123,123

內(nèi)容簡(jiǎn)介

　　企業(yè)每天都會(huì)生成大量種類(lèi)繁多的數(shù)據(jù)，為了做出更明智的決策、發(fā)現(xiàn)問(wèn)題并實(shí)現(xiàn)盈利，往往需要通過(guò)一些方法和工具將數(shù)據(jù)轉(zhuǎn)化為可行的方案。隨著大數(shù)據(jù)時(shí)代的到來(lái)，數(shù)據(jù)化運(yùn)營(yíng)已經(jīng)成為商業(yè)智能中必不可缺的一個(gè)重要環(huán)節(jié)。在數(shù)據(jù)化運(yùn)營(yíng)過(guò)程中，需要數(shù)據(jù)分析師進(jìn)行數(shù)據(jù)采集、數(shù)據(jù)清洗、數(shù)據(jù)建模、數(shù)據(jù)可視化和數(shù)據(jù)商業(yè)決策 5 項(xiàng)工作。本書(shū)結(jié)合企業(yè)商業(yè)數(shù)據(jù)，分?jǐn)?shù)據(jù)化運(yùn)營(yíng)基礎(chǔ)、企業(yè)中的數(shù)據(jù)化運(yùn)營(yíng)、數(shù)據(jù)化運(yùn)營(yíng)的業(yè)務(wù)流程、輔助決策式數(shù)據(jù)化運(yùn)營(yíng)、數(shù)據(jù)驅(qū)動(dòng)式數(shù)據(jù)化運(yùn)營(yíng)、客戶數(shù)據(jù)化運(yùn)營(yíng)、產(chǎn)品數(shù)據(jù)化運(yùn)營(yíng) 7 章講述如何進(jìn)行商業(yè)智能數(shù)據(jù)化運(yùn)營(yíng)。

作者簡(jiǎn)介

　　王鑫，博士，中國(guó)傳媒大學(xué)信息工程學(xué)院數(shù)字媒體技術(shù)系副教授，主要研究方向包括大數(shù)據(jù)、信息可視化、信息存儲(chǔ)、云計(jì)算等多個(gè)方面，有10余年數(shù)據(jù)挖掘與信息可視化工作經(jīng)驗(yàn)。先后負(fù)責(zé)與參入《有線電視用戶大數(shù)據(jù)采集、分析、挖掘和決策支持系統(tǒng)》、《基于大數(shù)據(jù)面向新媒體的節(jié)目綜合評(píng)價(jià)系統(tǒng)架構(gòu)和方法研究》、《電影大數(shù)據(jù)分析決策系統(tǒng)與商業(yè)智能》等多個(gè)項(xiàng)目，多次獲得“?？茖W(xué)技術(shù)獎(jiǎng)”，并于2015年榮獲中國(guó)廣播電影電視社會(huì)組織聯(lián)合會(huì)頒發(fā)的“2015年度廣播影視科技創(chuàng)新獎(jiǎng)”，2017年榮獲全國(guó)高校大數(shù)據(jù)教育聯(lián)盟頒發(fā)的“2017第二屆中國(guó)大數(shù)據(jù)創(chuàng)新百人獎(jiǎng)”。

