書馨卡幫你省薪 2024個(gè)人購書報(bào)告 2024中圖網(wǎng)年度報(bào)告
歡迎光臨中圖網(wǎng) 請 | 注冊
> >
數(shù)據(jù)分析之道: 用數(shù)據(jù)思維指導(dǎo)業(yè)務(wù)實(shí)戰(zhàn)

數(shù)據(jù)分析之道: 用數(shù)據(jù)思維指導(dǎo)業(yè)務(wù)實(shí)戰(zhàn)

作者：李渝方
出版社：電子工業(yè)出版社出版時(shí)間：2022-01-01
開本： 16開 頁數(shù)： 222
中 圖 價(jià):¥51.9(4.9折) 定價(jià)  ¥106.0 登錄后可看到會員價(jià)
加入購物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
溫馨提示：5折以下圖書主要為出版社尾貨，大部分為全新（有塑封/無塑封），個(gè)別圖書品相8-9成新、切口
有劃線標(biāo)記、光盤等附件不全詳細(xì)品相說明>>
本類五星書更多>

數(shù)據(jù)分析之道: 用數(shù)據(jù)思維指導(dǎo)業(yè)務(wù)實(shí)戰(zhàn) 版權(quán)信息

數(shù)據(jù)分析之道: 用數(shù)據(jù)思維指導(dǎo)業(yè)務(wù)實(shí)戰(zhàn) 本書特色

適讀人群 ：本書適合工作了1～3 年的初級數(shù)據(jù)分析師；已經(jīng)掌握了數(shù)據(jù)分析工具，需要培養(yǎng)數(shù)據(jù)思維的轉(zhuǎn)行人員；數(shù)據(jù)科學(xué)行業(yè)的人力專家和獵頭等。本書作者是互聯(lián)網(wǎng)大廠資深數(shù)據(jù)分析師 作者累計(jì)創(chuàng)作 “100+”篇數(shù)據(jù)分析原創(chuàng)文章，全網(wǎng)累計(jì)閱讀量超1000000 本書是數(shù)據(jù)分析方法論與統(tǒng)計(jì)學(xué)知識、編程語言及應(yīng)用案例的完美結(jié)合 內(nèi)容覆蓋數(shù)據(jù)思維 數(shù)據(jù)治理 數(shù)據(jù)埋點(diǎn) 數(shù)據(jù)標(biāo)簽 數(shù)據(jù)指標(biāo)體系 數(shù)據(jù)中臺 數(shù)據(jù)之道 本書適合工作了1～3 年的初級數(shù)據(jù)分析師 已經(jīng)掌握了數(shù)據(jù)分析工具，需要培養(yǎng)數(shù)據(jù)思維的轉(zhuǎn)行人員 數(shù)據(jù)科學(xué)行業(yè)的人力專家和獵頭等

數(shù)據(jù)分析之道: 用數(shù)據(jù)思維指導(dǎo)業(yè)務(wù)實(shí)戰(zhàn) 內(nèi)容簡介

本書以數(shù)據(jù)思維為主題，以數(shù)據(jù)分析全流程為主線，融合了編程語言、統(tǒng)計(jì)學(xué)基礎(chǔ)及案例分析等內(nèi)容，全書分為4篇，囊括了數(shù)據(jù)思維的概念和培養(yǎng)方法、數(shù)據(jù)來源及體系建設(shè)、數(shù)據(jù)分析三大思維方式及用戶流失、用戶轉(zhuǎn)化實(shí)戰(zhàn)等共11章的內(nèi)容。本書囊括了數(shù)據(jù)分析中常用的分析方法，包括經(jīng)典的海盜（AARRR）模型、麥肯錫的MECE模型、邏輯樹、漏斗分析、路徑分析、對比分析、A／B試驗(yàn)、RFM模型、K－Means算法、5W2H等分析方法，還包括各類方法的實(shí)踐案例及Python實(shí)操項(xiàng)目？梢哉f本書是數(shù)據(jù)分析方法論與統(tǒng)計(jì)學(xué)知識、編程語言及應(yīng)用案例的完美結(jié)合。

