☆☆☆☆☆




點擊這裡下載

類似圖書 點擊查看全場最低價

---

産品特色

編輯推薦

本書適讀人群：互聯網公司的數據分析師、運營人員、産品經理，以及中層管理人員。

●掌握基礎圖錶的高級特性

●梳理數據化運營的基本方法、原則、思維模式

●深度量化分析方法（樸素貝葉斯模型、假設檢驗、方差分析、迴歸分析、時間序列分析模型等）

●幫助你科學地決策

內容簡介

《數據化運營速成手冊》用於提升互聯網公司員工的數據應用能力，即數據化運營能力。首先，從常用的數據圖錶切入，幫助執行層正確地繪圖，管理層正確地看圖；接著，梳理運營中最基本的數據應用知識，涉及數據獲取、數據清洗、數據認知、分析框架、指標體係、運營實驗等內容。然後，介紹作者認為必要的統計學知識，包括假設檢驗、方差分析、迴歸分析和時間序列分解，並引入瞭管理科學中的規劃求解方法。最後，介紹瞭數據分析工具的發展趨勢，並分享瞭作者近些年的工作及學習心得。

《數據化運營速成手冊》適用於互聯網公司的數據分析師、運營人員、産品經理和中層管理人員。

作者簡介

鬍晨川，統計學碩士，一個對數據分析充滿熱愛並努力成為數據科學傢的年輕人。在數據分析工作上積纍瞭些許經驗。現任職於國內知名網上訂餐平颱“餓瞭麼”。作者先後就讀於浙江工商大學、雲南財經大學及立信會計學院。個人微信公眾號“川術”，希望通過工作經驗的總結和知識的積纍，形成切實可用的數據分析內容，幫助越來越多的人從數據分析中受益。

精彩書評

對數據的駕馭能力不足，往往是很多運營人員的能力短闆。把抽象的數據封裝進生動直觀的圖錶中,調動起更多的感官能力洞察數據，是高明之舉。作者有紮實的數據功底和運營實戰，從圖錶切入，嚮讀者展現豐富的數據運營技巧和知識，具有極高的實戰價值，力薦！

滴滴企業級事業部戰略負責人，郎海艦

認識鬍晨川已經有6年瞭，這些年來，他始終都在做一件事兒——努力成為一流的數據分析專傢。大傢眼前的這本《數據化運營速成手冊》算是他的一個階段性成果，對於數據這點事兒，他已經形成瞭自己的一套理論體係，相信本書會對所有希望學習數據分析的朋友有所幫助。

頭頭是道文化産業基金董事，許維

晨川在互聯網數據分析方嚮具有豐富的實踐經驗，特彆是對數據分析方嚮的新人可能踩的“坑”，有比較深刻的見解。通過本書，讀者可以清晰地瞭解每種圖錶展示方式的應用場景及邊界，並可以直接應用到自己的數據分析工作中。

神策數據創始人&CEO;，桑文鋒

每一個優秀的企業都離不開精細的數據化運營，數據化運營離不開正確的數據思維方式和熟練的數據分析技能，而思維方式和技能的培養則需要體係化的“武裝”。本書由點及麵，從很多數據分析師容易忽略的數據圖錶開始切入，深入到數據化運營的基礎知識和思維方式的講解，再到實操技能的擴充與真實工作經驗的總結，是一本集理論與實踐的好書，非常值得推薦！

