4.6
用户推荐指数
互联网 类型
8.1 豆瓣评分
可以朗读 语音朗读
144千字 字数
2017-05-01 发行日期
展开全部

主编推荐语

帮你正确地理解并应用数据分析方法，从数据中形成商业决策！

内容简介

本书用于提升互联网公司员工的数据应用能力，即数据化运营能力。首先，从最常用的数据图表切入，帮助执行层正确地绘图，管理层正确地看图；接着，梳理运营中最基本的数据应用知识，涉及数据获取、数据清洗、数据认知、分析框架、指标体系、运营实验等内容。然后，介绍作者认为必要的统计学知识，包括假设检验、方差分析、回归分析和时间序列分解等，并引入了管理科学中的规划求解方法。最后，介绍了数据分析工具的发展趋势，并分享了作者近些年的工作及学习心得。

目录

  • 版权信息
  • 内容简介
  • 推荐序一
  • 推荐序二
  • 好评袭来
  • 前言
  • 第1章 全面认识数据图表
  • 1.1 详解数据图表的基本构成
  • 1.2 控制数据图表中的信息量
  • 1.3 真的需要作图吗
  • 第2章 建立数据图表的认知
  • 2.1 利用散点图探究数据间的关系
  • 2.1.1 最基本的散点图样例
  • 2.1.2 散点图的制作
  • 2.1.3 散点图的变种1：添加平滑线
  • 2.1.4 散点图的变种2：利用气泡图观察更多指标间的关系
  • 2.1.5 散点图的变种3：用分类矩阵形成决策
  • 2.1.6 散点图的局限性
  • 2.2 利用柱形图将“对比”做到极致
  • 2.2.1 利用累加柱形图对比数据结构的变化
  • 2.2.2 多指标组合对比
  • 2.2.3 用平均值优化单指标的对比
  • 2.2.4 用瀑布图观察总量分解后的对比
  • 2.2.5 如何正确对比数值指标与比率指标
  • 2.3 用折线图观察时间序列数据
  • 2.3.1 如何观察趋势
  • 2.3.2 探寻趋势变化的原因
  • 2.4 利用面积图观察数据结构的变化趋势
  • 2.4.1 观察动态的数据结构变化：堆积面积图
  • 2.4.2 用于队列分析：堆积面积图
  • 2.5 用雷达图进行静态的多维对比
  • 2.6 其他类型图表概述
  • 2.6.1 使用饼图的6个“坑”
  • 2.6.2 提升视觉冲击力：树状图
  • 2.6.3 量化流程各环节间的转化率：漏斗图
  • 第3章 数据图表进阶
  • 3.1 数据图表到底是什么
  • 3.2 如何正确地选择图表
  • 3.3 数据图表中的细节
  • 3.3.1 图表背景和绘图区背景
  • 3.3.2 坐标轴
  • 3.3.3 灵活使用辅助线
  • 3.3.4 线性趋势线的应用
  • 3.3.5 应用移动平均趋势线做时间序列的预测
  • 3.3.6 添加信息增强线
  • 3.3.7 用标注线指示必要的信息
  • 3.4 能让图表升级的高级技巧
  • 3.4.1 运用组合图表增加信息承载量
  • 3.4.2 运用子母图增加图表中的信息量
  • 3.4.3 条件格式中的几项实用功能
  • 3.4.4 使用迷你图表压缩空间
  • 3.4.5 用不等宽技术优化柱形图和条形图
  • 3.4.6 使用Bullet图进行绩效评价的可视化
  • 第4章 数据化运营的基础知识
  • 4.1 最基本的数据获取能力
  • 4.1.1 认知数据库的一般构造
  • 4.1.2 能够阅读最基本的取数代码
  • 4.1.3 用Excel获取数据
  • 4.2 快速认知数据
  • 4.2.1 仔细审核数据源的质量
  • 4.2.2 提升数据集的质量
  • 4.2.3 统一数据类型和单位
  • 4.2.4 描述统计分析
  • 4.2.5 利用相关系数理解数据之间的关系
  • 4.2.6 通过多维交叉深入认知数据集
  • 4.3 几套有用的分析思维框架
  • 4.3.1 66法则与SQVID原则
  • 4.3.2 麦肯锡的“七步成诗”
  • 4.4 创造指标，应用指标
  • 4.4.1 什么是指标
  • 4.4.2 如何设计高质量的指标
  • 4.4.3 指标组合：综合指数
  • 4.4.4 需要关注哪些核心指标
  • 4.5 运营活动的量化
  • 4.5.1 优秀的运营活动应具备哪些要素
  • 4.5.2 需要哪些过程型和结果型指标
  • 4.5.3 如何评价运营活动