數(shù)據(jù)分析之道: 用數(shù)據(jù)思維指導(dǎo)業(yè)務(wù)實(shí)戰(zhàn) 目錄

目 錄

第1 篇 數(shù)據(jù)思維

第1 章 數(shù)據(jù)思維是什么 1

1.1 從數(shù)據(jù)治理流程淺談數(shù)據(jù)思維 1

1.1.1 什么是數(shù)據(jù)治理 2

1.1.2 數(shù)據(jù)治理流程介紹 2

1.1.3 從數(shù)據(jù)治理流程談數(shù)據(jù)部門崗位職責(zé) . 3

1.1.4 數(shù)據(jù)分析師在數(shù)據(jù)治理流程中所需要的數(shù)據(jù)思維 . 4

1.2 數(shù)據(jù)思維到底是什么 5

1.2.1 應(yīng)用數(shù)據(jù)思維的工作 5

1.2.2 數(shù)據(jù)思維是可以培養(yǎng)的 .. 6

1.3 數(shù)據(jù)思維*直觀的解釋 6

1.3.1 構(gòu)建有效的監(jiān)控體系和客觀的評價(jià)標(biāo)準(zhǔn) . 7

1.3.2 用合理的分析方法探究原因以及評價(jià)效果 . 7

1.3.3 綜合運(yùn)用統(tǒng)計(jì)學(xué)知識對活動(dòng)效果進(jìn)行預(yù)估 . 8

第2 章 為什么數(shù)據(jù)思維如此重要 . 9

2.1 數(shù)據(jù)思維是數(shù)據(jù)分析師**的技能 9

2.1.1 數(shù)據(jù)分析師**的硬技能 9

2.1.2 數(shù)據(jù)分析師**的軟技能 10

2.1.3 為什么軟技能比硬技能重要 10

2.2 數(shù)據(jù)思維是數(shù)據(jù)分析師成長晉升的**技能 11

2.3 數(shù)據(jù)思維能幫助數(shù)據(jù)分析師建立影響力 11

第3 章 數(shù)據(jù)思維如何培養(yǎng) 14

3.1 熟悉常用的數(shù)據(jù)分析方法 14

3.1.1 三大分析思維 14

3.1.2 不同生命周期的分析方法 15

3.2 樹立目標(biāo)意識，尋找潛在分析點(diǎn) 16

3.2.1 為什么需要樹立目標(biāo)意識 17

3.2.2 通過多問“為什么”，樹立目標(biāo)意識 . 18

3.3 不預(yù)設(shè)立場，通過客觀的標(biāo)準(zhǔn)代替主觀的判斷 19

3.3.1 不預(yù)設(shè)立場才能做到客觀 19

3.3.2 預(yù)設(shè)立場與假設(shè)檢驗(yàn)的區(qū)別 20

3.4 基于數(shù)據(jù)分析結(jié)果為業(yè)務(wù)方提出切實(shí)可行的解決方案 21

3.4.1 數(shù)據(jù)分析師提出合理建議需要經(jīng)歷的三個(gè)階段 21

3.4.2 數(shù)據(jù)分析師需要避免的幾種提建議的方式 23

第2 篇 數(shù)據(jù)指標(biāo)體系

第4 章 數(shù)據(jù)埋點(diǎn) . 27

4.1 數(shù)據(jù)埋點(diǎn)簡介 27

4.1.1 從數(shù)據(jù)產(chǎn)生流程淺談數(shù)據(jù)埋點(diǎn) 28

4.1.2 為什么需要進(jìn)行數(shù)據(jù)埋點(diǎn) 29

4.1.3 數(shù)據(jù)埋點(diǎn)能夠采集哪些用戶數(shù)據(jù) 29

4.1.4 數(shù)據(jù)埋點(diǎn)與隱私保護(hù) 30

4.2 數(shù)據(jù)埋點(diǎn)分類及主流的數(shù)據(jù)上報(bào)技術(shù) 30

4.2.1 數(shù)據(jù)埋點(diǎn)的分類及方式 30

4.2.2 主流的數(shù)據(jù)上報(bào)技術(shù) 31

4.3 數(shù)據(jù)埋點(diǎn)方案設(shè)計(jì) 32

4.3.1 數(shù)據(jù)埋點(diǎn)流程 33

4.3.2 通過六個(gè)步驟實(shí)現(xiàn)數(shù)據(jù)埋點(diǎn)設(shè)計(jì) 34

4.3.3 以電商成交為例實(shí)現(xiàn)數(shù)據(jù)埋點(diǎn)設(shè)計(jì) 35

第5 章 數(shù)據(jù)標(biāo)簽體系 . 38

5.1 數(shù)據(jù)標(biāo)簽體系與用戶畫像 38

5.1.1 什么是數(shù)據(jù)標(biāo)簽體系 38

5.1.2 數(shù)據(jù)標(biāo)簽體系的作用 39

5.1.3 數(shù)據(jù)標(biāo)簽的分類 39

5.1.4 用戶數(shù)據(jù)標(biāo)簽的層級分類 40

5.1.5 數(shù)據(jù)標(biāo)簽體系與用戶畫像的關(guān)系 41

5.2 如何構(gòu)建數(shù)據(jù)標(biāo)簽體系 42

5.2.1 數(shù)據(jù)標(biāo)簽體系構(gòu)建的流程 42

5.2.2 數(shù)據(jù)分析師在標(biāo)簽體系構(gòu)建過程中承擔(dān)的角色 43

5.2.3 以某App 付費(fèi)用戶的數(shù)據(jù)標(biāo)簽體系的構(gòu)建為例，淺析數(shù)據(jù)標(biāo)簽體系構(gòu)

