展开全部

主编推荐语

本书通过实战案例和可视化的图形讲解数据分析的知识。

内容简介

全书共9章,主要内容包括不同场景下的数据分析方法,从业者应具备的数据分析基本知识,数据分析师应具有的思维方式,海盗法则和指标体系建模,用户画像赋能数据分析,数据可视化的实操技巧等。

本书不仅适合产品经理、运营人员、市场营销人员阅读,还适合数据分析人员阅读。

目录

  • 版权信息
  • 内容提要
  • 服务与支持
  • 前言
  • 第1章 为什么人人都要懂数据分析
  • 1.1 产品经理为什么要懂数据分析
  • 1.2 产品经理的数据分析实战案例
  • 1.3 市场营销人员为什么要懂数据分析
  • 1.4 公司领导、业务负责人为什么要懂数据分析
  • 第2章 数据分析基础知识
  • 2.1 PV和UV
  • 2.2 指标
  • 2.3 用户画像和拆分维度
  • 2.4 用户行为漏斗
  • 2.5 科学的A/B实验
  • 2.6 净收益检验
  • 第3章 做一名优秀的数据分析师
  • 3.1 数据分析师与数据观
  • 3.1.1 数据——从资源到资产
  • 3.1.2 从数据到应用经历的“惊险的一跳”
  • 3.2 对数据分析师岗位的一些理解
  • 3.2.1 数据分析师应具有的能力
  • 3.2.2 数据分析师应具备的技能
  • 3.2.3 数据分析师不要单打独斗
  • 第4章 数据分析师的思维方式
  • 4.1 数据分析的基本流程
  • 4.2 数据分析的两个重要思维模型
  • 4.2.1 “树”思维
  • 4.2.2 “田”思维
  • 第5章 海盗法则与指标体系建模
  • 5.1 海盗法则
  • 5.1.1 用户获取
  • 5.1.2 用户激活
  • 5.1.3 用户留存
  • 5.1.4 获取收入
  • 5.1.5 自传播
  • 5.2 构建指标体系
  • 5.2.1 北极星指标
  • 5.2.2 通过OSM模型构建指标体系
  • 第6章 数据分析方法
  • 6.1 数据分析工具箱
  • 6.2 现状分析
  • 6.2.1 描述现状——探索性数据分析方法
  • 6.2.2 常用的指标
  • 6.2.3 趋势分析
  • 6.3 异常值发现
  • 6.3.1 西格玛法则
  • 6.3.2 四分位差法
  • 6.4 定位问题
  • 6.4.1 漏斗分析
  • 6.4.2 多维分析
  • 6.4.3 指标拆解
  • 6.4.4 魔法数字
  • 第7章 A/B测试
  • 7.1 A/B测试简介
  • 7.1.1 A/B测试的概念以及应用场景
  • 7.1.2 A/B测试的起源
  • 7.2 A/B测试的统计理论基础
  • 7.2.1 从“女士品茶”理解假设检验的定义
  • 7.2.2 假设检验的步骤
  • 7.3 A/B测试流程和实验
  • 7.3.1 A/B测试的流程和实验指标的指定
  • 7.3.2 实验的设计和进行
  • 7.4 综合案例:Panda公司通过A/B测试优化促销信息展示方案
  • 7.5 A/B测试进阶
  • 7.5.1 如果实验结果和我们预想的不一样怎么办
  • 7.5.2 基于A/B测试增量反馈模型
  • 第8章 用户画像
  • 8.1 用户画像概况:用户画像概念及应用领域
  • 8.1.1 用户画像的定义
  • 8.1.2 用户画像的使用范围
  • 8.1.3 关于用户画像的一些理解
  • 8.2 用户画像构建途径
  • 8.2.1 构建和应用用户画像的步骤
  • 8.2.2 利用算法模型生成用户画像标签
  • 8.3 用户画像实战
  • 8.3.1 用户画像的本质是差异化
  • 8.3.2 用户画像的优势是“惠而不费”
  • 8.3.3 用户画像需要积少成多
  • 8.3.4 用户画像体系要服务场景
  • 8.3.5 利用用户画像需要遵循“不作恶”原则
  • 第9章 数据可视化与Tableau操作
  • 9.1 数据可视化概述
  • 9.1.1 什么是数据可视化
  • 9.1.2 常用的数据可视化工具
  • 9.1.3 好的数据可视化方案
  • 9.2 Tableau数据可视化基础
  • 9.2.1 Tableau简介
  • 9.2.2 开启Tableau可视化之旅
  • 9.2.3 高级可视化图表的制作
  • 9.2.4 可视化方案的展现:仪表板和故事
  • 附录A 为什么抽样方差公式的分母中是n-1
  • A.1 数字特征的概念
  • A.2 关于总体和抽样的理解
  • A.3 关于抽样方差公式的推导
  • 附录B 时间序列趋势分解的Python代码
  • 附录C 分词的Python代码
展开全部

评分及书评

3.7
6个评分
  • 用户头像
    给这本书评了
    4.0
    数据分析的实用性方法介绍

    如果想利用数据分析,来帮助自己更好的提升产品销售率、产品体验、以及用户画像,可以看一下这本书。书的开篇就在分析,不同行业的人为什么都需要数据分析,比如,市场营销人员为什么需要懂数据分析?著名的营销先驱约翰沃纳梅克曾经提出,我在广告上的投入有一半是没有用的,但是我不知道是哪一半。对于企业来说,拥有大量的数据只是资源,真正能将数据分析起来,指导企业的效率优化,才能够把资源转化为资产。数据分析分为六个步骤,分别是业务理解,数据理解,数据准备,建模,模型评估和发布。进行用户分析,有一个海盗法则,把用户划分为五个步骤,用户获取,用户激活,用户留存,获取收入和自传播。数据分析后,指标评价体系也非常重要,有一个非常重要的概念,叫做北极星指标,也叫唯一关键指标。此指标变好,说明公司的产品正朝良性方向发展。这个指标一旦确立,就像北极星一样,高高的闪耀在天空中,指引着全公司向着一个方向前进。北极星指标需要具备合理性,可操作性和前瞻性三个特点。在数据分析指标确立后,有一些显著性水平的分析方法,通过数据挖掘的方式,以及线性回归的方式,帮助我们发现潜在的问题。最后,作者还介绍的数据分析常用的三个工具:pythonRTableau。以上就是这本书的核心内容,在数据分析以及用户画像方面,有需要学习的小伙伴也可以去看一看。

      1
      评论
      用户头像
      给这本书评了
      4.0
      读《数据分析实战》有感

      从内容来看,这本书更适合互联网相关的数据分析,里面运用了大量的专有称呼和术语,对非从业者或行业小白来说需要先了解定义,才能无障碍阅读。从内容来说,有些基本知识介绍方面确有一定收获。比如:1. 海盗法则(AARRR 获取 - 激活 - 留存 - 收益 - 传播)对日常分析有一定的借鉴学习意义。2. 平均增长率的计算逻辑,不是简单的增长率平均,即平均增长率≠a%+b%,而是(1+a%)*(1+b%)-1。3. 异常值,小于 Q1-1.5QR 和大于 Q3+1.5QR。4. 不同量纲间不可直接比较标准差界定波动,需要消除量纲影响。即标准差 / 平均值。

        转发
        评论
        用户头像
        给这本书评了
        4.0

        有示例,还有 tableau 的使用, 用到了来翻一番示例还是可以的

          转发
          评论

        出版方

        人民邮电出版社

        人民邮电出版社是工业和信息化部主管的大型专业出版社,成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”,致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。