會員

數據分析方法論和業務實戰

更新時間：2022-08-16 16:09:32

開會員，本書免費讀 >

數據分析的精髓在于能夠利用合理的數據分析方法來解決實際的業務問題，本書介紹了互聯網行業中數據分析常見的思維和方法，并且呈現了這些分析方法在實際案例中的應用。同時也利用本書解答了大家對于想要從事數據分析行業的一些擔憂和困惑。閱讀本書，你會對數據分析的工作內容有更清晰、完整的了解，同時對常見的業務問題處理的方法和經驗有質的提升。本書適合產品運營、數據分析、數據挖掘人員以及在校計算機數據市場營銷等方向的學生。

目錄(116章)

倒序

封面
版權信息
作者簡介
內容簡介
前言
第1章數據分析基礎
1.1 什么是數據分析
1.2 為什么要做數據分析
1.3 數據分析的步驟
1.4 數據分析師的日常工作
1.5 數據分析師的前景和發展
第2章數據指標體系
2.1 數據指標和數據指標體系
2.1.1 數據指標
2.1.2 數據指標體系
2.2 為什么要搭建數據指標體系
2.2.1 監控現狀
2.2.2 反映問題
2.2.3 預測趨勢
2.2.4 評估分析
2.2.5 決策支持
2.3 常見的數據指標體系
2.3.1 互聯網產品典型的數據指標體系
2.3.2 電商平臺的數據指標體系
第3章如何搭建數據指標體系
3.1 什么是數據埋點
3.2 為什么要埋點
3.3 如何設計埋點方案
3.4 埋點的開發流程
3.5 指標體系搭建方法論
3.5.1 OSM模型
3.5.2 UJM模型
3.5.3 AARRR模型
3.6 數據指標體系搭建實戰
第4章數據分析方法論
4.1 什么是數據分析方法
4.2 營銷管理方法論
4.2.1 SWOT分析
4.2.2 PEST分析
4.2.3 4P理論
4.3 常用數據分析方法論及其應用
4.3.1 對比細分
4.3.2 生命周期分析法
4.3.3 RFM用戶分群法
4.3.4 相關性分析
4.3.5 用戶畫像分析
4.3.6 Aha時刻
4.3.7 5W2H分析法
4.3.8 麥肯錫邏輯樹分析法
4.3.9 漏斗分析法
第5章用戶留存分析
5.1 什么是用戶留存
5.2 為什么要進行用戶留存分析
5.3 影響用戶留存的可能因素
5.4 用戶留存的3個階段
5.5 用戶留存分析的常見方法——挖掘Aha時刻
5.5.1 用戶留存分析的業務背景和分析思路
5.5.2 分析過程
第6章用戶特征分析
6.1 用戶特征分析適用的業務場景
6.1.1 尋找目標用戶
6.1.2 尋找運營抓手
6.1.3 精細化運營（用戶分層）
6.2 用戶特征分析的方法
6.2.1 用戶畫像分析
6.2.2 聚類分析
6.2.3 監督模型
6.2.4 RFM用戶分群
6.3 用戶特征分析和用戶預測模型的區別與聯系
6.4 評估用戶特征
第7章用戶流失分析
7.1 什么是用戶流失
7.2 用戶流失分析常見錯誤
7.3 生命周期和流失
7.3.1 產品的生命周期
7.3.2 用戶的生命周期
7.4 流失用戶的確定方法
7.5 用戶流失分析和預測
7.6 如何召回流失用戶
7.7 總結
第8章從零開始完成數據分析項目
8.1 項目背景
8.2 制訂需求分析框架和分析計劃
8.3 數據的提取和摸底
8.4 特征工程
8.4.1 什么是特征工程
8.4.2 特征工程的重要性
8.4.3 特征分布變換
8.4.4 生成衍生變量
8.4.5 分箱轉換
8.4.6 特征篩選
8.5 初步搭建挖掘模型
8.6 完成分析報告和落地應用建議
8.7 制定具體的落地方案和評估方案
8.8 業務落地實驗方案和效果評估
8.9 項目總結
第9章關于數據分析師常見的困惑和問題
9.1 為什么數據分析師找工作這么難
9.1.1 競爭大
9.1.2 不懂業務
9.1.3 簡歷和面試
9.2 數據分析師的專業選擇
9.3 數據分析師面試流程
9.4 數據分析師最重要的能力
9.4.1 講故事
9.4.2 判斷項目ROI
9.4.3 業務深度
9.4.4 信念
9.4.5 熱情
9.4.6 換位思考
9.5 常見的數據分析師的困境
9.5.1 陷入取數困境
9.5.2 陷入報表困境
9.5.3 陷入落地難困境
9.5.4 陷入成長困境
文后內容更新時間：2022-08-16 16:09:32

官术网_书友最值得收藏!

數據分析方法論和業務實戰