4.0
用户推荐指数
互联网 类型
6.9 豆瓣评分
可以朗读 语音朗读
210千字 字数
2019-06-01 发行日期
展开全部

主编推荐语

透彻讲解Excel、SQL、Tableau、Python四项数据分析必会工具。

内容简介

本书由一线数据分析师精心编写，通过大量案例介绍了数据分析工作中常用的数据分析方法与工具。本书包括5章内容，分别是数据分析入门、数据分析——从玩转Excel开始、海量数据管理——拿MySQL说事儿、数据可视化——Tableau的使用、数据分析进阶——Python数据分析。本书通俗易懂、通过大量贴近企业真实场景的案例，帮助读者在提高数据处理技能的同时加深对数据分析思维的理解。

本书适合有志于从事数据分析工作或已从事初级数据分析工作的人士自学，也可作为产品经理、运营人员、市场人员的参考用书。

目录

  • 版权信息
  • 前言
  • 第1章 数据分析入门
  • 1.1 什么是数据分析
  • 1.1.1 数据分析的含义
  • 1.1.2 数据分析的操作步骤
  • 1.1.3 数据分析的应用场景
  • 1.1.4 数据分析的发展趋势
  • 1.2 数据分析的职业发展及分类
  • 1.3 数据分析之道
  • 1.3.1 三类统计分析策略
  • 1.3.2 数据分析的常用方法
  • 1.4 数据分析之术
  • 1.4.1 必备的Excel处理方法
  • 1.4.2 高超的数据库查询技巧
  • 1.4.3 纯熟的数据可视化技能
  • 1.4.4 高大上的统计编程技术
  • 第2章 数据分析——从玩转Excel开始
  • 2.1 Excel概述
  • 2.1.1 强大的数据处理技能
  • 2.1.2 实用的数据分析技巧
  • 2.1.3 丰富的数据可视化图表
  • 2.1.4 便捷的自动化数据处理
  • 2.1.5 快速实现业务报表开发
  • 2.2 高效处理数据的Excel函数家族
  • 2.2.1 常用的统计分析函数
  • 2.2.2 灵活的文本处理函数
  • 2.2.3 便捷的数值运算函数
  • 2.2.4 经典的逻辑判断函数
  • 2.2.5 实用的日期计算函数
  • 2.2.6 高效的匹配查找函数
  • 2.3 十分有用的Excel数据分析技巧
  • 2.3.1 数据透视表实现统计分析
  • 2.3.2 描述性统计分析
  • 2.3.3 相关系数与协方差
  • 2.3.4 线性回归模型预测
  • 2.3.5 移动平均模型预测
  • 2.4 酷炫的Excel图表可视化
  • 2.4.1 Excel基础图表
  • 2.4.2 高级可视化图表
  • 2.5 让你的Excel报表动起来
  • 2.5.1 VBA基础语法
  • 2.5.2 录制宏，解放你的双手
  • 2.5.3 VBA应用：学生成绩信息统计
  • 2.5.4 VBA应用：报表发送前的一键优化
  • 2.5.5 VBA应用：数据库字典的超链接
  • 2.5.6 VBA应用：一键合并拆分工作簿
  • 2.5.7 VBA应用：从数据库获取并更新数据
  • 第3章 海量数据管理——拿MySQL说事儿
  • 3.1 MySQL数据库的安装
  • 3.2 将数据写入到数据库中
  • 3.2.1 常用的数据类型
  • 3.2.2 手工建表
  • 3.2.3 数据插入
  • 3.2.4 外部数据的批量导入
  • 3.3 重要的单表查询
  • 3.3.1 SQL查询的7个核心关键词——以链家二手房数据为例
  • 3.3.2 基于CASE WHEN的常用查询——以电商交易数据为例
  • 3.3.3 几种常见的嵌套查询——以学员考试成绩为例
  • 3.3.4 基于分组排序的辅助列功能——以销售员业绩数据为例
  • 3.4 复杂的多表查询
  • 3.4.1 纵向表合并——以超市交易数据为例
  • 3.4.2 表连接操作——以校园一卡通记录数据为例
