数据分析实战 方法、工具与可视化

1.全彩印刷，框架清晰，有效提高读者阅读体验 2.结合实际案例，将理论与现实结合，满足工作中的实践需求 3.本书作者在数据分析领域工作多年，经验丰富，有多年数据分析相关授课培训经验，可以深入浅出的讲解数据分析和实战技能 4.语言通俗易懂，由浅入深，零基础读者可轻松阅读 本书主要内容： 数据分析基础知识； 如何成为优秀的数据分析师； 数据分析师的思维方式； 海盗法则和指标体系建模； 数据分析方法； A/B测试； 用户画像； 数据可视化与Tableau操作。

本书通过实战案例和可视化的图形讲解数据分析的知识。通过阅读本书，读者可以从容地处理数据，高效地完成数据分析工作。本书共9章，主要内容包括不同场景下的数据分析方法，从业者应具备的数据分析基本知识，数据分析师应具有的思维方式，海盗法则和指标体系建模，用户画像赋能数据分析，数据可视化的实操技巧等。 本书不仅适合产品经理、运营人员、市场营销人员阅读，还适合数据分析人员阅读。

曾津 CDAIII数据科学家，是一名在数据分析岗位上深耕十数年的数据老兵。曾先后担任探探商业化与国际化数据分析总监、去哪儿资深数据产品经理、数据情报与应用中心负责人，负责公司业务分析、实验分析、指标体系构建、BI系统构建及用户画像等相关工作。与此同时，他有多年数据分析相关授课培训经验，曾为光大银行、中国移动研究院、中国电信研究院、360、南方航空等多家公司进行培训授课，能深入浅出地讲解数据分析和实战技能。 韩知白 北京显著科技有限公司创始人、CEO, 曾任挚文集团探探公司副总裁，美图公司高级总监，分管国际化、增长、商业化等业务。

第1章为什么人人都要懂数据分析1
1.1产品经理为什么要懂数据分析1
1.2产品经理的数据分析实战案例2
1.3市场营销人员为什么要懂数据分析3
1.4公司领导、业务负责人为什么要懂数据分析5
第2章数据分析基础知识7
2.1PV和UV7
2.2指标8
2.3用户画像和拆分维度8
2.4用户行为漏斗9
2.5科学的A/B实验10
2.6净收益检验11
第3章做一名优秀的数据分析师13
3.1数据分析师与数据观13
3.1.1数据——从资源到资产13
3.1.2从数据到应用经历的“惊险的一跳”15
3.2对数据分析师岗位的一些理解17
3.2.1数据分析师应具有的能力17
3.2.2数据分析师应具备的技能19
3.2.3数据分析师不要单打独斗20
第4章数据分析师的思维方式22
4.1数据分析的基本流程——形成“一根线”22
4.2数据分析的两个重要思维模型——“树”与“田”28
4.2.1“树”思维29
4.2.2“田”思维32
第5章海盗法则与指标体系建模40
5.1海盗法则40
5.1.1用户获取43
5.1.2用户激活47
5.1.3用户留存49
5.1.4获取收入52
5.1.5自传播57
5.2构建指标体系60
5.2.1北极星指标61
5.2.2通过OSM模型构建指标体系69
第6章数据分析方法75
6.1数据分析工具箱75
6.2现状分析77
6.2.1描述现状——探索性数据分析方法77
6.2.2常用的指标80
6.2.3趋势分析100
6.3异常值发现103
6.3.1西格玛法则103
6.3.2四分位差法110
6.4定位问题112
6.4.1漏斗分析112
6.4.2多维分析115
6.4.3指标拆解115
6.4.4魔法数字121
第7章A/B测试——提高销售转化率127
7.1A/B测试简介127
7.1.1A/B测试的概念以及应用场景127
7.1.2A/B测试的起源129
7.2A/B测试的统计理论基础——假设检验131
7.2.1从“女士品茶”理解假设检验的定义131
7.2.2假设检验的步骤133
7.3A/B测试流程和实验144
7.3.1A/B测试的流程和实验指标的指定144
7.3.2实验的设计和进行147
7.4综合案例：Panda公司通过A/B测试优化促销信息展示方案156
7.5A/B测试进阶158
7.5.1如果实验结果和我们预想的不一样怎么办158
7.5.2基于A/B测试增量反馈模型159
第8章用户画像162
8.1用户画像概况：用户画像概念及应用领域162
8.1.1用户画像的定义162
8.1.2用户画像的使用范围163
8.1.3关于用户画像的一些理解164
8.2用户画像构建途径165
8.2.1构建和应用用户画像的步骤165
8.2.2利用算法模型生成用户画像标签171
8.3用户画像实战185
8.3.1用户画像的本质是差异化185
8.3.2用户画像的优势是“惠而不费”187
8.3.3用户画像需要积少成多189
8.3.4用户画像体系要服务场景189
8.3.5利用用户画像需要遵循“不作恶”原则190
第9章数据可视化与Tableau操作191
9.1数据可视化概述191
9.1.1什么是数据可视化191
9.1.2常用的数据可视化工具192
9.1.3好的数据可视化方案195
9.2Tableau数据可视化基础203
9.2.1Tableau简介203
9.2.2开启Tableau可视化之旅206
9.2.3高级可视化图表的制作240
9.2.4可视化方案的展现：仪表板和故事244
附录A为什么抽样方差公式的分母中是n-1248
附录B时间序列趋势分解的Python代码253
附录C分词的Python代码254