圖書(shū)目錄

第 1 部分開(kāi)啟數(shù)據(jù)化運(yùn)營(yíng)之旅
第 1 章數(shù)據(jù)化運(yùn)營(yíng)基礎(chǔ) ................................................................................. 3
1.1 商業(yè)智能時(shí)代 ...................................................................................... 3
1.1.1 商業(yè)智能的歷史發(fā)展 .............................................................. 5
1.1.2 商業(yè)智能的研究領(lǐng)域 .............................................................. 7
1.2 數(shù)據(jù)化運(yùn)營(yíng)的概念與意義 .................................................................. 8
1.3 數(shù)據(jù)化運(yùn)營(yíng)的四個(gè)層次 .................................................................... 12
1.4 數(shù)據(jù)化運(yùn)營(yíng)應(yīng)掌握的技能與工具 .................................................... 13
1.4.1 數(shù)據(jù)化運(yùn)營(yíng)的五種能力 ........................................................ 13
1.4.2 數(shù)據(jù)化運(yùn)營(yíng)的常見(jiàn)工具 ........................................................ 15
第 2 章企業(yè)中的數(shù)據(jù)化運(yùn)營(yíng) ........................................................................ 23
2.1 企業(yè)數(shù)據(jù)化運(yùn)營(yíng)必要性 .................................................................... 23
2.1.1 市場(chǎng)營(yíng)銷(xiāo)策略 ........................................................................ 24
2.1.2 數(shù)據(jù)化運(yùn)營(yíng)誤區(qū) .................................................................... 29
2.2 企業(yè)數(shù)據(jù)化運(yùn)營(yíng)場(chǎng)景 ........................................................................ 30
2.2.1 數(shù)據(jù)化運(yùn)營(yíng)在傳統(tǒng)行業(yè)中的應(yīng)用 ........................................ 31
2.2.2 數(shù)據(jù)化運(yùn)營(yíng)的主要應(yīng)用場(chǎng)景 ................................................ 33
2.2.3 數(shù)據(jù)化運(yùn)營(yíng)的應(yīng)用案例 ........................................................ 34
2.3 企業(yè)數(shù)據(jù)化運(yùn)營(yíng)崗位職責(zé) ................................................................ 43
2.3.1 數(shù)據(jù)化運(yùn)營(yíng)企業(yè)組織架構(gòu) .................................................... 44
2.3.2 數(shù)據(jù)化運(yùn)營(yíng)崗位類(lèi)型 ............................................................ 46
第 2 部分數(shù)據(jù)化運(yùn)營(yíng)思維
第 3 章數(shù)據(jù)化運(yùn)營(yíng)的業(yè)務(wù)流程 .................................................................... 56
3.1 數(shù)據(jù)化運(yùn)營(yíng)流程圖 ............................................................................ 56
3.2 業(yè)務(wù)問(wèn)題的定義與拆解 .................................................................... 59
3.3 數(shù)據(jù)獲取與網(wǎng)絡(luò)爬蟲(chóng) ........................................................................ 63
3.3.1 數(shù)據(jù)獲取方法 ........................................................................ 64
3.3.2 網(wǎng)絡(luò)爬蟲(chóng)實(shí)戰(zhàn) ........................................................................ 68
3.4 數(shù)據(jù)探索與預(yù)處理 ............................................................................ 72
3.4.1 數(shù)據(jù)探索 ................................................................................ 73
3.4.2 數(shù)據(jù)預(yù)處理 ............................................................................ 75
3.5 數(shù)據(jù)分析與挖掘 ................................................................................ 86
3.5.1 機(jī)器學(xué)習(xí)發(fā)展歷程 ................................................................ 86
3.5.2 機(jī)器學(xué)習(xí)分類(lèi) ........................................................................ 88
3.5.3 機(jī)器學(xué)習(xí)應(yīng)用場(chǎng)景 ................................................................ 92
3.5.4 Python 常用機(jī)器學(xué)習(xí)庫(kù) ........................................................ 93
3.6 數(shù)據(jù)可視化與數(shù)據(jù)決策 .................................................................... 95
3.6.1 統(tǒng)計(jì)圖表的正確使用方法 .................................................... 95
3.6.2 Python 常用的圖表呈現(xiàn)模塊 .............................................. 101
第 4 章輔助決策式數(shù)據(jù)化運(yùn)營(yíng) .................................................................. 108
