1、数据收集：自身数据、外部数据（打包、脱敏）、爬虫（法律风险）、开放数据集（学习、研究）
2、数据处理：2.1软件因素：数据架构因素、检索引擎因素；2.2硬件因素：服务器性能
3、数据应用：3.1数据分析：通过数据处理方法和思路发掘业务价值、商业价值；
3.2数据挖掘：通过有针对性的建模，挖掘数据集的核心信息和未知价值。
4、数据分析的价值：4.1：避免主观谬误（需求分析）；
4.2：提高判断效率（定性指标定量化）；
4.3：易推广、易迭代（）。
业务分析过程简明化，分析成果结论化，分析模型通用化（方法、逻辑）
5、商业智能常用流程：5.1数据准备：数据粒度、汇总维度、计算字段
5.2需求评估：使用对象、应用场景、关联行动
5.3数据展示：展示形式、权限管理、刷新频次
6、商业智能解决的问题：现状总结、需求理解、问题寻因、解决方案、战略计划、业务创新
7、数据分析的三种路径： 7.1风险已经发生（解决问题，即问题寻因）
7.2有潜在风险（解决方案，补贴有效性案例）
7.3追求更好（战略计划和业务创新）
8、数据分析的四个层次：战略规划：内外部数据结合，长期规划的过程。注重方向，弱化细节；
策略分析：根据战略和目标，拆解为可执行的步骤。注重KPI设定
市场营销：活动和获客驱动。注重成本核算、效果预测和事后评估
业务运营：关注日常数据。注重监控预警和分析发现
9、结构化的分析方法：事实+前提+逻辑=观点
10、不同逻辑的推进结构：10.1、演绎推理：大前提、小前提、结论
10.2、时间/步骤：第一，第二，第三
10.3、空间/结构：上海，北京，深圳
10.4、程度/重要性：最重要，其次，等等
11、矩阵式思考（陌生问题分析路径）：构建坐标系（二维）----选择原点（连续/离散）----四象限（问题剖析）----制订策略（根据问题剖析结果）
12、矩阵式分析进阶版：12.1、增加分段：九宫格（多元标签化）
12.2、RFM（消费频率、消费金额、最近消费时间）、聚类
13、分解式思考：定位和寻因----将事物进行分解，从分支去理解全体
