數據分析師手記 — 數據分析 72個核心問題精解

劉林、李朝成、餅乾哥哥

  • 出版商: 清華大學
  • 出版日期: 2023-04-01
  • 售價: $654
  • 貴賓價: 9.5$621
  • 語言: 簡體中文
  • 頁數: 301
  • 裝訂: 平裝
  • ISBN: 7302628106
  • ISBN-13: 9787302628101
  • 相關分類: Data Science
  • 立即出貨 (庫存 < 3)

  • 數據分析師手記 — 數據分析 72個核心問題精解-preview-1
  • 數據分析師手記 — 數據分析 72個核心問題精解-preview-2
  • 數據分析師手記 — 數據分析 72個核心問題精解-preview-3
數據分析師手記 — 數據分析 72個核心問題精解-preview-1

買這商品的人也買了...

相關主題

商品描述

《數據分析師手記:數據分析72個核心問題精解》從底層認知、思維方法、工具技術、項目落地及展望出發,使用問答的形式對數據分析中的72個核心知識點進行講解,構建了數據分析的知識框架,帶領讀者認識數據分析背後的奧妙。讀者可以用本書作為學習地圖,針對具體的方法、技術進行延伸學習。

目錄大綱

第 1 章 底層認知 

1.1 基礎認知 

第 1 問:數據分析怎麽學?—本書學習指南 / 2

第 2 問:數據分析是怎麽來的?—數據分析極簡發展史 / 4

第 3 問:什麽是數據指標? / 6

第 4 問:常見的指標有哪些? / 9

第 5 問:對於數據分析領域,統計學要學到什麽程度? / 10

第 6 問:數據分析領域主要的崗位有哪些? / 13

1.2 底層邏輯 / 17

第 7 問:如何建立完整有效的數據指標體系? / 17

第 8 問:數據指標體系如何應用?—數據監控體系 / 21

第 9 問:數據分析的產出價值是什麽? / 24

第 10 問:數據分析的常見陷阱有哪些? / 26

第 11 問:如何讓數據驅動業務?—數據分析流程 / 28

 

第 2 章 思維方法 / 32 

2.1 數據思維 / 33

第 12 問:什麽是數據思維? / 33

第 13 問:怎麽使用數據思維? / 35

第 14 問:怎麽訓練數據思維? / 38

2.2 通用分析方法 / 41

第 15 問:什麽是數據異常分析? / 41

第 16 問:什麽是描述性分析? / 43

第 17 問:什麽是對比分析? / 46

第 18 問:什麽是細分分析? / 48

第 19 問:什麽是歸因分析? / 52

第 20 問:什麽是預測分析? / 56

第 21 問:什麽是相關性分析? / 58

第 22 問:什麽是二八定律 / 帕累托定律分析? / 61

2.3 商業分析方法 / 63

第 23 問:什麽是 PEST 分析? / 63

第 24 問:什麽是 SWOT 分析? / 65

第 25 問:什麽是邏輯樹分析? / 68

第 26 問:什麽是“STP+4P”分析? / 71

第 27 問:什麽是波士頓矩陣分析? / 73

第 28 問:什麽是 5W2H 分析? / 77

2.4 產品分析方法 / 79

第 29 問:什麽是生命周期分析? / 80

第 30 問:什麽是 AB 測試分析? / 83

第 31 問:什麽是競品分析? / 88

2.5 用戶分析方法 / 90

第 32 問:什麽是用戶畫像分析? / 90

第 33 問:什麽是漏鬥分析? / 96

第 34 問:什麽是 RFM 用戶分層分析? / 100

第 35 問:什麽是同期群分析? / 104

 

第 3 章 工具技術 / 107 

第 36 問:分析工具如何選?—常用場景說明 / 108

3.1 Excel / 109

第 37 問:用 Excel 做數據分析夠嗎?— Excel 的學習路徑 / 109

第 38 問:Excel 中有哪些重要的函數或功能?—Excel 高頻常用函數介紹 / 110

第 39 問:如何用 Excel 做數據分析?—Excel 透視表最全指南 / 114

3.2 SQL / 127

第 40 問:什麽是 SQL ?—SQL 的學習路徑 / 127

第 41 問:SQL 基礎操作有哪些? / 129

第 42 問:SQL 有哪些高頻函數? / 130

第 43 問:SQL 的表連接該如何做? / 130

第 44 問:什麽是 SQL 的窗口函數? / 137

第 45 問:SQL 要學習到什麽程度?—SQL 在數據分析中落地 / 147

3.3 Python / 151

第 46 問:什麽是 Python ?—Python 的介紹與開始 / 151

第 47 問:Python 基礎語法有哪些? / 152

第 48 問:Python 數據分析工具包 Pandas 是什麽? / 160

第 49 問:Python 數據可視化工具包 Matplotlib 是什麽? / 177

第 50 問:Pandas 如何解決業務問題?—數據分析流程詳解 / 183

3.4 PowerBI / 195

第 51 問:什麽是商業智能?—商業智能與 PowerBI 入門 / 195

第 52 問:PowerBI 的核心概念有哪些?—一文看懂 PowerBI 運行邏輯 / 198

第 53 問:如何用 PowerBI 做數據分析?—PowerBI 完整數據分析流程案例 / 208

 

第 4 章 項目落地 / 222 

4.1 落地思維 / 223

第 54 問:數據分析的結果該如何落地? / 223

第 55 問:數據分析沒有思路怎麽辦?—數據分析中“以終為始”的思考邏輯 / 226

第 56 問:如何從不同層次理解業務?—數據分析中“點線面體”的思考邏輯 / 229

第 57 問:數據分析怎麽做才有價值?—數據分析中的目標管理 / 231

4.2 理解業務本質 / 235

第 58 問:常說的業務場景是什麽?—從營銷角度出發構建“業務場景模型” / 235

第 59 問:零售行業常說的人貨場是什麽?—從“人貨場模型”看落地場景中的數據

分析 / 240

第 60 問:如何深入理解業務?—利用點線面思維構建“業務模型” / 242

第 61 問:如何梳理業務流程?—從“線”的層次思考業務 / 245

第 62 問:如何看懂公司的商業模式?—從“面”的層次思考業務 / 250

第 63 問:從戰略層次全局看待業務?—從“體”的層次思考業務 / 254

4.3 互聯網產品數據分析實踐 / 258

第 64 問:如何分析用戶行為數據?—還原實際業務中的落地分析流程 / 258

第 65 問:如何定義問題?—AARRR 模型中獲取階段的落地分析 / 263

第 66 問:如何形成分析思路?—AARRR 模型中促活階段的落地分析 / 268

第 67 問:如何給落地建議?—AARRR 模型中留存階段的落地分析 / 274

4.4 報告呈現 / 279

第 68 問:為什麽要做數據分析報告?—向上匯報與橫向溝通 / 279

第 69 問:如何用數據來講故事?—報告結構與金字塔原理 / 281

第 70 問:如何製作一個圖表?—數據可視化的邏輯 / 284

4.5 項目復現實戰 / 287

第 71 問:游戲行業,如何分析活動? / 287

 

第 5 章 展望 / 298 

第 72 問:數據分析師的前景及如何成長? / 299