互联网
类型
可以朗读
语音朗读
72千字
字数
2023-09-01
发行日期
展开全部
主编推荐语
本书着重于从“道、法、术、器”等维度，以树形框架梳理数据分析认知体系，并结合大量的案例进行阐释。
内容简介
近几年，数据分析、人工智能、大数据平台等概念十分火爆，有些人感叹：虽然学会了调用软件算法库文件，在面对真实的业务问题时却不知道从哪里下手；虽然接触了一个又一个能做数据分析的软件工具，真要处理一个业务问题时，却发现自己需要什么样的数据反而成了第一道门槛……
“道不远人”，好的东西不应该只作为高深莫测的内容让人敬而远之。本书将数据分析的思维作为主干，衔接数据分析的各个环节，辅之以案例，帮助读者建立体系化的数据分析知识，使数据分析成为一个普通技能，在工作和生活中发挥分析并解决问题的作用，最终实现“人人可做数据分析”。
目录
- 版权信息
- 内容简介
- 推荐序
- 推荐语
- 前言
- 第1章 绪论
- 1.1 数据分析话题的“树模型”知识框架
- 1.2 数据分析话题同样存在“量变引起质变”的问题
- 1.3 数据分析与其他学科的关系
- 第2章 数据采集、存储与整理
- 2.1 什么是数据，数字就是数据吗
- 2.2 不同的应用场景对应不同的数据采集方式
- 2.3 工业协议采集数据
- 2.4 网页埋点采集数据
- 2.5 数据库及合并表单
- 2.6 数据清洗
- 2.7 数据整理，多维度拆解
- 2.8 数据集
- 2.9 数据估算
- 第3章 大数据平台架构
- 3.1 大数据时代的传统数据处理方法
- 3.2 大数据架构
- 3.3 大数据平台的数据采集、处理、输出与展示
- 3.3.1 数据采集
- 3.3.2 数据处理
- 3.3.3 数据输出与展示
- 3.3.4 大数据的调度管理
- 3.4 大数据平台不是核心
- 第4章 数据思维之基础问题
- 4.1 数据算法VS数据应用
- 4.2 AI高大上，传统手段失效了吗
- 4.3 以前常用的一些方法论，如5W2H法不灵了
- 4.4 信息摘要的敏感性，抓重点的能力
- 4.5 物联网等技术的发展催生了新的数据应用场景
- 4.6 对数据分析的预期，要有合理的参照系
- 第5章 数据思维之数据素养
- 5.1 数字时代，数据素养是重要的技能
- 5.2 把一个具体业务问题转化成一个数据可分析问题
- 5.3 层层拆解，才见真章
- 5.4 细致拆解与辛普森悖论
- 5.5 减熵：把事情流程化，把关系图谱化
- 5.5.1 把事情流程化
- 5.5.2 把关系图谱化
- 5.6 指标思维
- 5.6.1 按层次拆解的指标体系
- 5.6.2 按流程拆解的指标体系
- 5.6.3 按维度拆解的指标体系
- 第6章 常见的数据分析综合方法
- 6.1 针对业务问题的“假设检验”
- 6.2 分类利器：波士顿矩阵与RFM模型
- 6.2.1 波士顿矩阵
- 6.2.2 RFM模型
- 6.3 行动步骤利器：AARRR模型与UJM模型
- 6.3.1 AARRR模型
- 6.3.2 UJM模型
- 6.4 业务分析框架OSM
- 6.5 成交总额GMV
- 第7章 数据可视化
- 7.1 数据可视化的意义：探索性分析
- 7.2 常见的数据可视化图表
- 7.3 数据可视化举例
- 第8章 人工智能与传统数据分析的关系
- 8.1 数据分析、传统算法、人工智能之间的范畴关系
- 8.2 目标的一致性及适用场景的区别
- 8.3 以统计为主的传统数据分析及其工具
- 8.4 机器学习
- 第9章 数据驱动运营
- 9.1 不同业务层次都有哪些数据分析需求
- 9.2 不同行业领域都有些哪些数据分析需求
- 9.3 数据驱动运营概述
- 9.3.1 基础
- 9.3.2 发现问题和定义问题
- 9.3.3 让目标可触达
- 9.3.4 过程管理
- 9.4 牛刀小试的一个例子
- 9.5 数据分析与公司战略地图
- 参考文献
展开全部
评分及书评
评分不足
1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。