天善智能創始人，梁勇

目錄

第1章 全麵認識數據圖錶 1

1.1 詳解數據圖錶的基本構成 1

1.2 控製數據圖錶中的信息量 9

1.3 真的需要作圖嗎 10

第2章 建立數據圖錶的認知 14

2.1 利用散點圖探究數據間的關係 14

2.1.1 最基本的散點圖樣例 15

2.1.2 散點圖的製作 16

2.1.3 散點圖的變種1：添加平滑綫 19

2.1.4 散點圖的變種2：利用氣泡圖觀察更多指標間的關係 20

2.1.5 散點圖的變種3：用分類矩陣形成決策 22

2.1.6 散點圖的局限性 23

2.2 利用柱形圖將“對比”做到極緻 24

2.2.1 利用纍加柱形圖對比數據結構的變化 25

2.2.2 多指標組閤對比 27

2.2.3 用平均值優化單指標的對比 29

2.2.4 用瀑布圖觀察總量分解後的對比 32

2.2.5 如何正確對比數值指標與比率指標 33

2.3 用摺綫圖觀察時間序列數據 35

2.3.1 如何觀察趨勢 36

2.3.2 探尋趨勢變化的原因 38

2.4 利用麵積圖觀察數據結構的變化趨勢 44

2.4.1 觀察動態的數據結構變化：堆積麵積圖 44

2.4.2 用於隊列分析：堆積麵積圖 45

2.5 用雷達圖進行靜態的多維對比 48

2.6 其他類型圖錶概述 50

2.6.1 使用餅圖的6個“坑” 50

2.6.2 提升視覺衝擊力：樹狀圖 52

2.6.3 量化流程各環節間的轉化率：漏鬥圖 52

第3章 數據圖錶進階 54

3.1 數據圖錶到底是什麼 55

3.2 如何正確地選擇圖錶 59

3.3 數據圖錶中的細節 60

3.3.1 圖錶背景和繪圖區背景 60

3.3.2 坐標軸 65

3.3.3 靈活使用輔助綫 68

3.3.4 綫性趨勢綫的應用 69

3.3.5 應用移動平均趨勢綫做時間序列的預測 72

3.3.6 添加信息增強綫 74

3.3.7 用標注綫指示必要的信息 75

3.4 能讓圖錶升級的高級技巧 76

3.4.1 運用組閤圖錶增加信息承載量 76

3.4.2 運用子母圖增加圖錶中的信息量 79

3.4.3 條件格式中的幾項實用功能 80

3.4.4 使用迷你圖錶壓縮空間 85

3.4.5 用不等寬技術優化柱形圖和條形圖 86

3.4.6 使用Bullet圖進行績效評價的可視化 89

第4章 數據化運營的基礎知識 93

4.1 最基本的數據獲取能力 94

4.1.1 認知數據庫的一般構造 94

4.1.2 能夠閱讀最基本的取數代碼 95

4.1.3 用Excel獲取數據 98

4.2 快速認知數據 105

4.2.1 仔細審核數據源的質量 106

4.2.2 提升數據集的質量 107

4.2.3 統一數據類型和單位 111

4.2.4 描述統計分析 111

4.2.5 利用相關係數理解數據之間的關係 122

4.2.6 通過多維交叉深入認知數據集 125

4.3 幾套有用的分析思維框架 132

4.3.1 66 法則與SQVID 原則 133

4.3.2 麥肯锡的“七步成詩” 135

4.4 創造指標，應用指標 141

4.4.1 什麼是指標 142

4.4.2 如何設計高質量的指標 143

4.4.3 指標組閤：綜閤指數 143

4.4.4 需要關注哪些核心指標 144

4.5 運營活動的量化 148

4.5.1 優秀的運營活動應具備哪些要素 148

4.5.2 需要哪些過程型和結果型指標 149

4.5.3 如何評價運營活動 149

4.5.4 從縱嚮與橫嚮兩個角度全麵對比 151

4.5.5 一種更嚴謹的測試效果量化方法：DID 154

4.5.6 相似活動間效果的對比 155

4.5.7 關於運營活動量化的小結 156

4.6 數據化運營的思維方式 156

4.7 運營數據報告的必備要素 167

4.8 小結 170

第5章 快速提升量化分析能力. 171

5.1 用樸素貝葉斯模型進行預測 171

5.1.1 利用全概率公式的一個例子 174

5.1.2 讓大數定律給你自信 175

5.1.3 窺一斑而見全豹：中心極限定理 176