建過程 44

5.3 數(shù)據(jù)標(biāo)簽體系的應(yīng)用場景 47

5.3.1 數(shù)據(jù)標(biāo)簽體系輔助運(yùn)營人員進(jìn)行決策分析 . 48

5.3.2 數(shù)據(jù)標(biāo)簽體系可提升數(shù)據(jù)分析師的分析效率 . 48

第6 章 數(shù)據(jù)指標(biāo)體系 49

6.1 從中國人口數(shù)據(jù)初識指標(biāo)體系構(gòu)建 49

6.1.1 什么是指標(biāo)體系 49

6.1.2 為什么需要指標(biāo)體系 50

6.1.3 指標(biāo)體系的評價(jià)標(biāo)準(zhǔn)及注意事項(xiàng). 53

6.2 用四個(gè)模型梳理數(shù)據(jù)指標(biāo)體系構(gòu)建的方法論 53

6.2.1 構(gòu)建數(shù)據(jù)指標(biāo)體系的方法 54

6.2.2 用三個(gè)步驟、四個(gè)模型梳理數(shù)據(jù)指標(biāo)體系的方法 . 54

6.2.3 以GMV 為例搭建數(shù)據(jù)指標(biāo)體系 . 57

6.3 如何搭建一套通用的指標(biāo)體系并快速落地應(yīng)用 60

6.3.1 多部門配合搭建數(shù)據(jù)指標(biāo)體系的流程 . 60

6.3.2 搭建通用的指標(biāo)體系 61

6.4 定位異動(dòng)因素 65

6.4.1 數(shù)據(jù)波動(dòng)多少才能稱為數(shù)據(jù)異動(dòng). 65

6.4.2 數(shù)據(jù)波動(dòng)分析的方法論 65

6.4.3 從數(shù)據(jù)埋點(diǎn)到指標(biāo)體系再到指標(biāo)異動(dòng)的閉環(huán) . 70

第3 篇 數(shù)據(jù)分析方法論

第7 章 對比思維 . 71

7.1 利用對比分析得出結(jié)論 71

7.1.1 對比分析的作用 71

7.1.2 確定對比的對象 72

7.1.3 如何對比 72

7.1.4 對比分析的可比性原則 77

7.2 A/B 試驗(yàn)設(shè)計(jì)及容易忽略的誤區(qū) . 78

7.2.1 什么是A/B 試驗(yàn) . 78

7.2.2 A/B 試驗(yàn)?zāi)芙鉀Q什么問題 . 78

7.2.3 A/B 試驗(yàn)的流程 . 79

7.2.4 A/B 試驗(yàn)常見的誤區(qū) 82

7.3 A/B 試驗(yàn)背后涉及的統(tǒng)計(jì)學(xué)原理 . 87

7.3.1 什么是抽樣 87

7.3.2 樣本為什么可以代表總體 88

7.3.3 通過假設(shè)檢驗(yàn)判斷A、B 兩組樣本是否存在差異 . 90

