數(shù)據(jù)化分析：用數(shù)據(jù)化解難題，讓分析更加有效（全彩）

定　價(jià)：￥106.00

作　者：	林驥
出版社：	電子工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787121450082	出版時(shí)間：	2023-02-01	包裝：	平裝-膠訂
開本：	128開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　在大數(shù)據(jù)時(shí)代，我們并不缺少數(shù)據(jù)，缺少的是利用數(shù)據(jù)分析的思維和工具去解決實(shí)際問題的能力。數(shù)據(jù)化分析是運(yùn)用恰當(dāng)?shù)姆椒ê凸ぞ撸瑢?duì)數(shù)據(jù)進(jìn)行科學(xué)、有效的分析，從而提出有理有據(jù)、具有可操作性的建議，以解決現(xiàn)實(shí)中的難題。本書主要介紹了數(shù)據(jù)分析的9 種思維、7 種工具、學(xué)習(xí)方法、基本方法、展現(xiàn)方法、制作數(shù)據(jù)分析報(bào)告的方法，以及數(shù)據(jù)分析的思維模型。本書適合所有對(duì)數(shù)據(jù)分析感興趣的讀者閱讀，特別是在工作或生活中需要經(jīng)常跟數(shù)據(jù)接觸的人，如數(shù)據(jù)分析師、產(chǎn)品經(jīng)理、運(yùn)營人員、管理人員、財(cái)務(wù)人員等。

作者簡(jiǎn)介

　　林驥應(yīng)用數(shù)學(xué)碩士學(xué)位；曾在大學(xué)教授《高等數(shù)學(xué)》課程；2008 年開始從事數(shù)據(jù)分析相關(guān)工作，在企業(yè)擔(dān)任數(shù)據(jù)分析部的總經(jīng)理。個(gè)人微信公眾號(hào)主要分享數(shù)據(jù)分析的思維、工具、方法、模型和應(yīng)用等內(nèi)容；致力于用數(shù)據(jù)化解難題，讓分析更加有效，用數(shù)據(jù)賦能成長。