5.2 使用假設檢驗進行理性的推斷 177

5.2.1 統計分布是一切推斷的基礎 179

5.2.2 以正態分布為例，闡述假設檢驗的過程 181

5.2.3 雙側檢驗與單側檢驗 183

5.2.4 假設檢驗的細節補充 184

5.3 利用方差分析辨彆方案的有效性 185

5.3.1 用戶激活措施的有效性判斷 186

5.3.2 運用置信區間增強數值估計的可靠性 189

5.3.3 兩兩比較尋找最精確的結論 190

5.3.4 理解方差分析的思維 191

5.4 淺談迴歸技術的應用 191

5.4.1 因變量與自變量的相關關係是迴歸的基礎 191

5.4.2 綫性迴歸建模的詳細過程 192

5.4.3 綫性迴歸分析中的注意點 204

5.5 用時間序列分解模型觀察波動 204

5.5.1 怎樣觀察時間序列數據 205

5.5.2 何為時間序列分解 206

5.5.3 時間序列分解的步驟解析 208

5.5.4 時間序列分解方法的應用局限性 212

5.6 如何優化調查問捲 213

5.6.1 態度型問題，增加選項以支撐量化分析 214

5.6.2 問題要有必要且貼閤業務需求 215

5.6.3 設置過濾器，識彆無效迴答 215

5.6.4 避免雙重問題和一重半問題 216

5.6.5 動態地調查，設置問題庫以保障多次調查的質量 216

第6章 科學地決策 217

6.1 從數據中形成決策 217

6.2 綫性規劃是什麼 219

6.3 綫性規劃建模的操作過程 220

6.3.1 建立邏輯清晰的錶格 220

6.3.2 設置輸齣單元格、目標單元格與可變單元格之前的運算關係 221

6.3.3 設置綫性規劃建模參數 222

6.4 如何從數據中形成決策 223

6.5 4 類典型且實用的綫性規劃模型 223

6.5.1 資源分配模型 224

6.5.2 成本收益平衡模型 226

6.5.3 網絡配送模型 227

6.5.4 混閤模型 229

6.6 綫性規劃模型小結 231

第7章 應用優秀的工具 233

7.1 互聯網數據分析工具的演進 234

7.1.1 流量時代 234

7.1.2 用戶時代 235

7.1.3 訂單時代 235

7.2 行為事件分析工具的簡單介紹 236

7.3 數據分析平颱簡介及趨勢 238

7.3.1 數據展現 238

7.3.2 數據處理 238

7.3.3 數據收集 239

7.4 值得推薦的小工具 240

7.4.1 團隊協作工具 240

7.4.2 其他小工具 241

第8章 工作經驗雜談 242

8.1 這些年犯過的錯誤 242

8.1.1 迷信業務模型，浪費公司資源 243

8.1.2 活躍率陷阱 244

8.1.3 不加選擇地進行數據追蹤 245

8.1.4 為瞭KPI 而做數據分析 246

8.1.5 忽略數據質量的保障機製 247

8.1.6 輕視業務執行，重視數據錶現 248

8.1.7 不重視數據認知，盲目建模 248

8.1.8 隻重視完成任務，忽略瞭團隊成員的個人發展需求 249

8.2 認清數據分析的邊界 250

8.2.1 數據庫並不能記錄一切 250

8.2.2 不可能分離多重因素影響 251

8.2.3 數據不能替代邏輯推理 251

8.2.4 預測的根基未必牢固 251

8.2.5 大多數人會因數據而變懶 252

8.3 我們需要讀些什麼書 252

精彩書摘

推薦序1

隨著信息經濟生態的加速形成，數據的力量正在被不斷激發。智能設備、物聯網、雲計算等技術幫助人類構建著一個日益豐富的數據世界，其越來越完整地反映齣我們所在的現實世界的麵貌，並且通過對數據的進一步分析和歸納，探尋其中蘊含的規律，使我們對世界的認知能夠達到過去幾韆年從未企及的深度。

一直以來，阿裏雲緻力於為客戶提供普惠的計算能力和服務能力，我們希望通過阿裏雲提供的技術和平颱，幫助客戶把握DT時代的入口，讓客戶的數據得以不斷沉澱，能夠産生更大的價值。今天，我們很欣喜地看到，越來越多的企業擁有瞭數據資産，擁有瞭通往未來無限想象的可能。但是我們也清楚地認識到，隻有讓數據産生商業價值，數據纔能真正為社會、為消費者、為各行各業産生力量。

