《數據分析之道：用數據思維指導業務實戰》李渝方『EPUB電子書下載』

內容簡介

《數據分析之道：用數據思維指導業務實戰》以數據思維為主題，以數據分析全流程為主線，融合了與數據思維相關的編程語言、統計學基礎及案例分析等內容，全書分為4篇，囊括了數據思維的概念和培養方法、數據來源及體係建設、數據分析三大思維方式及用戶流失、用戶轉化實戰等共11章的內容。本書囊括了數據分析中常用的分析方法，包括經典的海盜（AARRR）模型、麥肯錫的MECE模型、邏輯樹、漏鬥分析、路徑分析、對比分析、A/B試驗、RFM模型、K-Means算法、5W2H等分析方法，還包括各類方法的實踐案例及Python實操項目。可以說本書是數據分析方法論與統計學知識、編程語言及應用案例的完美結合。

《數據分析之道：用數據思維指導業務實戰》適合工作了1～3年的初級數據分析師；已經掌握了數據分析工具，需要培養數據思維的轉行人員；數據科學行業的人力專家和獵頭等。

作者簡介

李渝方，網名森夏恩，複旦大學碩士，生物醫學專業轉行互聯網數據分析，先後就職於遊族網絡、阿裏巴巴，現就職於某互聯網大廠擔任數據分析師。知乎數據分析話穎的優秀回答者，公眾號“數據萬花筒”運營者，累計創作“100+”篇數據分析原創文章，原創文章在全網累計閱讀量超過百萬！

