大數據時代一定要會的 SQL 商業資料分析術

加嵜 長門、田宮 直人 朱浚賢

立即出貨 (庫存 > 10)

  • 9789863125150 b1
  • 9789863125150 b2
  • 9789863125150 b3
  • 9789863125150 b4
  • 9789863125150 b5
  • 9789863125150 b6
  • 9789863125150 b7
  • 9789863125150 b8
  • 9789863125150 b9
  • 9789863125150 b10
9789863125150 b1

買這商品的人也買了...

商品描述

【關鍵數據分析指標】解說 + 【SQL 擷取、彙總數據】手法, 
教你從枯燥的資料表中挖出對決策有幫助的資訊!

在一般使用上, SQL 還是常被當作 Web 服務的後端, 只用於 RDB (關聯式資料庫) 的查詢, 普遍缺乏將 SQL 使用在分析用途上的 Knowhow。然而目前各種大數據平台 (Apache Hadoop、Spark、Google / Amazon 的付費雲端平台…) 的盛行, 當中都少不了運用 SQL 查詢語法來擷取、分析平台上所儲存的數據, 取得重要的決策資訊。

本書涵蓋大數據平台上的 SQL 分析工具 (Apache Hive、SparkSQL、Google BigQuery、Amazon Redshift、PostgreSQL), 以滿滿的商業分析實例, 教你從看似千篇一律的網站 Log、營收數據「挖寶」, 其中包括【營收狀況分析】、社群/內容/購物網站的【使用者行為分析】、【網站營運績效分析】等, 會先介紹可派上用場的分析指標, 接著示範如何以 SQL 語法來取得這些指標所需的數據。

本書期望提供大數據分析相關知識給分析人員與工程師, 養成實務上所需的技術力與分析力, 成為活用數據、改善公司業務的關鍵人才!

●【實用分析指標解說, 養成必備數據分析力】
【營收狀況分析】
判讀營收的變化趨勢 → Z 圖表
依營收貢獻度將商品劃分等級, 判別銷售情形 → ABC 分析
精準掌握商品成長或衰退情形 → Fan chart

【社群網站、內容網站、購物網站...的使用者行為分析】
區分重度、輕度使用者, 客製化服務內容 → 十分位分析、RFM 分析
調查使用者的傾向 → 留存率、回訪率
彙總用戶消費額, 估算集客的合理成本 → ARPU 指標、LTV 指標
 

【網站營運績效分析】
評估網頁的內容是否夠吸引人 → 離開率、讀完率
檢測申請表單的效用, 避免申請到一半離開 → 表單跳脫率


本書特色 :

●技術力 X 分析力 的完美結合!IT、企劃分析、行銷人員一定要會的大數據分析術!

●以 split_part / URL / COALESCE / CONCAT / SIGN / greatest / least / NTILE / SUM ...等函數撰寫 SQL 查詢語法 (Query), 輕鬆獲得各項分析指標數據

●涵蓋熱門大數據分析平台, Apache Hive / Google BigQuery / SparkSQL / Amazon Redshift / PostgreSQL 全適用
 

目錄大綱


【關鍵數據分析指標】解說 + 【SQL 擷取、彙總數據】手法, 
教你從枯燥的資料表中挖出對決策有幫助的資訊!

在一般使用上, SQL 還是常被當作 Web 服務的後端, 只用於 RDB (關聯式資料庫) 的查詢, 普遍缺乏將 SQL 使用在分析用途上的 Knowhow。然而目前各種大數據平台 (Apache Hadoop、Spark、Google / Amazon 的付費雲端平台…) 的盛行, 當中都少不了運用 SQL 查詢語法來擷取、分析平台上所儲存的數據, 取得重要的決策資訊。

本書涵蓋大數據平台上的 SQL 分析工具 (Apache Hive、SparkSQL、Google BigQuery、Amazon Redshift、PostgreSQL), 以滿滿的商業分析實例, 教你從看似千篇一律的網站 Log、營收數據「挖寶」, 其中包括【營收狀況分析】、社群/內容/購物網站的【使用者行為分析】、【網站營運績效分析】等, 會先介紹可派上用場的分析指標, 接著示範如何以 SQL 語法來取得這些指標所需的數據。

本書期望提供大數據分析相關知識給分析人員與工程師, 養成實務上所需的技術力與分析力, 成為活用數據、改善公司業務的關鍵人才!

●【實用分析指標解說, 養成必備數據分析力】
【營收狀況分析】
判讀營收的變化趨勢 → Z 圖表
依營收貢獻度將商品劃分等級, 判別銷售情形 → ABC 分析
精準掌握商品成長或衰退情形 → Fan chart

【社群網站、內容網站、購物網站...的使用者行為分析】
區分重度、輕度使用者, 客製化服務內容 → 十分位分析、RFM 分析
調查使用者的傾向 → 留存率、回訪率
彙總用戶消費額, 估算集客的合理成本 → ARPU 指標、LTV 指標

【網站營運績效分析】
評估網頁的內容是否夠吸引人 → 離開率、讀完率
檢測申請表單的效用, 避免申請到一半離開 → 表單跳脫率


本書特色 :

●技術力 X 分析力 的完美結合!IT、企劃分析、行銷人員一定要會的大數據分析術!

●以 split_part / URL / COALESCE / CONCAT / SIGN / greatest / least / NTILE / SUM ...等函數撰寫 SQL 查詢語法 (Query), 輕鬆獲得各項分析指標數據

●涵蓋熱門大數據分析平台, Apache Hive / Google BigQuery / SparkSQL / Amazon Redshift / PostgreSQL 全適用

目錄 :

第 1 章 大數據時代需要的分析力
1-1 數據分析環境的變化
1-2 大數據衍生的各種課題

第 2 章 本書所使用的工具與數據
2-1 本書所使用的系統
2-2 本書所使用的數據類型

第 3 章 使用 SQL 整理數據
3-1 單一數值的整理
3-2 多個數值的整理
3-3 對單一資料表進行操作
3-4 對複數資料表進行操作

第 4 章 營收狀態相關數據的彙總、分析
4-1 沿著時間軸蒐集數據
4-2 多面向的蒐集數據

第 5 章 使用者行為相關數據的彙總、分析
5-1 發掘全體使用者的特徵、傾向
5-2 找出全體使用者在時間軸上的變化
5-3 沿著時間軸分析使用者的個別行為

第 6 章 網站指標相關數據的彙總、分析
6-1 發掘網站的全體特徵
6-2 掌握網站內的使用者行為
6-3 申請表單的最佳化

第 7 章 提高數據使用的精確度
7-1 組合數據, 建立新的切入點
7-2 檢出異常值
7-3 檢出重複的數據
7-4 比較多個資料集

第 8 章 進階數據活用術
8-1 評估並改善搜尋功能
8-2 資料探勘(Data Mining)
8-3 推薦系統
8-4 計算分數

第 9 章 總結:活用知識採取行動