和RFM分析。同时，它还包括相对较新的数据分析模型，如AIPL模型，快速模型和增长模型。 　　

　　这本书不仅讲述了数据分析模型的基本理论，还讲述了各种数据分析方法论以及如何用什么样的工具实现模型。最后用一些实际案例来还原整个基础理论和工具操作过程，让读者更容易阅读，强化深度记忆。在阅读的过程中，我也将其中的一些方法论和模型应用到实际工作中，取得了一定的成果。比如通过RFM模型对游戏中的用户进行分类，然后进行精细化运营和有针对性的精准推送。 　　

　　看完这本书，我自己对自己的数据分析知识和经验做了一个全面的回顾。最后得出两个结论。一是工具其次，数据分析方法论和数据分析思维最重要。在任何一个数据分析过程中，有100种工具操作方法，但不知道具体的数据分析方法论和思路是徒劳的。所以方法论和思维的积累是需要定期总结和归纳的。所以借此机会奉劝那些一味追求学习工具的操作，而忽略了方法论和思维的总结的朋友们。工具其实是，方法论和思维才是王道。第二，无论什么样的数据分析模型或数据分析方法论，在应用过程中都要形成闭环。没有闭环的数据分析，就像你花了很多时间和金钱造了一辆公交车，却没有投入使用。即使投入使用，也不评价其效果和价值。 　　

　　所以在我看来，数据分析更难的是如何形成闭环。以下是我结合这本书和自己的复习总结出来的闭环。闭环：分析目的(原因)有针对性的方法论和模型数据处理分析得出关键结论讨论关键结论有针对性的解决方案评估方案有效性实施方案评估方案效果复盘全过程带来的价值螺旋式良性循环年度总价给公司带来的各种价值其他项目是否可复制完成。 　　

　　在上述闭环中，我们再次回来时已经应用了那些知识体系： 　　

　　数据分析方法论和模型体系：需要理论知识和长期的积累归纳。 　　

　　数据处理和分析：数据库工具和数据分析工具以及可视化知识系统。 　　

　　得出关键结论：本业务的知识体系和提炼关键结论的知识体系。 　　

　　讨论方案的安排：口才知识体系和方案安排知识体系。 　　

　　方案执行：推送和沟通能力。 　　

　　评估效果与价值回顾：金融相关知识体系。 　　

　　复制：一种从他人那里得出推论的知识体系。