數(shù)據(jù)分析方法論和業(yè)務(wù)實戰(zhàn)

定　價：￥79.00

作　者：	陳友洋著
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787121435362	出版時間：	2022-06-01	包裝：	平裝
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　數(shù)據(jù)分析的精髓在于能夠利用合理的數(shù)據(jù)分析方法來解決實際的業(yè)務(wù)問題，本書介紹了數(shù)據(jù)分析常見的思維和方法，并且呈現(xiàn)了這些分析方法在實際案例中的應(yīng)用。同時也利用本書解答了大家對于想要從事數(shù)據(jù)分析行業(yè)的一些擔憂和困惑。閱讀本書，你會對數(shù)據(jù)分析的工作內(nèi)容有更清晰、完整的了解，同時對常見的業(yè)務(wù)問題處理的方法和經(jīng)驗有質(zhì)的提升。

作者簡介

　　陳友洋，畢業(yè)于香港中文大學和中山大學，騰訊前數(shù)據(jù)科學家，數(shù)據(jù)分析類公眾號“漁好學”主理人，分享多篇數(shù)據(jù)相關(guān)的干貨文章。在知乎（知乎賬號：漁好學）上分享的數(shù)據(jù)分析相關(guān)文章的全網(wǎng)閱讀量超2 000 000次，廣受好評。在數(shù)據(jù)分析、數(shù)據(jù)體系搭建、數(shù)據(jù)科學方面具有多年經(jīng)驗，積累了豐富的數(shù)據(jù)分析項目經(jīng)驗。

圖書目錄

第1 章　數(shù)據(jù)分析基礎(chǔ) 1
1.1　什么是數(shù)據(jù)分析 1
1.2　為什么要做數(shù)據(jù)分析 5
1.3　數(shù)據(jù)分析的步驟 12
1.4　數(shù)據(jù)分析師的日常工作 16
1.5　數(shù)據(jù)分析師的前景和發(fā)展 21
第2 章　數(shù)據(jù)指標體系 24
2.1　數(shù)據(jù)指標和數(shù)據(jù)指標體系 24
2.1.1　數(shù)據(jù)指標 24
2.1.2　數(shù)據(jù)指標體系 26
2.2　為什么要搭建數(shù)據(jù)指標體系 27
2.2.1　監(jiān)控現(xiàn)狀 27
2.2.2　反映問題 28
2.2.3　預(yù)測趨勢 28
2.2.4　評估分析 30
2.2.5　決策支持 30
2.3　常見的數(shù)據(jù)指標體系 31
2.3.1　互聯(lián)網(wǎng)產(chǎn)品典型的數(shù)據(jù)指標體系 32
2.3.2　電商平臺的數(shù)據(jù)指標體系 35
第3 章　如何搭建數(shù)據(jù)指標體系 39
3.1　什么是數(shù)據(jù)埋點 39
3.2　為什么要埋點 40
3.3　如何設(shè)計埋點方案 42
3.4　埋點的開發(fā)流程 46
3.5　指標體系搭建方法論 50
3.5.1　OSM 模型 52
3.5.2　UJM 模型 54
3.5.3　AARRR 模型 55
3.6　數(shù)據(jù)指標體系搭建實戰(zhàn) 56
第4 章　數(shù)據(jù)分析方法論 62
4.1　什么是數(shù)據(jù)分析方法 62
4.2　營銷管理方法論 63
4.2.1　SWOT 分析 63
4.2.2　PEST 分析 64
4.2.3　4P 理論 65
4.3　常用數(shù)據(jù)分析方法論及其應(yīng)用 67
4.3.1　對比細分 67
4.3.2　生命周期分析法 69
4.3.3　RFM 用戶分群法 73
4.3.4　相關(guān)性分析 78
4.3.5　用戶畫像分析 84
4.3.6　Aha 時刻 92
4.3.7　5W2H 分析法 93
4.3.8　麥肯錫邏輯樹分析法 99
4.3.9　漏斗分析法 105
第5 章　用戶留存分析 112
5.1　什么是用戶留存 112
5.2　為什么要進行用戶留存分析 113
5.3　影響用戶留存的可能因素 115
5.4　用戶留存的3 個階段 117
5.5　用戶留存分析的常見方法——挖掘Aha 時刻 119
5.5.1　用戶留存分析的業(yè)務(wù)背景和分析思路 120
5.5.2　分析過程 123
第6 章　用戶特征分析 131
6.1　用戶特征分析適用的業(yè)務(wù)場景 131
6.1.1　尋找目標用戶 132
6.1.2　尋找運營抓手 134
6.1.3　精細化運營（用戶分層） 135
6.2　用戶特征分析的方法 136
6.2.1　用戶畫像分析 136
6.2.2　聚類分析 137
6.2.3　監(jiān)督模型 140
6.2.4　RFM 用戶分群 141
6.3　用戶特征分析和用戶預(yù)測模型的區(qū)別與聯(lián)系 142
6.4　評估用戶特征 143
第7 章　用戶流失分析 146
7.1　什么是用戶流失 146
7.2　用戶流失分析常見錯誤 147
7.3　生命周期和流失 148
7.3.1　產(chǎn)品的生命周期 148
7.3.2　用戶的生命周期 151
7.4　流失用戶的確定方法 153
7.5　用戶流失分析和預(yù)測 153
7.6　如何召回流失用戶 155
7.7　總結(jié) 157
第8 章　從零開始完成數(shù)據(jù)分析項目 159
8.1　項目背景 159
8.2　制訂需求分析框架和分析計劃 161
8.3　數(shù)據(jù)的提取和摸底 166
8.4　特征工程 171
8.4.1　什么是特征工程 171
8.4.2　特征工程的重要性 172
8.4.3　特征分布變換 173
8.4.4　生成衍生變量 174
8.4.5　分箱轉(zhuǎn)換 175
8.4.6　特征篩選 176
8.5　初步搭建挖掘模型 177
8.6　完成分析報告和落地應(yīng)用建議 178
8.7　制定具體的落地方案和評估方案 180
8.8　業(yè)務(wù)落地實驗方案和效果評估 181
8.9　項目總結(jié) 181
第9 章　關(guān)于數(shù)據(jù)分析師常見的困惑和問題 183
9.1　為什么數(shù)據(jù)分析師找工作這么難 183
9.1.1　競爭大 184
9.1.2　不懂業(yè)務(wù) 184
9.1.3　簡歷和面試 185
9.2　數(shù)據(jù)分析師的專業(yè)選擇 185
9.3　數(shù)據(jù)分析師面試流程 187
9.4　數(shù)據(jù)分析師最重要的能力 192
9.4.1　講故事 193
9.4.2　判斷項目ROI 194
9.4.3　業(yè)務(wù)深度 194
9.4.4　信念 195
9.4.5　熱情 196
9.4.6　換位思考 197
9.5　常見的數(shù)據(jù)分析師的困境 197
9.5.1　陷入取數(shù)困境 198
9.5.2　陷入報表困境 199
9.5.3　陷入落地難困境 201
9.5.4　陷入成長困境 203