數據分析實戰——90個精彩案例帶你快速入門

汝思恆

  • 出版商: 清華大學
  • 出版日期: 2024-06-01
  • 定價: $354
  • 售價: 8.5$301
  • 語言: 簡體中文
  • ISBN: 7302660719
  • ISBN-13: 9787302660712
  • 相關分類: Data Science
  • 下單後立即進貨 (約4週~6週)

  • 數據分析實戰——90個精彩案例帶你快速入門-preview-1
  • 數據分析實戰——90個精彩案例帶你快速入門-preview-2
  • 數據分析實戰——90個精彩案例帶你快速入門-preview-3
數據分析實戰——90個精彩案例帶你快速入門-preview-1

買這商品的人也買了...

相關主題

商品描述

數據分析是現在不僅在互聯網行業同時也在基礎行業中必不可缺的運營手段,是業務提升效率、增強收益的有效方法。 本書的前8個章節精選提煉了多種數據分析中重要方法,包括ROI分析、數據標簽和評分、用戶生命周期、因果推斷、可解釋模型、PSM理論、ABtest、時序分析等,並通過更清晰、簡單的方式向讀者全方位的展示數據分析在以下諸多原理上的闡釋,並且針對每種方法都提供了充足的生活和業務中的前沿案例作為輔助講解,幫助讀者更好的理解數據分析在傳統行業、互聯網行業及各類新興行業的實際應用,同時也能更快的運用在實際工作和生活中,所以通過閱讀前8個章節,讀者可以系統的學習數據分析的理知識,擁有數據化思維,為讀者能夠在數據分析行業中不斷深耕打下良好的理論基礎並將數據分析能力逐步應用於實際的工作和生活中,成為一名合格的數據分析師。 本書適合從事需要掌握數據分析技能的行業,數據分析相關專業的在讀學生,入門數據分析行業的相關從業人員,以及已有自己本職工作,但仍需要學習數據分析能力來提升自己的職業技能和職場競爭力的相關行業從業者閱讀。

目錄大綱

目錄

第1章ROI: 值得做還是不值得做

1.1淺層ROI

1.1.1案例1: 活動拉新ROI

1.1.2案例2: 吃早餐的ROI

1.1.3案例3: 地攤零售ROI

1.1.4案例4: 《囧媽》決策的ROI分析

1.1.5案例5: 淘寶私域引流ROI情況

1.2深層ROI

1.2.1案例6: 綜藝直播ROI測算

1.2.2案例7: 擺地攤的ROI測算

1.2.3案例8: 廣告投放中的ROI測算

第2章標簽與評分: 千人千面的基礎

2.1數據分析對象的有效標簽

2.1.1案例9: 信貸公司用戶畫像

2.1.2案例10: 美妝產品用戶畫像

2.2標簽的組合與量化

2.2.1案例11: 外賣員畫像

2.2.2案例12: 店鋪評分系統

2.2.3案例13: 層次分析法

2.2.4案例14: 層次分析法應用

第3章用戶分層與生命周期: 業務服務的是一個人及他整個“一生”

