數(shù)據(jù)分析實戰(zhàn)：方法、工具與可視化

定　價：￥109.90

作　者：	曾津韓知白
出版社：	人民郵電出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網 (￥109.90)

ISBN：	9787115596093	出版時間：	2023-01-01	包裝：	平裝-膠訂
開本：	128開	頁數(shù)：		字數(shù)：

內容簡介

　　本書通過實戰(zhàn)案例和可視化的圖形講解數(shù)據(jù)分析的知識。通過閱讀本書，讀者可以從容地處理數(shù)據(jù)，高效地完成數(shù)據(jù)分析工作。本書共9章，主要內容包括不同場景下的數(shù)據(jù)分析方法，從業(yè)者應具備的數(shù)據(jù)分析基本知識，數(shù)據(jù)分析師應具有的思維方式，海盜法則和指標體系建模，用戶畫像賦能數(shù)據(jù)分析，數(shù)據(jù)可視化的實操技巧等。本書不僅適合產品經理、運營人員、市場營銷人員閱讀，還適合數(shù)據(jù)分析人員閱讀。

作者簡介

　　曾津 CDAIII數(shù)據(jù)科學家，是一名在數(shù)據(jù)分析崗位上深耕十數(shù)年的數(shù)據(jù)老兵。曾先后擔任探探商業(yè)化與國際化數(shù)據(jù)分析總監(jiān)、去哪兒資深數(shù)據(jù)產品經理、數(shù)據(jù)情報與應用中心負責人，負責公司業(yè)務分析、實驗分析、指標體系構建、BI系統(tǒng)構建及用戶畫像等相關工作。與此同時，他有多年數(shù)據(jù)分析相關授課培訓經驗，曾為光大銀行、中國移動研究院、中國電信研究院、360、南方航空等多家公司進行培訓授課，能深入淺出地講解數(shù)據(jù)分析和實戰(zhàn)技能。韓知白北京顯著科技有限公司創(chuàng)始人、CEO，曾任摯文集團探探公司副總裁，美圖公司高級總監(jiān)，分管國際化、增長、商業(yè)化等業(yè)務。

圖書目錄

目錄

第　1章為什么人人都要懂數(shù)據(jù)分析　1
1.1　產品經理為什么要懂數(shù)據(jù)分析　1
1.2　產品經理的數(shù)據(jù)分析實戰(zhàn)案例　2
1.3　市場營銷人員為什么要懂數(shù)據(jù)分析　3
1.4　公司領導、業(yè)務負責人為什么要懂數(shù)據(jù)分析　5
第　2章數(shù)據(jù)分析基礎知識　7
2.1　PV和UV　7
2.2　指標　8
2.3　用戶畫像和拆分維度　8
2.4　用戶行為漏斗　9
2.5　科學的A/B實驗　10
2.6　凈收益檢驗　11
第3章　做一名優(yōu)秀的數(shù)據(jù)分析師　13
3.1　數(shù)據(jù)分析師與數(shù)據(jù)觀　13
3.1.1　數(shù)據(jù)——從資源到資產　13
3.1.2　從數(shù)據(jù)到應用經歷的“驚險的一跳”　15
3.2　對數(shù)據(jù)分析師崗位的一些理解　17
3.2.1　數(shù)據(jù)分析師應具有的能力　17
3.2.2　數(shù)據(jù)分析師應具備的技能　19
3.2.3　數(shù)據(jù)分析師不要單打獨斗　20
第4章　數(shù)據(jù)分析師的思維方式　22
4.1　數(shù)據(jù)分析的基本流程——形成“一根線”　22
4.2　數(shù)據(jù)分析的兩個重要思維模型——“樹”與“田”　28
4.2.1　“樹”思維　29
4.2.2　“田”思維　32
第5章　海盜法則與指標體系建?！?0
5.1　海盜法則　40
5.1.1　用戶獲取　43
5.1.2　用戶激活　47
5.1.3　用戶留存　49
5.1.4　獲取收入　52
5.1.5　自傳播　57
5.2　構建指標體系　60
5.2.1　北極星指標　61
5.2.2　通過OSM模型構建指標體系　69
第6章　數(shù)據(jù)分析方法　75
6.1　數(shù)據(jù)分析工具箱　75
6.2　現(xiàn)狀分析　77
6.2.1　描述現(xiàn)狀——探索性數(shù)據(jù)分析方法　77
6.2.2　常用的指標　80
6.2.3　趨勢分析　100
6.3　異常值發(fā)現(xiàn)　103
6.3.1　西格瑪法則　103
6.3.2　四分位差法　110
6.4　定位問題　112
6.4.1　漏斗分析　112
6.4.2　多維分析　115
6.4.3　指標拆解　115
6.4.4　魔法數(shù)字　121
第7章　A/B測試——提高銷售轉化率　127
7.1　A/B測試簡介　127
7.1.1　A/B測試的概念以及應用場景　127
7.1.2　A/B測試的起源　129
7.2　A/B測試的統(tǒng)計理論基礎——假設檢驗　131
7.2.1　從“女士品茶”理解假設檢驗的定義　131
7.2.2　假設檢驗的步驟　133
7.3　A/B測試流程和實驗　144
7.3.1　A/B測試的流程和實驗指標的指定　144
7.3.2　實驗的設計和進行　147
7.4　綜合案例：Panda公司通過A/B測試優(yōu)化促銷信息展示方案　156
7.5　A/B測試進階　158
7.5.1　如果實驗結果和我們預想的不一樣怎么辦　158
7.5.2　基于A/B測試增量反饋模型　159
第8章　用戶畫像　162
8.1　用戶畫像概況：用戶畫像概念及應用領域　162
8.1.1　用戶畫像的定義　162
8.1.2　用戶畫像的使用范圍　163
8.1.3　關于用戶畫像的一些理解　164
8.2　用戶畫像構建途徑　165
8.2.1　構建和應用用戶畫像的步驟　165
8.2.2　利用算法模型生成用戶畫像標簽　171
8.3　用戶畫像實戰(zhàn)　185
8.3.1　用戶畫像的本質是差異化　185
8.3.2　用戶畫像的優(yōu)勢是“惠而不費”　187
8.3.3　用戶畫像需要積少成多　189
8.3.4　用戶畫像體系要服務場景　189
8.3.5　利用用戶畫像需要遵循“不作惡”原則　190
第9章　數(shù)據(jù)可視化與Tableau操作　191
9.1　數(shù)據(jù)可視化概述　191
9.1.1　什么是數(shù)據(jù)可視化　191
9.1.2　常用的數(shù)據(jù)可視化工具　192
9.1.3　好的數(shù)據(jù)可視化方案　195
9.2　Tableau數(shù)據(jù)可視化基礎　203
9.2.1　Tableau簡介　203
9.2.2　開啟Tableau可視化之旅　206
9.2.3　高級可視化圖表的制作　240
9.2.4　可視化方案的展現(xiàn)：儀表板和故事　244
附錄A　為什么抽樣方差公式的分母中是n-1　248
附錄B　時間序列趨勢分解的Python代碼　253
附錄C　分詞的Python代碼　254