在浩如繁星的數據之下，一雙能夠理解和利用數據的深邃明眸顯得尤其珍貴，在《數據化運營速成手冊》中，我看到瞭一個熱愛數據分析工作的年輕人，如何不斷迴顧、總結、提煉、打磨自己的工作場景，盡他所能地融閤統計科學、商業思維、視覺工具等多領域知識，以最具象的方式與我們分享他的所思所得。他分享的知識也許並非前沿，操作指南也並非殿堂級的嚴謹，但卻很有溫度。這些內容從最具體的工作中來，帶我們到最普遍也是最實用的應用場景中去，幫助我們在日常工作中感知和發掘數據的價值，相信會吸引並幫助更多的人認識和使用數據。

大數據時代的帷幕剛剛拉開，對於數據資源這座寶貴的礦藏，我們今天的所見也許隻是九牛一毛，未來還有無限的可能等待我們去挖掘。但是我相信，與應用相結閤，讓數據産生商業價值，永遠是數據的生命所在。希望有更多像晨川一樣對數據抱有熱忱的年輕人加入進來，共同探索如何讓數據最有效地為商業需求服務，從中激發和傳播數據的能量，推進新的變革，期待與你們同行。

阿裏巴巴集團資深副總裁、阿裏雲總裁，鬍曉明

推薦序2

和很多互聯網公司的CEO一樣，我也本能地重視數據。在數據化運營的蠻荒時代，所謂的運營工作也許隻有一個簡單的訪問計數。即使這樣，無論是個人網站主、網店店主，還是博客作者都會忍不住刷屏，恨不得聽到網站運行的每一個脈動。

後來，我們有瞭Google Analytics這樣的工具，腳本一載入，就像擁有瞭上帝視角，把網站的角角落落和用戶的起起落落都看得一清二楚。我們曾經認為這已經是傳統商業難以企及的運營條件，它能夠幫助我們打敗對手，建立長久的競爭優勢。但互聯網商業發展的日新月異，讓它的運營水平也跟著一起神速推進。很快事情就不再那麼簡單，數據運營工作的復雜度和專業度每年都在翻倍，仿佛昨天還在學習一元二次方程，今天就已經是微積分的難度。互聯網行業的發展速度在提供創富神話的同時，也給我們的學習能力下瞭最後通牒。

我們已經無法憑藉直覺經驗和抓大放小這樣的簡單原則來應用數據化運營。任何一項網絡服務都麵臨著復雜的數據觀測、分析和應用需求，從用戶獲取、激活、留存、轉化和再傳播，每一個環節都能夠派生齣上百個數據點來提供不同維度的指標，我們麵臨遴選指標、跟蹤和匯報指標，以及建立PDCA改進行動機製的高難度協作。這既不是一個人能夠埋頭做完的活兒，也不是人多就力量大的任務。有效的數據化運營工作考驗團隊的領導力，識彆重要任務的能力，溝通和協作的能力；同時也必然需要有團隊成員專注在這個環節，完整掌握這一組專業能力。晨川的《數據化運營速成手冊》正是從他的專業崗位經驗齣發，為從業人員提供的一本實務指南。

本書的亮點還在於作者對有效學習的理解，以及構建知識框架的基本方式和專業讀者的實踐需求。從基礎圖錶這個具象的事物開始，再升級到圖錶的高級特性。然後再介紹數據化運營的基本方法和原則，再抽象到更深入的數據化運營思維模式。這種淺—深—淺—深的節奏也是我特彆認可的學習模式。本書也留齣瞭相當的篇幅跳齣瞭基本的數據化運營工作，延伸到有深度的量化分析和決策科學領域，這對有意願更深入研究和開發數據化運營工具與模型的專業人員也有啓發作用。對於CEO來說，我們一直說重視數據，養成基於數據設定目標和決策的習慣，但是這一切需要掌握瞭基本的數據技能後纔能奏效。如果你不夠瞭解數據，自然不會真正信任它。

晨川在明道工作時，用他的專業和熱情幫助明道建立瞭數據化運營的基本框架。如今，他又能為行業留下實務著作，我有必要對他緻以雙重的感謝，並真誠地推薦讀者靜下心來，開啓這項重要能力的學習。

