互联网 类型
可以朗读 语音朗读
138千字 字数
2024-10-01 发行日期
展开全部

主编推荐语

一套数据指标体系全流程构建方法论与实践指南。

内容简介

本书不仅深入浅出地分享了通用的数据指标体系构建策略，还通过多个行业实例展示了具体操作方法。书中从数据采集入手，借助BI工具Superset实践构建过程。

本着“一切技术都是为业务服务的”这一宗旨，本书除了包含数据指标体系构建相关内容外，还结合统计学原理及Excel、Python等工具，深入剖析数据指标波动对业务的影响，旨在帮助读者深入理解数据指标与实际业务的底层关联，把数据指标体系落地到业务中。

目录

  • 版权信息
  • 前言
  • 第一篇 数据指标体系基础知识
  • 第1章 数据指标体系简介
  • 1.1 数据指标概述
  • 1.1.1 什么是数据指标
  • 1.1.2 数据指标的分类
  • 1.1.3 好的数据指标的4个评价标准
  • 1.1.4 选择数据指标时需要注意的4个问题
  • 1.2 数据指标体系概述
  • 1.2.1 数据指标体系的3个要素
  • 1.2.2 基于数据指标形成数据指标体系
  • 1.2.3 为什么需要数据指标体系
  • 1.3 数据指标体系的构建及落地流程概括
  • 1.3.1 数据指标体系的构建流程
  • 1.3.2 数据指标体系如何落地
  • 1.4 构建数据指标体系的方法论汇总
  • 1.4.1 北极星指标
  • 1.4.2 OSM/GSM模型
  • 1.4.3 AARRR模型
  • 1.4.4 UJM模型
  • 1.4.5 HEART模型
  • 1.4.6 PULSE模型
  • 1.4.7 MECE模型
  • 第二篇 数据指标规划
  • 第2章 数据指标梳理
  • 2.1 梳理数据指标的不同视角
  • 2.2 用户数据指标概述
  • 2.2.1 用户规模指标
  • 2.2.2 用户行为指标
  • 2.3 业务数据指标概述
  • 2.3.1 工具类产品数据指标
  • 2.3.2 内容类产品数据指标
  • 2.3.3 社交类产品数据指标
  • 2.3.4 交易类产品数据指标
  • 2.3.5 游戏类产品数据指标
  • 第3章 用户规模数据指标
  • 3.1 获取用户
  • 3.1.1 获取用户的渠道
  • 3.1.2 获客阶段的关键指标
  • 3.1.3 买量用户成本相关指标
  • 3.1.4 构建渠道成本用户字典时需要注意的问题
  • 3.1.5 用户成本指标在数据分析中的作用
  • 3.2 新增用户
  • 3.2.1 如何定义用户
  • 3.2.2 如何定义“增”
  • 3.2.3 如何定义“新”
  • 3.3 活跃用户
  • 3.3.1 什么是活跃用户
  • 3.3.2 评价活跃用户的指标
  • 3.3.3 活跃用户的构成
  • 3.3.4 警惕活跃用户存在的陷阱
  • 3.3.5 活跃用户数量持续增长与业务的关系
  • 3.4 留存用户
  • 3.4.1 用户留存率的计算及问题本质
  • 3.4.2 平均留存率与加权留存率
  • 3.4.3 深入解读用户留存
  • 3.4.4 反映用户留存的相关指标
  • 第4章 用户行为数据指标
  • 4.1 使用类指标
  • 4.1.1 使用次数
  • 4.1.2 使用时长
  • 4.1.3 使用时间间隔
  • 4.2 访问类指标
  • 4.2.1 访问人数与访问次数
  • 4.2.2 转化率
  • 4.2.3 页面访问深度
  • 4.3 付费类指标
  • 4.3.1 付费行为指标概述
  • 4.3.2 付费规模及质量相关指标
  • 4.3.3 人均付费情况相关指标
  • 4.3.4 生命周期价值
  • 4.4 传播类指标
  • 第5章 业务数据指标
  • 5.1 工具类产品及其数据指标
  • 5.1.1 工具类产品的细分
  • 5.1.2 工具类产品的价值
  • 5.1.3 工具类产品的盈利模式
  • 5.1.4 工具类产品需要关注的数据指标
  • 5.2 内容类产品及其数据指标
