數據分析之道： 用數據思維指導業務實戰

本書以數據思維為主題，以數據分析全流程為主線，融合了編程語言、統計學基礎及案例分析等內容，全書分為4 篇，囊括了數據思維的概念和培養方法、數據來源及體系建設、數據分析三大思維方式及用戶流失、用戶轉化實戰等共11 章的內容。本書囊括了數據分析中常用的分析方法，包括經典的海盜(AARRR) 模型、麥肯錫的MECE 模型、邏輯樹、漏鬥分析、路徑分析、對比分析、A/B 試驗、RFM 模型、K-Means 算法、5W2H等分析方法，還包括各類方法的實踐案例及Python 實操項目。可以說本書是數據分析方法論與統計學知識、編程語言及應用案例的完美結合。

版權信息
內容簡介
前言
第1篇數據思維
第1章數據思維是什麼
1.1 從數據治理流程淺談數據思維
1.2 數據思維到底是什麼
1.3 數據思維最直觀的解釋
第2章為什麼數據思維如此重要
2.1 數據思維是數據分析師必備的技能
2.2 數據思維是數據分析師成長晉升的必備技能
2.3 數據思維能幫助數據分析師建立影響力
第3章數據思維如何培養
3.1 熟悉常用的數據分析方法
3.2 樹立目標意識，尋找潛在分析點
3.3 不預設立場，通過客觀的標準代替主觀的判斷
3.4 基於數據分析結果為業務方提出切實可行的解決方案
第2篇數據指標體系
第4章數據埋點
4.1 數據埋點簡介
4.2 數據埋點分類及主流的數據上報技術
4.3 數據埋點方案設計
第5章數據標籤體系
5.1 數據標籤體係與用戶畫像
5.2 如何構建數據標籤體系
5.3 數據標籤體系的應用場景
第6章數據指標體系
6.1 從中國人口數據初識指標體系構建
6.2 用四個模型梳理數據指標體系構建的方法論
6.3 如何搭建一套通用的指標體係並快速落地應用
6.4 定位異動因素
第3篇數據分析方法論
第7章對比思維
7.1 利用對比分析得出結論
7.2 A/B試驗設計及容易忽略的誤區
7.3 A/B試驗背後涉及的統計學原理
7.4 Python實戰：A/B試驗在廣告方案選擇中的應用
第8章分群思維
8.1 從用戶生命週期淺談分群思維
8.2 用數據分箱進行結構化分析
8.3 同期群分析解讀用戶生命週期，剖析真實用戶行為和價值
8.4 Python實戰：基於RFM模型及K-Means算法實現用戶分群
第9章相關與因果
9.1 相關性分析簡介
9.2 因果推斷方法論
9.3 Python實戰：利用DoWhy框架實現因果推斷
第4篇數據分析案例實戰
第10章用戶流失分析
10.1 用戶流失分析方法論
10.2 案例分析：用5W2H方法分析遊戲用戶流失原因
10.3 用5個理論模型構建外部因素分析框架
10.4 如何設計問卷驗證用戶流失的原因
10.5 Python實戰：通過生存分析預測用戶流失週期
第11章用戶轉化與付費分析
11.1 用戶轉化與付費分析概述
11.2 貝葉斯公式在用戶轉化中的應用
11.3 案例分析：用漏斗模型分析某電商平台換貨業務，提升用戶轉化率
11.4 用營銷增益模型實現用戶分群，輔助運營人員識別營銷敏感人群
11.5 Python實戰：利用營銷增益模型識別營銷敏感人群
附錄A 縮略詞及中英文對照
參考文獻
反侵權盜版聲明