明道創始人，任嚮暉

前言/序言

尊敬的讀者，您能翻開本書，是我的榮幸。雖然書名中含有“速成”兩字，但我相信理性的讀者都不會期待真的有學習捷徑。我發現，數據分析的入門者往往不能快速形成閤適的知識框架，導緻其走瞭許多彎路。因此，本書不遵從教科書邏輯，而從實際應用齣發，相信能夠提高讀者的學習效率。總的來說，這是一本關於商業數據應用的書。希望本書的內容能給讀者的工作和生活帶來實質性的幫助。

為什麼寫本書

長久以來，我都有成為數據科學傢的夢想。雖然朝著這個目標奮鬥瞭幾年，但是若問我數據科學傢到底是什麼，我依然沒有明確的答案。兩件事兒，是數據科學傢必須做到的：一是運用閤理的數據分析方法，從數據中形成商業決策；二是能讓越來越多的人正確地理解並應用數據分析方法。這兩件事兒，也就成為我的奮鬥目標。所以，當電子工業齣版社的編輯聯係我寫作本書時，我欣然應允瞭。

誰適閤閱讀本書

“讓讀者正確地理解並應用數據分析”是本書的主要目的。廣義地說，本書的內容淺顯，適閤所有對數據分析感興趣的人。但依我的初衷，本書是寫給互聯網公司的運營、産品和管理者的。畢竟，我的工作經驗均來自互聯網背景，因此認知會有一定的局限性，故而這些內容不一定適用於所有行業。

如何閱讀本書

首先，建議讀者在閱讀本書的同時上手操練。本書內容所涉及的實踐操作，全部基於Excel 2016。Excel上手簡單、功能全麵且運行穩定，它的實用性無須多言。

本書的內容結構比較“怪異”。先通過前三章解決“如何正確地作圖”這個問題。為什麼要將作圖放在最前麵呢？因為，運營和産品人員要在工作中製作大量圖錶，管理者要閱讀大量圖錶；若圖錶做得不正確，難免齣現信息扭麯，導緻管理者決策失誤。所以，作圖者應該正確地作圖，管理者應該正確地看圖。因此，作者從作圖切入，進而展開本書的內容，比較符閤實際。

接著，在第4章介紹瞭運營中最基本的數據應用知識。本章涵蓋的內容較多。作者的寫作邏輯是“缺什麼補什麼”，即以作者的認知為基礎，填補作者認為本書目標讀者所欠缺的數據知識（涉及數據庫基本結構、數據獲取、數據清洗、數據認知、建立分析框架、構建指標體係、運營活動量化等）。

第5章介紹一些簡單實用且必不可少的統計學知識。通過這些知識，讀者能夠培養自己的量化分析思維，並能體會到統計學的強大。第6章篇幅不長，但希望能為讀者打開“管理科學”這扇大門，即應用運籌學中的規劃求解方法。讓讀者體會到：做決策絕不僅是定性分析，它可以一步步量化獲得最優解。

第7章簡單介紹瞭數據分析的工具和運營工具。裏麵的部分內容由GrowingIO創始人張溪夢先生和神策數據創始人桑文鋒先生執筆。第8章寫瞭一些作者近年的心得體會，希望這些經驗能幫助讀者少走彎路。

作者建議初次閱讀本書的讀者先按章節順序快速通讀。在通讀之後，若在工作中遇到瞭某些難處，可以有針對性地精讀某一部分。另外，本書中所 數據化運營速成手冊 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

僅僅會Python編程是不夠的。想成為一名優秀的數據分析工程師，還需要有全方位、透徹理解問題本質的能力，善於把實際的工作任務拆解成準確的數據問題

評分☆☆☆☆☆

非常棒的書，會仔細品讀，會持續關注！！

評分☆☆☆☆☆

在jd買瞭好多書，慢慢看，活動時候買的，劃算(/≧▽≦)/~┴┴

評分☆☆☆☆☆

專業工具書，不得不買，大傢都說挺好

評分☆☆☆☆☆

學習學習好好學習天天嚮上

評分☆☆☆☆☆

好多好多好多的不是不是不是不是

評分☆☆☆☆☆

非常不錯的書，我非常喜歡，送貨及時

評分☆☆☆☆☆

很好很不錯，快遞很快，東西也好

評分☆☆☆☆☆

評價很高的書，上午下單下午到，不錯

類似圖書 點擊查看全場最低價

查看全網最低價