展开全部

主编推荐语

本书以数据思维为主题,以数据分析全流程为主线,融合了与数据思维相关的编程语言、统计学基础及案例分析等内容。

内容简介

本书囊括了数据分析中常用的分析方法,包括经典的海盗(AARRR)模型、麦肯锡的MECE模型、逻辑树、漏斗分析、路径分析、对比分析、A/B试验、RFM模型、K-Means算法、5W2H等分析方法,还包括各类方法的实践案例及Python实操项目。

本书是数据分析方法论与统计学知识、编程语言及应用案例的完美结合,适合工作了1-3年的初级数据分析师;已经掌握了数据分析工具,需要培养数据思维的转行人员;数据科学行业的人力专家和猎头等。

目录

  • 版权信息
  • 内容简介
  • 前言
  • 第1篇 数据思维
  • 第1章 数据思维是什么
  • 1.1 从数据治理流程浅谈数据思维
  • 1.2 数据思维到底是什么
  • 1.3 数据思维最直观的解释
  • 第2章 为什么数据思维如此重要
  • 2.1 数据思维是数据分析师必备的技能
  • 2.2 数据思维是数据分析师成长晋升的必备技能
  • 2.3 数据思维能帮助数据分析师建立影响力
  • 第3章 数据思维如何培养
  • 3.1 熟悉常用的数据分析方法
  • 3.2 树立目标意识,寻找潜在分析点
  • 3.3 不预设立场,通过客观的标准代替主观的判断
  • 3.4 基于数据分析结果为业务方提出切实可行的解决方案
  • 第2篇 数据指标体系
  • 第4章 数据埋点
  • 4.1 数据埋点简介
  • 4.2 数据埋点分类及主流的数据上报技术
  • 4.3 数据埋点方案设计
  • 第5章 数据标签体系
  • 5.1 数据标签体系与用户画像
  • 5.2 如何构建数据标签体系
  • 5.3 数据标签体系的应用场景
  • 第6章 数据指标体系
  • 6.1 从中国人口数据初识指标体系构建
  • 6.2 用四个模型梳理数据指标体系构建的方法论
  • 6.3 如何搭建一套通用的指标体系并快速落地应用
  • 6.4 定位异动因素
  • 第3篇 数据分析方法论
  • 第7章 对比思维
  • 7.1 利用对比分析得出结论
  • 7.2 A/B试验设计及容易忽略的误区
  • 7.3 A/B试验背后涉及的统计学原理
  • 7.4 Python实战:A/B试验在广告方案选择中的应用
  • 第8章 分群思维
  • 8.1 从用户生命周期浅谈分群思维
  • 8.2 用数据分箱进行结构化分析
  • 8.3 同期群分析解读用户生命周期,剖析真实用户行为和价值
  • 8.4 Python实战:基于RFM模型及K-Means算法实现用户分群
  • 第9章 相关与因果
  • 9.1 相关性分析简介
  • 9.2 因果推断方法论
  • 9.3 Python实战:利用DoWhy框架实现因果推断
  • 第4篇 数据分析案例实战
  • 第10章 用户流失分析
  • 10.1 用户流失分析方法论
  • 10.2 案例分析:用5W2H方法分析游戏用户流失原因
  • 10.3 用5个理论模型构建外部因素分析框架
  • 10.4 如何设计问卷验证用户流失的原因
  • 10.5 Python实战:通过生存分析预测用户流失周期
  • 第11章 用户转化与付费分析
  • 11.1 用户转化与付费分析概述
  • 11.2 贝叶斯公式在用户转化中的应用
  • 11.3 案例分析:用漏斗模型分析某电商平台换货业务,提升用户转化率
  • 11.4 用营销增益模型实现用户分群,辅助运营人员识别营销敏感人群
  • 11.5 Python实战:利用营销增益模型识别营销敏感人群
  • 附录A 缩略词及中英文对照
  • 参考文献
  • 反侵权盗版声明
展开全部

评分及书评

4.3
3个评分

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。