  • 4.5.4 从纵向与横向两个角度全面对比
  • 4.5.5 一种更严谨的测试效果量化方法：DID
  • 4.5.6 相似活动间效果的对比
  • 4.5.7 关于运营活动量化的小结
  • 4.6 数据化运营的思维方式
  • 4.7 运营数据报告的必备要素
  • 4.8 小结
  • 第5章 快速提升量化分析能力
  • 5.1 用朴素贝叶斯模型进行预测
  • 5.1.1 利用全概率公式的一个例子
  • 5.1.2 让大数定律给你自信
  • 5.1.3 窥一斑而见全豹：中心极限定理
  • 5.2 使用假设检验进行理性的推断
  • 5.2.1 统计分布是一切推断的基础
  • 5.2.2 以正态分布为例，阐述假设检验的过程
  • 5.2.3 双侧检验与单侧检验
  • 5.2.4 假设检验的细节补充
  • 5.3 利用方差分析辨别方案的有效性
  • 5.3.1 用户激活措施的有效性判断
  • 5.3.2 运用置信区间增强数值估计的可靠性
  • 5.3.3 两两比较寻找最精确的结论
  • 5.3.4 理解方差分析的思维
  • 5.4 浅谈回归技术的应用
  • 5.4.1 因变量与自变量的相关关系是回归的基础
  • 5.4.2 线性回归建模的详细过程
  • 5.4.3 线性回归分析中的注意点
  • 5.5 用时间序列分解模型观察波动
  • 5.5.1 怎样观察时间序列数据
  • 5.5.2 何为时间序列分解
  • 5.5.3 时间序列分解的步骤解析
  • 5.5.4 时间序列分解方法的应用局限性
  • 5.6 如何优化调查问卷
  • 5.6.1 态度型问题，增加选项以支撑量化分析
  • 5.6.2 问题要有必要且贴合业务需求
  • 5.6.3 设置过滤器，识别无效回答
  • 5.6.4 避免双重问题和一重半问题
  • 5.6.5 动态地调查，设置问题库以保障多次调查的质量
  • 第6章 科学地决策
  • 6.1 从数据中形成决策
  • 6.2 线性规划是什么
  • 6.3 线性规划建模的操作过程
  • 6.3.1 建立逻辑清晰的表格
  • 6.3.2 设置输出单元格、目标单元格与可变单元格之前的运算关系
  • 6.3.3 设置线性规划建模参数
  • 6.4 如何从数据中形成决策
  • 6.5 4类典型且实用的线性规划模型
  • 6.5.1 资源分配模型
  • 6.5.2 成本收益平衡模型
  • 6.5.3 网络配送模型
  • 6.5.4 混合模型
  • 6.6 线性规划模型小结
  • 第7章 应用优秀的工具
  • 7.1 互联网数据分析工具的演进
  • 7.1.1 流量时代
  • 7.1.2 用户时代
  • 7.1.3 订单时代
  • 7.2 行为事件分析工具的简单介绍
  • 7.3 数据分析平台简介及趋势
  • 7.3.1 数据展现
  • 7.3.2 数据处理
  • 7.3.3 数据收集
  • 7.4 值得推荐的小工具
  • 7.4.1 团队协作工具
  • 7.4.2 其他小工具
  • 第8章 工作经验杂谈
  • 8.1 这些年犯过的错误
  • 8.1.1 迷信业务模型，浪费公司资源
  • 8.1.2 活跃率陷阱
  • 8.1.3 不加选择地进行数据追踪
  • 8.1.4 为了KPI而做数据分析
  • 8.1.5 忽略数据质量的保障机制
  • 8.1.6 轻视业务执行，重视数据表现
  • 8.1.7 不重视数据认知，盲目建模
  • 8.1.8 只重视完成任务，忽略了团队成员的个人发展需求
  • 8.2 认清数据分析的边界
  • 8.2.1 数据库并不能记录一切
  • 8.2.2 不可能分离多重因素影响
  • 8.2.3 数据不能替代逻辑推理
  • 8.2.4 预测的根基未必牢固
  • 8.2.5 大多数人会因数据而变懒
  • 8.3 我们需要读些什么书
展开全部

评分及书评

4.6
5个评分
  • 用户头像
    给这本书评了
    4.0

    大佬对数据分析探索，二刷，还在最后提到读书三个阶段：成为人，成为聪明的人，成为聪明且专业的人。

      转发
      评论

    出版方

    电子工业出版社

    电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。