圖書目錄

目錄
第1 章數(shù)據(jù)分析的9 種思維 / 001
1.1理解現(xiàn)狀/001
目標(biāo)思維 / 008
對(duì)比思維 / 020
細(xì)分思維 / 027
1.2分析原因/0032
溯源思維 / 032
相關(guān)思維 / 042
假設(shè)思維 / 047
1.3預(yù)測(cè)未來 /051
逆向思維 / 051
演繹思維 / 056
歸納思維 / 061
1.4 綜合應(yīng)用案例 / 068
應(yīng)用目標(biāo)思維 / 069
應(yīng)用對(duì)比思維 / 070
應(yīng)用細(xì)分思維 / 071
應(yīng)用溯源思維 / 071
應(yīng)用相關(guān)思維 / 072
應(yīng)用假設(shè)思維 / 072
應(yīng)用逆向思維 / 072
應(yīng)用演繹思維 / 073
應(yīng)用歸納思維 / 073
本章復(fù) 盤 / 075
第2 章數(shù)據(jù)分析的工具 / 077
2.1 Excel：應(yīng)用最廣泛的數(shù)據(jù)分析工具之一 / 079
2.2 Tableau：敏捷的商務(wù)智能展現(xiàn)工具 / 080
2.3 SQL：結(jié)構(gòu)化的查詢語言 / 081
2.4 SPSS：老牌的統(tǒng)計(jì)分析工具 / 082
2.5 SAS：強(qiáng)大的統(tǒng)計(jì)分析工具 / 083
2.6 R：專業(yè)的數(shù)據(jù)分析工具 / 084
2.7 Python：重要的數(shù)據(jù)分析工具 / 085
本章復(fù) 盤 / 086
第3 章數(shù)據(jù)分析的學(xué)習(xí)方法 / 087
3.1 數(shù)據(jù)分析學(xué)習(xí)指南 / 089
學(xué)習(xí)方法 / 089
學(xué)習(xí)內(nèi)容 / 090
學(xué)習(xí)路徑 / 091
3.2 精準(zhǔn)搜索學(xué)習(xí)資料 / 093
3.3 高效學(xué)習(xí)的6 種方法 / 095
3.4 高效學(xué)習(xí)的36 種思維 / 097
3.5 數(shù)據(jù)分析的精進(jìn)之道 / 112
數(shù)據(jù)分析的材質(zhì) / 112
數(shù)據(jù)分析的造型 / 113
數(shù)據(jù)分析的裝飾 / 114
數(shù)據(jù)分析的工藝 / 115
數(shù)據(jù)分析的層級(jí) / 116
本章復(fù) 盤 / 117
第4 章數(shù)據(jù)分析的基本方法 / 118
4.1 數(shù)據(jù)分析的5 個(gè)步驟 / 120
確認(rèn)數(shù)據(jù)源是否正確 / 120
判斷變化的程度如何 / 120
判斷數(shù)據(jù)變化的周期如何 / 120
數(shù)據(jù)變化的前、后發(fā)生了什么 / 121
細(xì)分維度有哪些 / 121
4.2 數(shù)據(jù)分析的8 個(gè)狀態(tài) / 123
新的需求 / 123
需求確認(rèn) / 123
數(shù)據(jù)確認(rèn) / 125
實(shí)現(xiàn)中 / 125
交付 / 126
復(fù)盤 / 126
等待 / 127
拒絕 / 127
4.3 數(shù)據(jù)分析的指標(biāo)體系 / 128
利用魚骨圖找到關(guān)鍵指標(biāo) / 128
從業(yè)務(wù)邏輯出發(fā)建立指標(biāo)體系 / 129
用二八法則管理指標(biāo)體系 / 129
4.4 提高數(shù)據(jù)敏感度 / 131
4.5 用數(shù)據(jù)解決實(shí)際問題 / 134
用流程解決問題 / 134
通過分解找到關(guān)鍵問題 / 135
通過交叉視點(diǎn)鎖定原因 / 136
依據(jù)方程式制定對(duì)策 / 136
用數(shù)據(jù)講故事 / 137
4.6 數(shù)據(jù)分析的 9 個(gè)問題 / 138
本章復(fù) 盤 / 140
第5 章數(shù)據(jù)分析的展現(xiàn)方法 / 142
5.1 數(shù)據(jù)分析展現(xiàn)的重要原則 / 144
5.2 數(shù)據(jù)分析展現(xiàn)的常用方法 / 146
5.3 數(shù)據(jù)分析展現(xiàn)的圖表選擇 / 150
類別比較 / 150
時(shí)間趨勢(shì) / 151
占比構(gòu)成 / 152
關(guān)聯(lián) / 153
分布 / 154
增強(qiáng) / 155
單值 / 156
提示 / 156
本章復(fù) 盤 / 157
第6 章制作數(shù)據(jù)分析報(bào)告的方法 / 158
6.1 數(shù)據(jù)分析報(bào)告的3 個(gè)層級(jí) / 162
是什么 / 162
為什么 / 162
怎么辦 / 162
6.2 數(shù)據(jù)分析報(bào)告的4 種情景 / 165
首次數(shù)據(jù)分析報(bào)告 / 165
常規(guī)數(shù)據(jù)分析報(bào)告 / 165
問題數(shù)據(jù)分析報(bào)告 / 166
總結(jié)數(shù)據(jù)分析報(bào)告 / 166
6.3 數(shù)據(jù)分析報(bào)告的5 類問題 / 167
是多少 / 167
好不好 / 167
為什么 / 168
會(huì)怎樣 / 168
怎么辦 / 168
6.4 數(shù)據(jù)分析報(bào)告的6 個(gè)步驟 / 170
明確目標(biāo) / 170
數(shù)據(jù)收集 / 170
數(shù)據(jù)處理 / 171
數(shù)據(jù)分析 / 171
數(shù)據(jù)展現(xiàn) / 172
結(jié)論建議 / 172
6.5 數(shù)據(jù)分析報(bào)告的7 個(gè)模塊 / 173
標(biāo)題封面 / 173
目錄導(dǎo)航 / 174
背景說明 / 174
思路方法 / 174
結(jié)論建議 / 175
分析正文 / 175
附錄及封底 / 176
6.6 數(shù)據(jù)分析報(bào)告的8 種顏色 / 177
紅色 / 177
橙色 / 178
黃色 / 178
綠色 / 178
藍(lán)色 / 179
紫色 / 179
黑色 / 180
灰色 / 180
本章復(fù) 盤 / 182
第7 章數(shù)據(jù)分析的思維模型 / 184
7.1 理解現(xiàn)狀類思維模型 / 187
正態(tài)分布模型 / 187
冪律分布模型 / 188
帕累托分析模型 / 191
本福特分析模型 / 192
同期群分析模型 / 194
SWOT 分析模型 / 195
PEST 分析模型 / 197
7.2 分析原因類思維模型 / 201
杜邦分析模型 / 201
矩陣分析模型 / 203
RFM 分析模型 / 209
銷售漏斗模型 / 212
聚類分析模型 / 215
KＡＮＯ分析模型 / 216
標(biāo)桿分析模型 / 218
7.3 預(yù)測(cè)未來類思維模型 / 220
決策樹分析模型 / 220
生命周期模型 / 223
福格行為模型 / 224
夏普利值模型 / 225
A/B 測(cè)試模型 / 227
線性回歸模型 / 230
本章復(fù) 盤 / 233
后記 / 234
致謝 / 235
參考文獻(xiàn) / 236