数据分析是现在不仅在互联网行业同时也在基础行业中必不可缺的运营手段,是业务提升效率、增强收益的有效方法。
本书的前8个章节精选提炼了多种数据分析中重要方法,包括ROI分析、数据标签和评分、用户生命周期、因果推断、可解释模型、PSM理论、ABtest、时序分析等,并通过更清晰、简单的方式向读者全方位的展示数据分析在以下诸多原理上的阐释,并且针对每种方法都提供了充足的生活和业务中的前沿案例作为辅助讲解,帮助读者更好的理解数据分析在传统行业、互联网行业及各类新兴行业的实际应用,同时也能更快的运用在实际工作和生活中,所以通过阅读前8个章节,读者可以系统的学习数据分析的理知识,拥有数据化思维,为读者能够在数据分析行业中不断深耕打下良好的理论基础并将数据分析能力逐步应用于实际的工作和生活中,成为一名合格的数据分析师。
本书适合从事需要掌握数据分析技能的行业,数据分析相关专业的在读学生,入门数据分析行业的相关从业人员,以及已有自己本职工作,但仍需要学习数据分析能力来提升自己的职业技能和职场竞争力的相关行业从业者阅读。
第1章ROI: 值得做还是不值得做
1.1浅层ROI
1.1.1案例1: 活动拉新ROI
1.1.2案例2: 吃早餐的ROI
1.1.3案例3: 地摊零售ROI
1.1.4案例4: 《囧妈》决策的ROI分析
1.1.5案例5: 淘宝私域引流ROI情况
1.2深层ROI
1.2.1案例6: 综艺直播ROI测算
1.2.2案例7: 摆地摊的ROI测算
1.2.3案例8: 广告投放中的ROI测算
第2章标签与评分: 千人千面的基础
2.1数据分析对象的有效标签
2.1.1案例9: 信贷公司用户画像
2.1.2案例10: 美妆产品用户画像
2.2标签的组合与量化
2.2.1案例11: 外卖员画像
2.2.2案例12: 店铺评分系统
2.2.3案例13: 层次分析法
2.2.4案例14: 层次分析法应用
第3章用户分层与生命周期: 业务服务的是一个人及他整个“一生”
3.1用户生命周期N种分层方式
3.1.1案例15: 店铺用户生命周期分层
3.1.2案例16: 平台用户生命周期分层
3.2用户生命周期中的无限可能性
3.2.1案例17: 用户分层四象限法
3.2.2案例18: 用户生命周期分层
3.2.3案例19: 中国移动的用户生命周期分层运营
3.2.4案例20: 用户生命周期划分方法
3.2.5案例21: 用户召回
第4章因果推断: 种瓜得瓜,种豆得豆
4.1因果推断原理
4.1.1案例22: 相关不等于因果
4.1.2案例23: 数据不会说话,但可能有偏
4.2因果推断方法
4.2.1案例24: 准实验方法
4.2.2案例25: 匹配法
4.2.3案例26: 双重差分
4.2.4案例27: App新功能影响效果归因
4.2.5案例28: 电影网站打分
4.2.6案例29: 贝壳App的因果推断应用
4.2.7案例30: 快手App的因果推断应用
4.2.8案例31: Bigo的因果推断应用
第5章可解释模型: 没有实际场景的模型是劣质模型
5.1串联业务的可解释模型
5.1.1案例32: 面包质量问题
5.1.2案例33: TikTok商家成长模型问题
5.2常用分析方法
5.2.1案例34: 决策树的ID3算法
5.2.2案例35: Shapley值法
第6章PSM理论: 所有人都搞促销,我能不能不搞
6.1倾向值匹配(PSM)理论
6.1.1案例36: 吸烟用户的PSM应用
6.1.2案例37: 低价引流的PSM应用
6.1.3案例38: PSM的代码实现
6.1.4案例39: PSM在Lalonde数据集的应用
6.1.5案例40: NGO组织的PSM应用
6.1.6案例41: 阿里妈妈的PSM应用
6.1.7案例42: 淘宝商城3D化的PSM应用
第7章AB实验: 试一试才知道谁是对的
7.1AB实验原理
7.1.1案例43: 淘宝商城中的AB实验
7.1.2案例44: EA游戏公司的AB实验
7.1.3案例45: Upworthy的AB实验
7.1.4案例46: ComScore的AB实验
7.1.5案例47: 微营销新电商平台的AB实验
7.1.6案例48: 泰康在线的AB实验
7.1.7案例49: AB实验的框架升级问题
7.2进阶的AB实验方法
7.2.1案例50: Bing的AB实验应用
7.2.2案例51: Netflix的AB实验应用
7.2.3案例52: Booking的AB实验应用
7.2.4案例53: 罹患心脏病概率的AB实验应用
第8章时序分析: 我们从历史的数据当中可以获得什么
8.1时序预测分析原理
8.1.1案例54: 学校发放计算机以提高学生成绩
8.1.2案例55: 疫情前后流入人口变化
8.1.3案例56: 疫情前后流入人口变化的合成控制法
8.1.4案例57: 疫情前后城市展现率变化
8.1.5案例58: 疫情前后对于搜索的影响
8.2时序预测的普遍情况
8.2.1案例59: 金融中的时序预测应用
8.2.2案例60: 电影票房预测
8.2.3案例61: 店铺选址
第9章数据可视化: 清晰地展示数据分析结果
9.1数据可视化基础
9.1.1案例62: 生活开支可视化
9.1.2案例63: 抖音的数据可视化案例
9.1.3案例64: 旭日图
9.1.4案例65: 散点图
9.1.5案例66: 热力图
9.1.6案例67: 箱线图
9.1.7案例68: 霍乱发生原因图
9.2视觉效果升级的数据可视化
9.2.1案例69: 巴士群互动游戏
9.2.2案例70: NFL球队表现图
9.2.3案例71: 全球变暖的自然原因
9.2.4案例72: 2014年最具价值的运动队50强
9.2.5案例73: 创意人士的日程安排
9.2.6案例74: 受关注新闻的可视化
9.2.7案例75: 慈善年度报告
9.2.8案例76: 公司各业务线目标完成情况
9.2.9案例77: 塑料垃圾的可视化
第10章数据分析报告: “说人话”让老板为你买单
10.1.1案例78: 大促复盘分析
10.1.2案例79: 专题分析报告
10.1.3案例80: 综合分析报告
10.1.4案例81: 日常数据报告
10.1.5案例82: Airbnb分析报告
第11章数据分析入门工具介绍
11.1Excel
11.1.1案例83: Concatenate函数
11.1.2案例84: Len函数、Conunta函数、Days函数、
Sumifs函数、Rank函数
11.1.3案例85: Vlookup函数
11.1.4案例86: Find函数
11.1.5案例87: Iferror函数
11.1.6案例88: Left/Right函数
11.1.7案例89: Sumproduct函数
11.2MySQL
11.3Python
11.4R语言
11.5SPSS
11.6Tableau
案例90: 过去40年电子游戏数据