  • 3.5 通过索引提高数据的查询速度
  • 3.5.1 常见的索引类型
  • 3.5.2 索引的查询和删除
  • 3.5.3 关于索引的注意事项
  • 3.6 数据库的增删改操作
  • 3.6.1 数据库的增操作
  • 3.6.2 数据库的删操作
  • 3.6.3 数据库的改操作
  • 第4章 数据可视化 ——Tableau的使用
  • 4.1 数据可视化概述
  • 4.1.1 什么是数据可视化
  • 4.1.2 为什么要实现数据可视化
  • 4.2 Tableau概述
  • 4.2.1 软件安装
  • 4.2.2 连接数据源
  • 4.2.3 数据源界面
  • 4.2.4 工作区界面
  • 4.2.5 高级操作
  • 4.2.6 保存结果
  • 4.3 数据可视化图表
  • 4.3.1 条形图
  • 4.3.2 柱形图
  • 4.3.3 折线图
  • 4.3.4 面积图
  • 4.3.5 符号图
  • 4.3.6 树状图
  • 4.3.7 气泡图
  • 4.3.8 文字云
  • 4.3.9 饼图
  • 4.3.10 热图
  • 4.3.11 盒须图
  • 4.3.12 双轴图
  • 4.3.13 动态图表
  • 4.3.14 参数图表
  • 4.3.15 漏斗图
  • 4.4 仪表板的制作与发布
  • 4.4.1 仪表板的制作
  • 4.4.2 可视化成果发布
  • 第5章 数据分析进阶 ——Python数据分析
  • 5.1 数据分析的利器——Python
  • 5.1.1 Anaconda——Python集成开发环境的安装
  • 5.1.2 Python编程工具的选择
  • 5.2 Jupyter的使用技巧
  • 5.2.1 代码运行组合键
  • 5.2.2 代码框操作组合键
  • 5.2.3 注释组合键
  • 5.2.4 帮助组合键
  • 5.2.5 代码与笔记的切换组合键
  • 5.3 数据读取——从pandas开始
  • 5.3.1 文本文件的读取
  • 5.3.2 电子表格的读取
  • 5.3.3 数据库数据的读取
  • 5.4 常见的数据处理技术
  • 5.4.1 数据的概览与清洗
  • 5.4.2 数据的引用
  • 5.4.3 多表合并与连接
  • 5.4.4 数据的汇总
  • 5.5 探索性数据分析
  • 5.5.1 异常数据的检测与处理
  • 5.5.2 数据的描述
  • 5.5.3 数据的推断
  • 5.6 线性回归模型的应用
  • 5.6.1 简单线性回归模型——刹车距离的研究
  • 5.6.2 多元线性回归模型——产品市场销售额的研究
  • 5.6.3 模型的显著性检验——F检验
  • 5.6.4 回归系数的显著性检验——t检验
  • 5.6.5 基于回归模型识别异常点
  • 5.6.6 模型的预测
展开全部

评分及书评

4.0
3个评分
  • 用户头像
    给这本书评了
    4.0
    数据分析工具小白必读

    最近在寻找一些数据分析的数据。这本书介绍了一些常用的数据分析工具，并列举了其中一些好用的功能，非常实用。

      转发
      评论
      用户头像
      给这本书评了
      5.0

      随着大数据技术的快速发展，人们对数据的价值越来越重视，数据采集、存储、安全技术也变得日益重要，数据分析和数据挖掘技术得到了日益广泛的应用。利用数据分析技术从海量数据中提取的信息具有极高的价值，例如，支持企业高层进行业务决策、发现新的销售和市场机会、提升组织的社交媒体营销能力、提高用户忠诚度以及复购率、降低用户流失率、提前预测风险并进行防范等。

        转发
        评论

      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。