數(shù)據(jù)化分析：用數(shù)據(jù)化解難題，讓分析更加有效（全彩）

目錄
第1 章 數(shù)據(jù)分析的9 種思維 / 001
1.1理解現(xiàn)狀/001
目標思維 / 008
對比思維 / 020
細分思維 / 027
1.2分析原因/0032
溯源思維 / 032
相關(guān)思維 / 042
假設(shè)思維 / 047
1.3預(yù)測未來 /051
逆向思維 / 051
演繹思維 / 056
歸納思維 / 061
1.4 綜合應(yīng)用案例 / 068
應(yīng)用目標思維 / 069
應(yīng)用對比思維 / 070
應(yīng)用細分思維 / 071
應(yīng)用溯源思維 / 071
應(yīng)用相關(guān)思維 / 072
應(yīng)用假設(shè)思維 / 072
應(yīng)用逆向思維 / 072
應(yīng)用演繹思維 / 073
應(yīng)用歸納思維 / 073
本 章 復(fù) 盤 / 075
第2 章 數(shù)據(jù)分析的工具 / 077
2.1 Excel：應(yīng)用最廣泛的數(shù)據(jù)分析工具之一 / 079
2.2 Tableau：敏捷的商務(wù)智能展現(xiàn)工具 / 080
2.3 SQL：結(jié)構(gòu)化的查詢語言 / 081
2.4 SPSS：老牌的統(tǒng)計分析工具 / 082
2.5 SAS：強大的統(tǒng)計分析工具 / 083
2.6 R：專業(yè)的數(shù)據(jù)分析工具 / 084
2.7 Python：重要的數(shù)據(jù)分析工具 / 085
本 章 復(fù) 盤 / 086
第3 章 數(shù)據(jù)分析的學(xué)習(xí)方法 / 087
3.1 數(shù)據(jù)分析學(xué)習(xí)指南 / 089
學(xué)習(xí)方法 / 089
學(xué)習(xí)內(nèi)容 / 090
學(xué)習(xí)路徑 / 091
3.2 精準搜索學(xué)習(xí)資料 / 093
3.3 高效學(xué)習(xí)的6 種方法 / 095
3.4 高效學(xué)習(xí)的36 種思維 / 097
3.5 數(shù)據(jù)分析的精進之道 / 112
數(shù)據(jù)分析的材質(zhì) / 112
數(shù)據(jù)分析的造型 / 113
數(shù)據(jù)分析的裝飾 / 114
數(shù)據(jù)分析的工藝 / 115
數(shù)據(jù)分析的層級 / 116
本 章 復(fù) 盤 / 117
第4 章 數(shù)據(jù)分析的基本方法 / 118
4.1 數(shù)據(jù)分析的5 個步驟 / 120
確認數(shù)據(jù)源是否正確 / 120
判斷變化的程度如何 / 120
判斷數(shù)據(jù)變化的周期如何 / 120
數(shù)據(jù)變化的前、后發(fā)生了什么 / 121
細分維度有哪些 / 121
4.2 數(shù)據(jù)分析的8 個狀態(tài) / 123
新的需求 / 123
需求確認 / 123
數(shù)據(jù)確認 / 125
實現(xiàn)中 / 125
交付 / 126
復(fù)盤 / 126
等待 / 127
拒絕 / 127
4.3 數(shù)據(jù)分析的指標體系 / 128
利用魚骨圖找到關(guān)鍵指標 / 128
從業(yè)務(wù)邏輯出發(fā)建立指標體系 / 129
用二八法則管理指標體系 / 129
4.4 提高數(shù)據(jù)敏感度 / 131
4.5 用數(shù)據(jù)解決實際問題 / 134
用流程解決問題 / 134
通過分解找到關(guān)鍵問題 / 135
通過交叉視點鎖定原因 / 136
依據(jù)方程式制定對策 / 136
用數(shù)據(jù)講故事 / 137
4.6 數(shù)據(jù)分析的 9 個問題 / 138
本 章 復(fù) 盤 / 140
第5 章 數(shù)據(jù)分析的展現(xiàn)方法 / 142
5.1 數(shù)據(jù)分析展現(xiàn)的重要原則 / 144
5.2 數(shù)據(jù)分析展現(xiàn)的常用方法 / 146
5.3 數(shù)據(jù)分析展現(xiàn)的圖表選擇 / 150
類別比較 / 150
時間趨勢 / 151
占比構(gòu)成 / 152
關(guān)聯(lián) / 153
分布 / 154
增強 / 155
單值 / 156
提示 / 156
本 章 復(fù) 盤 / 157
第6 章 制作數(shù)據(jù)分析報告的方法 / 158
6.1 數(shù)據(jù)分析報告的3 個層級 / 162
是什么 / 162
為什么 / 162
怎么辦 / 162
6.2 數(shù)據(jù)分析報告的4 種情景 / 165
首次數(shù)據(jù)分析報告 / 165
常規(guī)數(shù)據(jù)分析報告 / 165
問題數(shù)據(jù)分析報告 / 166
總結(jié)數(shù)據(jù)分析報告 / 166
6.3 數(shù)據(jù)分析報告的5 類問題 / 167
是多少 / 167
好不好 / 167
為什么 / 168
會怎樣 / 168
怎么辦 / 168
6.4 數(shù)據(jù)分析報告的6 個步驟 / 170
明確目標 / 170
數(shù)據(jù)收集 / 170
數(shù)據(jù)處理 / 171
數(shù)據(jù)分析 / 171
數(shù)據(jù)展現(xiàn) / 172
結(jié)論建議 / 172
6.5 數(shù)據(jù)分析報告的7 個模塊 / 173
標題封面 / 173
目錄導(dǎo)航 / 174
背景說明 / 174
思路方法 / 174
結(jié)論建議 / 175
分析正文 / 175
附錄及封底 / 176
6.6 數(shù)據(jù)分析報告的8 種顏色 / 177
紅色 / 177
橙色 / 178
黃色 / 178
綠色 / 178
藍色 / 179
紫色 / 179
黑色 / 180
灰色 / 180
本 章 復(fù) 盤 / 182
第7 章 數(shù)據(jù)分析的思維模型 / 184
7.1 理解現(xiàn)狀類思維模型 / 187
正態(tài)分布模型 / 187
冪律分布模型 / 188
帕累托分析模型 / 191
本福特分析模型 / 192
同期群分析模型 / 194
SWOT 分析模型 / 195
PEST 分析模型 / 197
7.2 分析原因類思維模型 / 201
杜邦分析模型 / 201
矩陣分析模型 / 203
RFM 分析模型 / 209
銷售漏斗模型 / 212
聚類分析模型 / 215
KＡＮＯ分析模型 / 216
標桿分析模型 / 218
7.3 預(yù)測未來類思維模型 / 220
決策樹分析模型 / 220
生命周期模型 / 223
福格行為模型 / 224
夏普利值模型 / 225
A/B 測試模型 / 227
線性回歸模型 / 230
本 章 復(fù) 盤 / 233
后 記 / 234
致 謝 / 235
參 考 文 獻 / 236