4.1 基于回歸的數(shù)據(jù)化運(yùn)營(yíng)模型 .......................................................... 108
4.1.1 回歸分類(lèi)與基本步驟 .......................................................... 111
4.1.2 一元線性回歸模型 .............................................................. 113
4.1.3 多元線性回歸模型 .............................................................. 116
4.1.4 非線性回歸模型 .................................................................. 119
4.1.5 含啞變量回歸模型 .............................................................. 123
4.1.6 邏輯回歸模型 ...................................................................... 125
4.1.7 Python 回歸分析案例.......................................................... 128
4.2 基于分類(lèi)的數(shù)據(jù)化運(yùn)營(yíng)模型 .......................................................... 132
4.2.1 常見(jiàn)的準(zhǔn)確率檢驗(yàn)方法 ...................................................... 133
4.2.2 決策樹(shù)算法 .......................................................................... 135
4.2.3 樸素貝葉斯算法 .................................................................. 139
4.2.4 KNN 算法 ............................................................................ 141
4.2.5 支持向量機(jī)算法 .................................................................. 142
4.2.6 神經(jīng)網(wǎng)絡(luò)算法 ...................................................................... 144
4.2.7 Python 分類(lèi)分析案例.......................................................... 147
4.3 基于聚類(lèi)的數(shù)據(jù)化運(yùn)營(yíng)模型 .......................................................... 149
4.3.1 聚類(lèi)算法的分類(lèi) .................................................................. 150
4.3.2 Python 聚類(lèi)分析案例.......................................................... 156
第 5 章數(shù)據(jù)驅(qū)動(dòng)式數(shù)據(jù)化運(yùn)營(yíng) .................................................................. 162
5.1 層次分析解思維應(yīng)用 .............................................................. 162
5.1.1 層次分析法步驟 .................................................................. 163
5.1.2 層次分析法優(yōu)缺點(diǎn) .............................................................. 176
5.1.3 Excel 層次分析法分析案例 ................................................ 178
5.2 線性規(guī)劃解思維應(yīng)用 .............................................................. 182
5.2.1 線性規(guī)劃法分析案例 .......................................................... 184
5.2.2 Excel 線性規(guī)劃法求解 ........................................................ 190
5.3 節(jié)約里程解思維應(yīng)用 .............................................................. 199
5.3.1 節(jié)約里程法分析案例 .......................................................... 200
5.3.2 Excel 節(jié)約里程法求解 ........................................................ 207
第 3 部分數(shù)據(jù)化運(yùn)營(yíng)核心
第 6 章客戶數(shù)據(jù)化運(yùn)營(yíng)：挖掘用戶需求，產(chǎn)品源于需求 ........................... 213
6.1 數(shù)據(jù)獲客，快速鎖定目標(biāo)用戶 ...................................................... 213
6.1.1 傳統(tǒng)用戶行為數(shù)據(jù)獲取 ...................................................... 214
6.1.2 互聯(lián)網(wǎng)用戶行為數(shù)據(jù)獲取 .................................................. 220
6.1.3 用戶行為數(shù)據(jù)獲取方式對(duì)比 .............................................. 222
6.2 用戶畫(huà)像，精準(zhǔn)定位用戶需求 ...................................................... 223
6.2.1 用戶畫(huà)像分析建模與應(yīng)用場(chǎng)景 .......................................... 223
6.2.2 基于 RFM 的個(gè)體用戶畫(huà)像分析 ....................................... 228
6.2.3 基于聚類(lèi)算法的群體用戶畫(huà)像分析 .................................. 237
6.3 用戶運(yùn)營(yíng)，覆蓋完整生命周期 ...................................................... 245
6.3.1 基于 AARRR 模型的用戶運(yùn)營(yíng)方法 .................................. 246
6.3.2 用戶生命周期與用戶價(jià)值體系 .......................................... 251
6.3.3 用戶運(yùn)營(yíng)方法與典型案例分析 .......................................... 253
第 7 章產(chǎn)品數(shù)據(jù)化運(yùn)營(yíng)：人人都能做數(shù)據(jù)產(chǎn)品經(jīng)理 .................................. 258
7.1 產(chǎn)品定位與產(chǎn)品設(shè)計(jì) ........