  • 5.2.1 内容类产品的特点
  • 5.2.2 内容类产品需要关注的数据指标
  • 5.3 社交类产品及其数据指标
  • 5.3.1 社交的流程
  • 5.3.2 社交类产品的三要素
  • 5.3.3 社交类产品的分类
  • 5.3.4 社交类产品需要关注的数据指标
  • 5.4 交易类产品及其数据指标
  • 5.4.1 交易类产品的类型
  • 5.4.2 交易类产品的核心模块
  • 5.4.3 交易类产品需要关注的数据指标
  • 5.5 游戏类产品及其数据指标
  • 5.5.1 游戏行业产业链
  • 5.5.2 游戏运营的核心要素
  • 5.5.3 游戏的分类
  • 5.5.4 游戏类产品的核心数据指标
  • 第6章 分析维度
  • 6.1 数据指标与分析维度
  • 6.1.1 什么是维度
  • 6.1.2 数据指标与维度之间的关系
  • 6.1.3 维度在数据分析中的作用
  • 6.2 数据分析中常用的分析维度
  • 6.2.1 分析维度汇总
  • 6.2.2 各类数据分析维度详解
  • 6.3 维度在数据分析中的应用
  • 第三篇 数据指标体系框架设计
  • 第7章 数据指标体系构建的方法论
  • 7.1 数据指标体系的通用方法论
  • 7.1.1 数据指标体系的通用方法论概述
  • 7.1.2 引领数据指标体系构建的OSM模型
  • 7.1.3 通用方法论中各步骤实现方法简要概括
  • 7.2 明确业务目标，梳理北极星指标
  • 7.2.1 如何找到业务的北极星指标
  • 7.2.2 如何判断是否为优秀的北极星指标
  • 7.2.3 选择北极星指标还需要关注产品的生命周期
  • 7.2.4 梳理北极星指标的方法论
  • 7.3 梳理业务流程，明确过程指标
  • 7.3.1 两个模型指导业务流程梳理
  • 7.3.2 梳理业务流程并明确过程指标的方法论
  • 7.3.3 案例分析：拆解业务流程，明确过程指标
  • 7.4 指标下钻分级，构建多层级数据指标体系
  • 7.4.1 如何实现指标的下钻分级
  • 7.4.2 案例分析：完成指标下钻分级
  • 7.4.3 案例分析：数据分析培训机构的北极星指标课程收入拆解
  • 7.5 添加分析维度，构建完整的数据指标体系
  • 7.5.1 数据指标体系的维度概述
  • 7.5.2 案例分析：电商北极星指标GMV的分析维度
  • 第8章 数据指标体系方法论的案例实践
  • 8.1 案例：以职场在线教育为例实践数据指标体系构建
  • 8.1.1 业务场景介绍
  • 8.1.2 4个步骤实现数据指标体系构建
  • 8.1.3 数据指标体系如何辅助业务目标实现
  • 8.1.4 构建数据指标体系的过程总结
  • 8.2 案例：以电子阅读工具为例实践数据指标体系构建
  • 8.2.1 业务场景介绍
  • 8.2.2 4个步骤实现数据指标体系构建
  • 8.2.3 数据指标体系如何辅助业务目标实现
  • 8.2.4 构建数据指标体系的过程总结
  • 8.3 案例：以图文内容社区为例实践数据指标体系构建
  • 8.3.1 业务场景介绍
  • 8.3.2 4个步骤实现数据指标体系构建
  • 8.3.3 构建数据指标体系的过程总结
  • 8.4 案例：以网约车为例实践数据指标体系构建
  • 8.4.1 业务场景介绍
  • 8.4.2 4个步骤实现数据指标体系构建
  • 8.4.3 数据指标体系如何辅助业务目标实现
  • 8.4.4 构建数据指标体系的过程总结
  • 8.5 案例：以社交电商为例实践数据指标体系构建
  • 8.5.1 业务场景介绍
  • 8.5.2 4个步骤实现数据指标体系构建
  • 8.5.3 数据指标体系如何辅助业务目标实现
  • 8.5.4 构建数据指标体系的过程总结
  • 第四篇 数据采集和加工
  • 第9章 数据采集
  • 9.1 数据埋点概述
  • 9.1.1 什么是数据埋点
  • 9.1.2 数据埋点在数据指标体系构建中的作用
  • 9.1.3 数据埋点能够采集哪些数据
