舉報

會員
AI大模型助你輕松搞定數據分析
最新章節:
9.4 數據思維:AI時代下如何塑造自我
本書旨在幫助讀者掌握數據分析的專業技能,并詳細講解大模型(如DeepSeek、ChatGPT)在數據分析中的應用。全書分9章,內容從基礎的指標體系建設、數據獲取、數據處理,逐步深入常用的數據分析方法、商業分析方法、統計學模型、A/B實驗、數據分析報告等,并特別強調大模型在數據分析中的應用。本書不僅系統地講解數據分析的專業知識,還從提出關鍵問題、培養結構化思維等多方面入手,全方位激發讀者的創造力,幫助讀者提升數據思維能力,構建完善的數據分析知識體系。此外,本書也是實用的職場寶典,不僅詳細介紹數據分析不同崗位的職責,幫助讀者根據自身興趣和能力選擇合適的職業發展方向,而且提供應對筆試和面試的策略,幫助讀者在職場競爭中脫穎而出。本書使用生動的對話體形式寫作,融入大量真實工作場景案例,注重實際操作與應用,讓讀者仿佛置身于實際的工作場景中,適合數據分析初學者、高等學校相關專業的學生、職場中需要使用數據分析來支持決策的各類專業人士閱讀。
目錄(127章)
倒序
- 封面
- 版權信息
- 版權
- 內容提要
- 前言
- 通過本書能學到什么
- 本書適合誰閱讀使用
- 本書講了什么內容
- 怎么使用本書
- 第1章 大模型助你成為數據分析師
- 1.1 什么是大模型
- 1.1.1 大模型概述
- 1.1.2 Transformer架構
- 1.1.3 訓練一個自己的GPT大模型
- 1.2 為什么要用大模型
- 1.2.1 大模型能解決什么問題
- 1.2.2 大模型不能解決什么問題
- 1.2.3 使用大模型為工作提效
- 1.3 如何用大模型獲取有效信息
- 1.3.1 運用喬哈里視窗提問
- 1.3.2 寫提示詞的10個技巧
- 1.3.3 使用AI搜索獲取高質量內容
- 1.4 AI未來的發展趨勢
- 1.4.1 生成式大模型的構建方式
- 1.4.2 大模型的分類和架構
- 1.4.3 AI Agent
- 1.5 數據思維:思維與認知決定你的未來
- 1.5.1 數據思維概述
- 1.5.2 舒適區模型助你認知自我
- 1.5.3 費曼學習法助你高效學習
- 1.5.4 達克效應助你思考升維
- 第2章 大模型助你建設指標體系
- 2.1 大模型助你搭建指標體系
- 2.1.1 如何找到好指標
- 2.1.2 如何找到北極星指標
- 2.1.3 如何搭建指標體系
- 2.2 使用大模型分析4種商業模式的指標體系
- 2.2.1 電子商務關鍵指標
- 2.2.2 內容媒體關鍵指標
- 2.2.3 雙邊市場關鍵指標
- 2.3 大模型助你利用指標體系做歸因分析
- 2.3.1 如何找到異常指標
- 2.3.2 如何分析異常指標
- 2.3.3 歸因分析實戰
- 2.4 數據思維:知識體系擴展能力邊界
- 第3章 大模型助你獲取和處理數據
- 3.1 大模型助你高效獲取數據
- 3.1.1 大數據平臺的作用
- 3.1.2 獲取內部數據的方法
- 3.1.3 獲取外部數據的方法
- 3.2 大模型助你高效處理數據
- 3.2.1 SQL查詢與NL2SQL
- 3.2.2 Excel瞬間提效的3個方法
- 3.2.3 利用大模型處理數據
- 3.3 數據思維:“概率+相關性+系統性”思維驅動業務增長
- 第4章 大模型助你掌握9個常用的數據分析方法
- 4.1 描述性分析:揭示數據背后的故事
- 4.2 對比分析:通過差異洞察數據
- 4.3 漏斗分析:優化轉化路徑
- 4.4 LTV分析:搞清客戶終身價值
- 4.5 投放ROI分析:最大化廣告效益
- 4.6 Aha時刻:發現用戶增長的關鍵點
- 4.7 留存分析:提高用戶忠誠度
- 4.8 RFM模型:細分用戶群體
- 4.9 用戶畫像分析:構建全面的用戶視圖
- 4.10 數據思維:掌控工作節奏
- 第5章 大模型助你掌握6個常用的商業分析方法
- 5.1 商業分析概述
- 5.2 規模效應:商業世界的萬有引力
- 5.3 范圍效應:多元平臺生態的助推器