目錄

第1篇數據思維
第1章數據思維是什麼1
1.1從數據治理流程淺談數據思維1
1.1.1什麼是數據治理2
1.1.2數據治理流程介紹2
1.1.3從數據治理流程談數據部門崗位職責.3
1.1.4數據分析師在數據治理流程中所需要的數據思維.4
1.2數據思維到底是什麼5
1.2.1應用數據思維的工作5
1.2.2數據思維是可以培養的..6
1.3數據思維最直觀的解釋6
1.3.1構建有效的監控體係和客觀的評價標準.7
1.3.2用合理的分析方法探究原因以及評價效果.7
1.3.3綜合運用統計學知識對活動效果進行預估.8
第2章為什麼數據思維如此重要.9
2.1數據思維是數據分析師必備的技能9
2.1.1數據分析師必備的硬技能9
2.1.2數據分析師必備的軟技能10
2.1.3為什麼軟技能比硬技能重要10
2.2數據思維是數據分析師成長晉升的必備技能11
2.3數據思維能幫助數據分析師建立影響力11
第3章數據思維如何培養14
3.1熟悉常用的數據分析方法14
3.1.1三大分析思維14
3.1.2不同生命周期的分析方法15
3.2樹立目標意識，尋找潛在分析點16
3.2.1為什麼需要樹立目標意識17
3.2.2通過多問“為什麼”，樹立目標意識.18
3.3不預設立場，通過客觀的標準代替主觀的判斷19
3.3.1不預設立場才能做到客觀19
3.3.2預設立場與假設檢驗的區別20
3.4基於數據分析結果為業務方提出切實可行的解決方案21
3.4.1數據分析師提出合理建議需要經歷的三個階段21
3.4.2數據分析師需要避免的幾種提建議的方式23
第2篇數據指標體係
第4章數據埋點.27
4.1數據埋點簡介27
4.1.1從數據產生流程淺談數據埋點28
4.1.2為什麼需要進行數據埋點29
4.1.3數據埋點能夠采集哪些用戶數據29
4.1.4數據埋點與隱私保護30
4.2數據埋點分類及主流的數據上報技術30
4.2.1數據埋點的分類及方式30
4.2.2主流的數據上報技術31
4.3數據埋點方案設計32
4.3.1數據埋點流程33
4.3.2通過六個步驟實現數據埋點設計34
4.3.3以電商成交為例實現數據埋點設計35
第5章數據標簽體係.38
5.1數據標簽體係與用戶畫像38
5.1.1什麼是數據標簽體係38
5.1.2數據標簽體係的作用39
5.1.3數據標簽的分類39
5.1.4用戶數據標簽的層級分類40
5.1.5數據標簽體係與用戶畫像的關係41
5.2如何構建數據標簽體係42
5.2.1數據標簽體係構建的流程42
5.2.2數據分析師在標簽體係構建過程中承擔的角色43
5.2.3以某App付費用戶的數據標簽體係的構建為例，淺析數據標簽體係構建過程44
5.3數據標簽體係的應用場景47
5.3.1數據標簽體係輔助運營人員進行決策分析.48
5.3.2數據標簽體係可提升數據分析師的分析效率.48
第6章數據指標體係49
6.1從中國人口數據初識指標體係構建49
6.1.1什麼是指標體係49
6.1.2為什麼需要指標體係50
6.1.3指標體係的評價標準及注意事項.53
6.2用四個模型梳理數據指標體係構建的方法論53
6.2.1構建數據指標體係的方法54
6.2.2用三個步驟、四個模型梳理數據指標體係的方法.54
6.2.3以GMV為例搭建數據指標體係.57
6.3如何搭建一套通用的指標體係並快速落地應用60
6.3.1多部門配合搭建數據指標體係的流程.60
6.3.2搭建通用的指標體係61
6.4定位異動因素65
6.4.1數據波動多少才能稱為數據異動.65
6.4.2數據波動分析的方法論65
6.4.3從數據埋點到指標體係再到指標異動的閉環.70
第3篇數據分析方法論
第7章對比思維.71
7.1利用對比分析得出結論71
7.1.1對比分析的作用71
7.1.2確定對比的對象72
7.1.3如何對比72
7.1.4對比分析的可比性原則77
7.2A/B試驗設計及容易忽略的誤區.78
7.2.1什麼是A/B試驗.78
7.2.2A/B試驗能解決什麼問題.78
7.2.3A/B試驗的流程.79
7.2.4A/B試驗常見的誤區82
7.3A/B試驗背後涉及的統計學原理.87
7.3.1什麼是抽樣87
7.3.2樣本為什麼可以代表總體88
7.3.3通過假設檢驗判斷A、B兩組樣本是否存在差異.90
7.3.4如何通過樣本估計總體91
7.3.5如何確定足夠的樣本量，以達到所希望的邊際誤差92
7.3.6如何衡量試驗效果94
7.3.7多重比較中P值修正的三方法96
7.4Python實戰：A/B試驗在廣告方案選擇中的應用96
7.4.1試驗背景96
7.4.2數據基本情況探索97
7.4.3A/B試驗結果分析98
第8章分群思維.102
8.1從用戶生命周期淺談分群思維102
8.1.1什麼是分群思維102
8.1.2為什麼需要用戶分群104
8.1.3用戶分群方法論106
8.2用數據分箱進行結構化分析107
8.2.1結構化分析是什麼107
8.2.2如何更加高效地做結構化分析109
8.3同期群分析解讀用戶生命周期，剖析真實用戶行為和價值110
8.3.1同期群分析是什麼111
8.3.2做同期群分析的意義112
8.3.3數據分析師如何快速地做同期群分析113
8.4Python實戰：基於RFM模型及K-Means算法實現用戶分群.115
8.4.1RFM模型與K-Means算法介紹116
8.4.2RFM模型實現用戶分群.118
8.4.3K-Means算法實現用戶分群123
第9章相關與因果.133
9.1相關性分析簡介133
9.1.1相關性分析與相關係數133
9.1.2常用的三種相關係數134
9.1.3相關係數實戰136
9.2因果推斷方法論138
9.2.1相關性不等於因果性的示例139
9.2.2從辛普森悖論談因果推斷139
9.2.3因果推斷的三個層級141
9.2.4因果推斷的方法141
9.2.5因果推斷常用的框架144
9.3Python實戰：利用DoWhy框架實現因果推斷.144
9.3.1DoWhy因果推斷框架簡介.145
9.3.2數據來源及預處理145
9.3.3數據相關性探索148
9.3.4因果推斷實現149
第4篇數據分析案例實戰
第10章用戶流失分析159
10.1用戶流失分析方法論159
10.1.1用戶流失分析總體方法論160
10.1.2定義流失用戶的方法161
10.1.3分析用戶流失的原因164
10.1.4生成流失用戶標簽164
10.1.5預測潛在流失用戶165
10.1.6分層運營及用戶召回165
10.2案例分析：用5W2H方法分析遊戲用戶流失原因165
10.2.1情景介紹165
10.2.25W2H方法介紹.166
10.2.3以遊戲用戶流失為例，詳解5W2H方法167
10.3用5個理論模型構建外部因素分析框架170
10.3.1通過SWOT模型全麵認識產品.171
10.3.2PEST模型分析外部宏觀環境的四個視角171
10.3.3用波特五力模型分析競品的五個維度.172
10.3.4用4P理論指導競品分析173
10.3.5用戶體驗五要素模型優化產品功能，減少用戶流失.174
10.3.6幾個模型之間的關聯175
10.4如何設計問卷驗證用戶流失的原因176
10.4.1問卷可以做什麼176
10.4.2如何設計問卷176
10.4.3問卷的投放180
10.4.4數據分析及報告撰寫181
10.4.5通過問卷獲取信息可能存在的問題181
10.5Python實戰：通過生存分析預測用戶流失周期182
10.5.1生存分析182
10.5.2數據基本情況探索184
10.5.3探索變量之間的相關性188
10.5.4用KM模型分析用戶留存率189
10.5.5Cox風險比例模型190
第11章用戶轉化與付費分析197
11.1用戶轉化與付費分析概述197
11.1.1從用戶轉化談數據分析師的職責197
11.1.2用戶轉化與付費常用的分析方法介紹198
11.2貝葉斯公式在用戶轉化中的應用198
11.2.1貝葉斯公式簡介199
11.2.2用貝葉斯公式預估特定群體的轉化率199
11.3案例分析：用漏鬥模型分析某電商平台換貨業務，提升用戶轉化率201
11.3.1什麼是漏鬥分析201
11.3.2漏鬥分析的核心步驟202
11.3.3以某電商平台逆向上門取件換貨業務為例，詳解漏鬥分析法.203
11.4用營銷增益模型實現用戶分群，輔助運營人員識別營銷敏感人群208
11.4.1什麼是營銷增益模型208
11.4.2為什麼需要營銷增益模型209
11.4.3營銷增益模型的建模方法210
11.4.4營銷增益模型的評價指標211
11.5Python實戰：利用營銷增益模型識別營銷敏感人群212
11.5.1數據初步探索212
11.5.2數據預處理及數據可視化214
11.5.3構建營銷增益模型216
附錄A縮略詞及中英文對照.219
參考文獻.221
······