3.1用戶生命周期N種分層方式

3.1.1案例15: 店鋪用戶生命周期分層

3.1.2案例16: 平臺用戶生命周期分層

3.2用戶生命周期中的無限可能性

3.2.1案例17: 用戶分層四象限法

3.2.2案例18: 用戶生命周期分層

3.2.3案例19: 中國移動的用戶生命周期分層運營

3.2.4案例20: 用戶生命周期劃分方法

3.2.5案例21: 用戶召回

第4章因果推斷: 種瓜得瓜,種豆得豆

4.1因果推斷原理

4.1.1案例22: 相關不等於因果

4.1.2案例23: 數據不會說話,但可能有偏

4.2因果推斷方法

4.2.1案例24: 準實驗方法

4.2.2案例25: 匹配法

4.2.3案例26: 雙重差分

4.2.4案例27: App新功能影響效果歸因

4.2.5案例28: 電影網站打分

4.2.6案例29: 貝殼App的因果推斷應用

4.2.7案例30: 快手App的因果推斷應用

4.2.8案例31: Bigo的因果推斷應用

第5章可解釋模型: 沒有實際場景的模型是劣質模型

5.1串聯業務的可解釋模型

5.1.1案例32: 麵包質量問題

5.1.2案例33: TikTok商家成長模型問題

5.2常用分析方法

5.2.1案例34: 決策樹的ID3算法

5.2.2案例35: Shapley值法

第6章PSM理論: 所有人都搞促銷,我能不能不搞

6.1傾向值匹配(PSM)理論

6.1.1案例36: 吸煙用戶的PSM應用

6.1.2案例37: 低價引流的PSM應用

6.1.3案例38: PSM的代碼實現

6.1.4案例39: PSM在Lalonde數據集的應用

6.1.5案例40: NGO組織的PSM應用

6.1.6案例41: 阿裡媽媽的PSM應用

6.1.7案例42: 淘寶商城3D化的PSM應用

第7章AB實驗: 試一試才知道誰是對的

7.1AB實驗原理

7.1.1案例43: 淘寶商城中的AB實驗

7.1.2案例44: EA游戲公司的AB實驗

7.1.3案例45: Upworthy的AB實驗

7.1.4案例46: ComScore的AB實驗

7.1.5案例47: 微營銷新電商平臺的AB實驗

7.1.6案例48: 泰康在線的AB實驗

7.1.7案例49: AB實驗的框架升級問題

7.2進階的AB實驗方法

7.2.1案例50: Bing的AB實驗應用

7.2.2案例51: Netflix的AB實驗應用

7.2.3案例52: Booking的AB實驗應用

7.2.4案例53: 罹患心臟病概率的AB實驗應用

第8章時序分析: 我們從歷史的數據當中可以獲得什麽

8.1時序預測分析原理

8.1.1案例54: 學校發放電腦以提高學生成績

8.1.2案例55: 疫情前後流入人口變化

8.1.3案例56: 疫情前後流入人口變化的合成控製法

8.1.4案例57: 疫情前後城市展現率變化

8.1.5案例58: 疫情前後對於搜索的影響

8.2時序預測的普遍情況

8.2.1案例59: 金融中的時序預測應用

8.2.2案例60: 電影票房預測

8.2.3案例61: 店鋪選址

第9章數據可視化: 清晰地展示數據分析結果

9.1數據可視化基礎

9.1.1案例62: 生活開支可視化

9.1.2案例63: 抖音的數據可視化案例

9.1.3案例64: 旭日圖

9.1.4案例65: 散點圖

9.1.5案例66: 熱力圖

9.1.6案例67: 箱線圖

9.1.7案例68: 霍亂發生原因圖

9.2視覺效果升級的數據可視化

9.2.1案例69: 巴士群互動游戲

9.2.2案例70: NFL球隊表現圖

9.2.3案例71: 全球變暖的自然原因

9.2.4案例72: 2014年最具價值的運動隊50強

9.2.5案例73: 創意人士的日程安排

9.2.6案例74: 受關註新聞的可視化

9.2.7案例75: 慈善年度報告

9.2.8案例76: 公司各業務線目標完成情況

9.2.9案例77: 塑料垃圾的可視化

第10章數據分析報告: “說人話”讓老闆為你買單

10.1.1案例78: 大促復盤分析

10.1.2案例79: 專題分析報告

10.1.3案例80: 綜合分析報告

10.1.4案例81: 日常數據報告

10.1.5案例82: Airbnb分析報告

第11章數據分析入門工具介紹

11.1Excel

11.1.1案例83: Concatenate函數

11.1.2案例84: Len函數、Conunta函數、Days函數、

Sumifs函數、Rank函數

11.1.3案例85: Vlookup函數

11.1.4案例86: Find函數

11.1.5案例87: Iferror函數

11.1.6案例88: Left/Right函數

11.1.7案例89: Sumproduct函數

11.2MySQL

11.3Python

11.4R語言

11.5SPSS

11.6Tableau

案例90: 過去40年電子游戲數據