在 2018 - 2019 这 2 年时间，管理过 40 人的客服团队。梳理了些内容，现在分享出来。当然，这部分经验主要适用互联网客服。

最近面试了近 10 位 UI 设计师。记录下自己的面试方式。当然，面试流程会随着对 UI 设计师 这个岗位的理解逐渐调整。

我是旗帜鲜明的不鼓励加班，越是规则化，越有逆反心理。我的理由是：

这几个方式，来自《用户增长方法论》一书，这本书基本上是属于理论汇总。工作几年后，可以利用这本书梳理理论体系。

斯坦福监狱实验是一个著名的心理学实验。该实验由斯坦福大学心理学教授菲利普·津巴多主持。时间在 1971 年夏天。

整理了下数据分析师技能树，会进行填充更新。

MySQL

• 基础查询语句：查询语句 select、表来源 from、条件语句 where、数据分组 group by、数据过滤 having、数据排序 order by、限制行数 limit ；
• 多表查询语句：内连接（join/inner join）、左连接（left join) 、右连接（right join) ；
• 条件函数：case when、if；
• 聚合函数：求和 sum()、均值 avg()、计数 count()、最大值 max()、最小值 min()；
• 窗口函数：
  • 累计计算窗口函数：sum()over(partition by … order by …)、avg()over(partition by … order by …)；
  • 分区排序窗口函数：row_number()over()、rank()over()、dense_rank()over()；
  • 分组排序窗口函数：ntile()over()；
  • 偏移分析窗口函数：lag()over()、lead()over()；
• SQL定义与操作语言：创建表 create 、插入语句 insert into 、更新语句 update 、删除语句 delete。

Python

• NumPy、Pandas、matplotlib库；
• sklearn 库。

机器学习

• 算法模型：决策树、随机森林、回归模型、K-Means聚类、K近邻、贝叶斯、支持向量机、Apriori关联规则等；
• 特征工程：特征缩放/归一化，分类变量，数据降维，特征选择。

统计学

• 描述统计：频数分析、集中趋势、离散程度、数据分布；
• 参数估计：总体、个体、样本；点估计和区间估计；中心极限定理；正态分布；
• 假设检验：双边检验、单边检验；Z检验、t检验、卡方检验、F检验；
• 线性回归：一元线性回归、多元线性回归、损失函数；
• 时间序列分析：AR、MA、ARMA、ARIMA模型。

思维

• 思维：PEST、5W2H、SWOT、4P理论、用户行为理论、波士顿矩阵、二八原则、AARRR、LTV、产品生命周期、用户生命周期、漏斗分析；
• 工具：A/B Test、数据埋点平台。

Tableau

• 工作表、仪表盘和故事；
• 可视化：柱状图和条形图、折线图和面积图、饼图和环形图、散点图和气泡图、箱线图。

数学

• 线性代数
• 微积分
• 概率论

大数据

• 开发：Java，Linux，Hadoop，Spark，Hive，ETL，Flink。

其他技能

• SPSS、Excel；

来自团队同学整理，写给客服同学了解。

王诗沐说，用户深入访谈是最重要的用户研究方法。我是无比赞同。他在《幕后产品》里说：

关于绩效考核，之前在管理职能型团队里，有写过一些看法。里面有说到关于员工绩效考核的内容。这次再提一下绩效考核的几个认知。

Anaconda 安装部分三方包流程说明。