  • 9.1.4 数据埋点的分类
  • 9.2 数据埋点的实现步骤
  • 9.2.1 数据埋点流程介绍
  • 9.2.2 实现数据埋点设计的6个步骤
  • 9.3 案例：以用户注册转化为例实践数据埋点方案设计
  • 9.3.1 实现用户注册转化埋点方案设计的6个步骤
  • 9.3.2 用户注册转化埋点方案汇总
  • 第10章 数据指标开发与数据仓库建模
  • 10.1 数据指标体系规范
  • 10.1.1 构建数据指标体系的理论支撑
  • 10.1.2 各类数据指标的命名规范
  • 10.1.3 用户规模、行为以及业务数据指标的中英文命名规范
  • 10.2 数据仓库模型设计
  • 10.2.1 数据仓库介绍
  • 10.2.2 数据仓库模型层次
  • 10.2.3 数据仓库建模方法及实施流程概述
  • 10.3 案例：以用户注册转化为例实践数据指标体系规范设计
  • 10.3.1 数据调研，明确需求
  • 10.3.2 业务过程及统计指标梳理
  • 10.3.3 数据仓库模型设计
  • 10.3.4 数据仓库建模流程梳理
  • 第五篇 数据指标体系应用
  • 第11章 BI工具实现数据指标体系构建
  • 11.1 Superset概述
  • 11.1.1 常见的BI工具介绍
  • 11.1.2 Superset下载安装
  • 11.1.3 Superset连接MySQL数据库
  • 11.2 Superset的图表功能及基本操作
  • 11.2.1 Superset图表功能分类
  • 11.2.2 表格
  • 11.2.3 KPI图
  • 11.2.4 关系图
  • 11.2.5 分布图
  • 11.2.6 时间序列图
  • 11.2.7 地理空间图
  • 11.3 案例：使用Superset构建数据指标监控看板
  • 11.3.1 用户获客漏斗分析
  • 11.3.2 用户活跃及留存分析
  • 11.3.3 用户付费分析
  • 11.3.4 数据指标监控看板搭建
  • 11.4 案例：使用Excel代替BI工具搭建数据监控看板
  • 11.4.1 使用Excel制作动态看板的6个关键步骤
  • 11.4.2 Excel动态看板在实际工作中的运用
  • 第12章 数据指标体系如何指导数据异动分析
  • 12.1 数据异动分析流程概述
  • 12.2 数据波动多少才是异动
  • 12.2.1 透过业务含义理解异常指标
  • 12.2.2 数据异动的统计学理论支撑
  • 12.2.3 快速确定数据是正常波动还是异常波动的方法
  • 12.2.4 建立数据告警，及时监测数据异动
  • 12.3 数据异动的类型及引起因素
  • 12.3.1 数据异动的类型
  • 12.3.2 数据传输问题引起的数据异动
  • 12.3.3 业务内部因素引起的数据异动
  • 12.3.4 外部因素引起的数据异动
  • 12.3.5 其他未知因素引起的数据异动
  • 12.3.6 不同类型数据异动排查维度汇总
  • 12.4 维度拆解快速定位异动原因
  • 12.4.1 维度拆解概述
  • 12.4.2 维度拆解，分析共性
  • 12.4.3 案例研究，分析个性
  • 12.4.4 维度上升，验证共性
  • 12.4.5 输出业务化的数据结论
  • 12.5 多个维度均有变化如何快速找出异常的维度
  • 12.5.1 多个维度均有变化怎么办
  • 12.5.2 相对熵方法介绍
  • 12.5.3 案例分析
  • 12.6 指标拆解量化异动对于大盘的贡献度
  • 12.6.1 加法指标
  • 12.6.2 除法指标
  • 12.6.3 乘法指标
  • 12.6.4 新增维度如何拆解贡献度
  • 12.7 案例：留存率下降5%应如何分析
  • 12.7.1 案例简介
  • 12.7.2 案例分析
展开全部

评分及书评

评分不足
1个评分

出版方

机械工业出版社

机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。