7.3.4 如何通過樣本估計(jì)總體 91

7.3.5 如何確定足夠的樣本量，以達(dá)到所希望的邊際誤差 92

7.3.6 如何衡量試驗(yàn)效果 94

7.3.7 多重比較中P 值修正的三方法 96

7.4 Python 實(shí)戰(zhàn)：A/B 試驗(yàn)在廣告方案選擇中的應(yīng)用 96

7.4.1 試驗(yàn)背景 96

7.4.2 數(shù)據(jù)基本情況探索 97

7.4.3 A/B 試驗(yàn)結(jié)果分析 98

第8 章 分群思維 . 102

8.1 從用戶生命周期淺談分群思維 102

8.1.1 什么是分群思維 102

8.1.2 為什么需要用戶分群 104

8.1.3 用戶分群方法論 106

8.2 用數(shù)據(jù)分箱進(jìn)行結(jié)構(gòu)化分析 107

8.2.1 結(jié)構(gòu)化分析是什么 107

8.2.2 如何更加高效地做結(jié)構(gòu)化分析 109

8.3 同期群分析解讀用戶生命周期，剖析真實(shí)用戶行為和價(jià)值 110

8.3.1 同期群分析是什么 111

8.3.2 做同期群分析的意義 112

8.3.3 數(shù)據(jù)分析師如何快速地做同期群分析 113

8.4 Python 實(shí)戰(zhàn)：基于RFM 模型及K-Means 算法實(shí)現(xiàn)用戶分群 . 115

8.4.1 RFM 模型與K-Means 算法介紹 116

8.4.2 RFM 模型實(shí)現(xiàn)用戶分群 . 118

8.4.3 K-Means 算法實(shí)現(xiàn)用戶分群 123

第9 章 相關(guān)與因果 . 133

9.1 相關(guān)性分析簡介 133

9.1.1 相關(guān)性分析與相關(guān)系數(shù) 133

9.1.2 常用的三種相關(guān)系數(shù) 134

9.1.3 相關(guān)系數(shù)實(shí)戰(zhàn) 136

9.2 因果推斷方法論 138

9.2.1 相關(guān)性不等于因果性的示例 139

9.2.2 從辛普森悖論談因果推斷 139

9.2.3 因果推斷的三個(gè)層級 141

9.2.4 因果推斷的方法 141

9.2.5 因果推斷常用的框架 144

9.3 Python 實(shí)戰(zhàn)：利用DoWhy 框架實(shí)現(xiàn)因果推斷 . 144

9.3.1 DoWhy 因果推斷框架簡介 . 145

9.3.2 數(shù)據(jù)來源及預(yù)處理 145

9.3.3 數(shù)據(jù)相關(guān)性探索 148

9.3.4 因果推斷實(shí)現(xiàn) 149

第4 篇 數(shù)據(jù)分析案例實(shí)戰(zhàn)