- 5.4 網絡效應:數字世界的價值乘數
- 5.5 STP分析:選擇目標市場的利器
- 5.6 互聯網時代4P分析:創新市場規則
- 5.7 波士頓矩陣:產品組合的羅盤針
- 5.8 數據思維:戰略思維找到破局機會
- 第6章 大模型助你掌握5個常用的統計學模型
- 6.1 統計學模型與AIGC的聯系
- 6.2 相關性分析:探索變量之間的聯系
- 6.3 回歸預測:構建預測模型
- 6.3.1 簡單線性回歸:一元預測的起點
- 6.3.2 多元線性回歸:多變量的預測能力
- 6.3.3 多項式回歸:處理復雜關系的利器
- 6.3.4 邏輯回歸:分類問題的解決方案
- 6.4 時間序列預測:預測未來的波動
- 6.5 k均值聚類分析:發現數據的自然分組
- 6.6 決策樹分類分析:構建直觀的決策路徑
- 6.7 數據思維:DIKW模型通往智慧之路
- 第7章 大模型助你做科學的A/B實驗
- 7.1 大模型助你搞清什么時候做A/B實驗
- 7.1.1 理解A/B實驗的優勢
- 7.1.2 做A/B實驗的流程
- 7.1.3 哪些情況不能做實驗
- 7.2 大模型助你進行A/B實驗的用戶分組
- 7.2.1 輕松搞定用戶分組
- 7.2.2 什么是A/A實驗
- 7.2.3 流量的使用
- 7.3 大模型助你選擇A/B實驗的評估指標
- 7.3.1 如何選擇指標
- 7.3.2 如何定義指標
- 7.3.3 高效拆解指標
- 7.4 大模型助你理解A/B實驗相關的統計學知識
- 7.4.1 假設檢驗概述
- 7.4.2 第一類錯誤和第二類錯誤的定義
- 7.4.3 計算A/B實驗的最小樣本量
- 7.5 大模型助你寫一份專業的A/B實驗報告
- 7.5.1 高效解讀實驗結果
- 7.5.2 實驗報告的寫法
- 7.6 數據思維:實驗思維實現復利效應
- 第8章 大模型助你寫出優秀的數據分析報告
- 8.1 大模型助你確定分析課題
- 8.2 大模型助你快速了解一個業務
- 8.2.1 了解業務的小技巧
- 8.2.2 善用共創會達成共識
- 8.2.3 快速上手數據分析的4個套路
- 8.3 大模型助你設計、撰寫和呈現分析報告
- 8.3.1 數據分析報告萬能模板
- 8.3.2 畫圖表的4個小技巧
- 8.3.3 做出高質量PPT的四大基本原則
- 8.4 大模型助你讓分析價值被看到
- 8.4.1 讓你的數據分析有效落地
- 8.4.2 做一次精彩的數據分析匯報
- 8.5 數據思維:金字塔原理提升結構思考力
- 第9章 大模型助力數據分析師持續成長
- 9.1 大模型助你選擇公司和職位
- 9.2 大模型助你準備筆試和面試
- 9.3 大模型助你持續成長
- 9.4 數據思維:AI時代下如何塑造自我 更新時間:2025-08-07 18:01:37
推薦閱讀
- 玩轉ChatGPT:秒變AI文案創作高手
- 空間智能原理與應用
- Arduino開發實戰指南:機器人卷
- 智能物聯技術
- 人工智能算法基礎
- 區塊鏈技術及應用
- 人工智能的進化
- 妙用DeepSeek:創意落地速通指南
- 智能機器人(第二版)
- ROS機器人開發實踐
- 新機器智能
- 一本書讀懂智能家居核心技術
- Cadence高速電路板設計與仿真(第3版)
- 圖分析與圖機器學習:原理、算法與實踐
- 機器學習實戰(視頻教學版)
- Python視覺分析應用案例實戰
- 焊接機器人基本操作及應用
- 精通ROS機器人編程(原書第3版)
- 法律人AI指南:大模型10倍提升工作效率的方法與技巧
- 新基建下人工智能的未來
- 深度學習全書:公式+推導+代碼+TensorFlow全程案例
- ROS與ROS2開發指南
- 產品意象造型智能設計
- 測算與判斷:人工智能的終極未來
- MATLAB在電子信息工程中的應用
- 人工智能的故事
- 如何教人工智能說人話?
- 人工智能導論
- 機器人系統設計與制作:Python語言實現
- 深入理解AutoML和AutoDL:構建自動化機器學習與深度學習平臺