第 1 章 底层认知
1.1 基础认知
第 1 问：数据分析怎么学？—本书学习指南 / 2
第 2 问：数据分析是怎么来的？—数据分析极简发展史 / 4
第 3 问：什么是数据指标？ / 6
第 4 问：常见的指标有哪些？ / 9
第 5 问：对于数据分析领域，统计学要学到什么程度？ / 10
第 6 问：数据分析领域主要的岗位有哪些？ / 13
1.2 底层逻辑 / 17
第 7 问：如何建立完整有效的数据指标体系？ / 17
第 8 问：数据指标体系如何应用？—数据监控体系 / 21
第 9 问：数据分析的产出价值是什么？ / 24
第 10 问：数据分析的常见陷阱有哪些？ / 26
第 11 问：如何让数据驱动业务？—数据分析流程 / 28
第 2 章 思维方法 / 32
2.1 数据思维 / 33
第 12 问：什么是数据思维？ / 33
第 13 问：怎么使用数据思维？ / 35
第 14 问：怎么训练数据思维？ / 38
2.2 通用分析方法 / 41
第 15 问：什么是数据异常分析？ / 41
第 16 问：什么是描述性分析？ / 43
第 17 问：什么是对比分析？ / 46
第 18 问：什么是细分分析？ / 48
第 19 问：什么是归因分析？ / 52
第 20 问：什么是预测分析？ / 56
第 21 问：什么是相关性分析？ / 58
第 22 问：什么是二八定律 / 帕累托定律分析？ / 61
2.3 商业分析方法 / 63
第 23 问：什么是 PEST 分析？ / 63
第 24 问：什么是 SWOT 分析？ / 65
第 25 问：什么是逻辑树分析？ / 68
第 26 问：什么是“STP+4P”分析？ / 71
第 27 问：什么是波士顿矩阵分析？ / 73
第 28 问：什么是 5W2H 分析？ / 77
2.4 产品分析方法 / 79
第 29 问：什么是生命周期分析？ / 80
第 30 问：什么是 AB 测试分析？ / 83
第 31 问：什么是竞品分析？ / 88
2.5 用户分析方法 / 90
第 32 问：什么是用户画像分析？ / 90
第 33 问：什么是漏斗分析？ / 96
第 34 问：什么是 RFM 用户分层分析？ / 100
第 35 问：什么是同期群分析？ / 104
第 3 章 工具技术 / 107
第 36 问：分析工具如何选？—常用场景说明 / 108
3.1 Excel / 109
第 37 问：用 Excel 做数据分析够吗？— Excel 的学习路径 / 109
第 38 问：Excel 中有哪些重要的函数或功能？—Excel 高频常用函数介绍 / 110
第 39 问：如何用 Excel 做数据分析？—Excel 透视表最全指南 / 114
3.2 SQL / 127
第 40 问：什么是 SQL ？—SQL 的学习路径 / 127
第 41 问：SQL 基础操作有哪些？ / 129
第 42 问：SQL 有哪些高频函数？ / 130
第 43 问：SQL 的表连接该如何做？ / 130
第 44 问：什么是 SQL 的窗口函数？ / 137
第 45 问：SQL 要学习到什么程度？—SQL 在数据分析中落地 / 147
3.3 Python / 151
第 46 问：什么是 Python ？—Python 的介绍与开始 / 151
第 47 问：Python 基础语法有哪些？ / 152
第 48 问：Python 数据分析工具包 Pandas 是什么？ / 160
第 49 问：Python 数据可视化工具包 Matplotlib 是什么？ / 177
第 50 问：Pandas 如何解决业务问题？—数据分析流程详解 / 183
3.4 PowerBI / 195
第 51 问：什么是商业智能？—商业智能与 PowerBI 入门 / 195
第 52 问：PowerBI 的核心概念有哪些？—一文看懂 PowerBI 运行逻辑 / 198
第 53 问：如何用 PowerBI 做数据分析？—PowerBI 完整数据分析流程案例 / 208
第 4 章 项目落地 / 222
4.1 落地思维 / 223
第 54 问：数据分析的结果该如何落地？ / 223
第 55 问：数据分析没有思路怎么办？—数据分析中“以终为始”的思考逻辑 / 226
第 56 问：如何从不同层次理解业务？—数据分析中“点线面体”的思考逻辑 / 229
第 57 问：数据分析怎么做才有价值？—数据分析中的目标管理 / 231
4.2 理解业务本质 / 235
第 58 问：常说的业务场景是什么？—从营销角度出发构建“业务场景模型” / 235
第 59 问：零售行业常说的人货场是什么？—从“人货场模型”看落地场景中的数据
分析 / 240
第 60 问：如何深入理解业务？—利用点线面思维构建“业务模型” / 242
第 61 问：如何梳理业务流程？—从“线”的层次思考业务 / 245
第 62 问：如何看懂公司的商业模式？—从“面”的层次思考业务 / 250
第 63 问：从战略层次全局看待业务？—从“体”的层次思考业务 / 254
4.3 互联网产品数据分析实践 / 258
第 64 问：如何分析用户行为数据？—还原实际业务中的落地分析流程 / 258
第 65 问：如何定义问题？—AARRR 模型中获取阶段的落地分析 / 263
第 66 问：如何形成分析思路？—AARRR 模型中促活阶段的落地分析 / 268
第 67 问：如何给落地建议？—AARRR 模型中留存阶段的落地分析 / 274
4.4 报告呈现 / 279
第 68 问：为什么要做数据分析报告？—向上汇报与横向沟通 / 279
第 69 问：如何用数据来讲故事？—报告结构与金字塔原理 / 281
第 70 问：如何制作一个图表？—数据可视化的逻辑 / 284
4.5 项目复现实战 / 287
第 71 问：游戏行业，如何分析活动？ / 287
第 5 章 展望 / 298
第 72 问：数据分析师的前景及如何成长？ / 299