第10 章 用戶流失分析 159

10.1 用戶流失分析方法論 159

10.1.1 用戶流失分析總體方法論 160

10.1.2 定義流失用戶的方法 161

10.1.3 分析用戶流失的原因 164

10.1.4 生成流失用戶標(biāo)簽 164

10.1.5 預(yù)測潛在流失用戶 165

10.1.6 分層運(yùn)營及用戶召回 165

10.2 案例分析：用5W2H 方法分析游戲用戶流失原因 165

10.2.1 情景介紹 165

10.2.2 5W2H 方法介紹 . 166

10.2.3 以游戲用戶流失為例，詳解5W2H 方法 167

10.3 用5 個(gè)理論模型構(gòu)建外部因素分析框架 170

10.3.1 通過SWOT 模型全面認(rèn)識產(chǎn)品 . 171

10.3.2 PEST 模型分析外部宏觀環(huán)境的四個(gè)視角 171

10.3.3 用波特五力模型分析競品的五個(gè)維度 . 172

10.3.4 用4P 理論指導(dǎo)競品分析 173

10.3.5 用戶體驗(yàn)五要素模型優(yōu)化產(chǎn)品功能，減少用戶流失 . 174

10.3.6 幾個(gè)模型之間的關(guān)聯(lián) 175

10.4 如何設(shè)計(jì)問卷驗(yàn)證用戶流失的原因 176

10.4.1 問卷可以做什么 176

10.4.2 如何設(shè)計(jì)問卷 176

10.4.3 問卷的投放 180

10.4.4 數(shù)據(jù)分析及報(bào)告撰寫 181

10.4.5 通過問卷獲取信息可能存在的問題 181

10.5 Python 實(shí)戰(zhàn)：通過生存分析預(yù)測用戶流失周期 182

10.5.1 生存分析 182

10.5.2 數(shù)據(jù)基本情況探索 184

10.5.3 探索變量之間的相關(guān)性 188

10.5.4 用KM 模型分析用戶留存率 189

10.5.5 Cox 風(fēng)險(xiǎn)比例模型 190

第11 章 用戶轉(zhuǎn)化與付費(fèi)分析 197

11.1 用戶轉(zhuǎn)化與付費(fèi)分析概述 197

11.1.1 從用戶轉(zhuǎn)化談數(shù)據(jù)分析師的職責(zé) 197

11.1.2 用戶轉(zhuǎn)化與付費(fèi)常用的分析方法介紹 198

11.2 貝葉斯公式在用戶轉(zhuǎn)化中的應(yīng)用 198

11.2.1 貝葉斯公式簡介 199

11.2.2 用貝葉斯公式預(yù)估特定群體的轉(zhuǎn)化率 199

11.3 案例分析：用漏斗模型分析某電商平臺換貨業(yè)務(wù)，提升用戶轉(zhuǎn)化率 201

11.3.1 什么是漏斗分析 201

11.3.2 漏斗分析的核心步驟 202

11.3.3 以某電商平臺逆向上門取件換貨業(yè)務(wù)為例，詳解漏斗分析法. 203

11.4 用營銷增益模型實(shí)現(xiàn)用戶分群，輔助運(yùn)營人員識別營銷敏感人群 208

11.4.1 什么是營銷增益模型 208

11.4.2 為什么需要營銷增益模型 209

11.4.3 營銷增益模型的建模方法 210

11.4.4 營銷增益模型的評價(jià)指標(biāo) 211

11.5 Python 實(shí)戰(zhàn)：利用營銷增益模型識別營銷敏感人群 212

11.5.1 數(shù)據(jù)初步探索 212

11.5.2 數(shù)據(jù)預(yù)處理及數(shù)據(jù)可視化 214

11.5.3 構(gòu)建營銷增益模型 216

附錄A 縮略詞及中英文對照 . 219

參考文獻(xiàn) . 221



展開全部

數(shù)據(jù)分析之道: 用數(shù)據(jù)思維指導(dǎo)業(yè)務(wù)實(shí)戰(zhàn) 作者簡介

李渝方，網(wǎng)名森夏恩，復(fù)旦大學(xué)碩士，生物醫(yī)學(xué)專業(yè)轉(zhuǎn)行互聯(lián)網(wǎng)數(shù)據(jù)分析，先后就職于游族網(wǎng)絡(luò)、 阿里巴巴，現(xiàn)就職于某互聯(lián)網(wǎng)大廠擔(dān)任數(shù)據(jù)分析師。知乎數(shù)據(jù)分析話穎的優(yōu)秀回答者， 公眾號“數(shù)據(jù)萬花筒”運(yùn)營者，累計(jì)創(chuàng)作 “100+”篇數(shù)據(jù)分析原創(chuàng)文章，原創(chuàng)文章在全網(wǎng)累計(jì)閱讀量超過百萬！ 隨書配套的數(shù)據(jù)資源可在公眾號“數(shù)據(jù)萬花筒”后臺回復(fù) “數(shù)據(jù)思維” 獲取，或者掃描封底二維碼添加博文小助手來獲取。

商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服