《數據化分析:用數據化解難題,讓分析更加有效》是2023年3月電子工業出版社出版的圖書。
基本介紹
- 中文名:數據化分析:用數據化解難題,讓分析更加有效
- 作者:林驥
- 出版時間:2023年3月
- 出版社:電子工業出版社
- 頁數:244 頁
- ISBN:9787121450082
- 定價:106.00 元
- 開本:16 開
內容簡介,圖書目錄,
內容簡介
在大數據時代,我們並不缺少數據,缺少的是利用數據分析的思維和工具去解決實際問題的能力。
數據化分析是運用恰當的方法和工具,對數據進行科學、有效的分析,從而提出有理有據、具有可操作性的建議,以解決現實中的難題。
《數據化分析:用數據化解難題,讓分析更加有效》主要介紹了數據分析的9 種思維、7 種工具、學習方法、基本方法、展現方法、製作數據分析報告的方法,以及數據分析的思維模型。
圖書目錄
第1 章數據分析的9 種思維 / 001
1.1理解現狀/001
目標思維 / 008
對比思維 / 020
細分思維 / 027
1.2分析原因/0032
溯源思維 / 032
相關思維 / 042
假設思維 / 047
1.3預測未來 /051
逆向思維 / 051
演繹思維 / 056
歸納思維 / 061
1.4 綜合套用案例 / 068
套用目標思維 / 069
套用對比思維 / 070
套用細分思維 / 071
套用溯源思維 / 071
套用相關思維 / 072
套用假設思維 / 072
套用逆向思維 / 072
套用演繹思維 / 073
套用歸納思維 / 073
本 章 復 盤 / 075
第2 章數據分析的工具 / 077
2.1 Excel:套用最廣泛的數據分析工具之一 / 079
2.2 Tableau:敏捷的商務智慧型展現工具 / 080
2.3 SQL:結構化的查詢語言 / 081
2.4 SPSS:老牌的統計分析工具 / 082
2.5 SAS:強大的統計分析工具 / 083
2.6 R:專業的數據分析工具 / 084
2.7 Python:重要的數據分析工具 / 085
本 章 復 盤 / 086
第3 章數據分析的學習方法 / 087
3.1 數據分析學習指南 / 089
學習方法 / 089
學習內容 / 090
學習路徑 / 091
3.2 精準搜尋學習資料 / 093
3.3 高效學習的6 種方法 / 095
3.4 高效學習的36 種思維 / 097
3.5 數據分析的精進之道 / 112
數據分析的材質 / 112
數據分析的造型 / 113
數據分析的裝飾 / 114
數據分析的工藝 / 115
數據分析的層級 / 116
本 章 復 盤 / 117
第4 章數據分析的基本方法 / 118
4.1 數據分析的5 個步驟 / 120
確認數據源是否正確 / 120
判斷變化的程度如何 / 120
判斷數據變化的周期如何 / 120
數據變化的前、後發生了什麼 / 121
細分維度有哪些 / 121
4.2 數據分析的8 個狀態 / 123
新的需求 / 123
需求確認 / 123
數據確認 / 125
實現中 / 125
交付 / 126
復盤 / 126
等待 / 127
拒絕 / 127
4.3 數據分析的指標體系 / 128
利用魚骨圖找到關鍵指標 / 128
從業務邏輯出發建立指標體系 / 129
用二八法則管理指標體系 / 129
4.4 提高數據敏感度 / 131
4.5 用數據解決實際問題 / 134
用流程解決問題 / 134
通過分解找到關鍵問題 / 135
通過交叉視點鎖定原因 / 136
依據方程式制定對策 / 136
用數據講故事 / 137
4.6 數據分析的 9 個問題 / 138
本 章 復 盤 / 140
第5 章數據分析的展現方法 / 142
5.1 數據分析展現的重要原則 / 144
5.2 數據分析展現的常用方法 / 146
5.3 數據分析展現的圖表選擇 / 150
類別比較 / 150
時間趨勢 / 151
占比構成 / 152
關聯 / 153
分布 / 154
增強 / 155
單值 / 156
提示 / 156
本 章 復 盤 / 157
第6 章製作數據分析報告的方法 / 158
6.1 數據分析報告的3 個層級 / 162
是什麼 / 162
為什麼 / 162
怎么辦 / 162
6.2 數據分析報告的4 種情景 / 165
首次數據分析報告 / 165
常規數據分析報告 / 165
問題數據分析報告 / 166
總結數據分析報告 / 166
6.3 數據分析報告的5 類問題 / 167
是多少 / 167
好不好 / 167
為什麼 / 168
會怎樣 / 168
怎么辦 / 168
6.4 數據分析報告的6 個步驟 / 170
明確目標 / 170
數據收集 / 170
數據處理 / 171
數據分析 / 171
數據展現 / 172
結論建議 / 172
6.5 數據分析報告的7 個模組 / 173
標題封面 / 173
目錄導航 / 174
背景說明 / 174
思路方法 / 174
結論建議 / 175
分析正文 / 175
附錄及封底 / 176
6.6 數據分析報告的8 種顏色 / 177
紅色 / 177
橙色 / 178
黃色 / 178
綠色 / 178
藍色 / 179
紫色 / 179
黑色 / 180
灰色 / 180
本 章 復 盤 / 182
第7 章數據分析的思維模型 / 184
7.1 理解現狀類思維模型 / 187
常態分配模型 / 187
冪律分布模型 / 188
帕累托分析模型 / 191
本福特分析模型 / 192
同期群分析模型 / 194
SWOT 分析模型 / 195
PEST 分析模型 / 197
7.2 分析原因類思維模型 / 201
杜邦分析模型 / 201
矩陣分析模型 / 203
RFM 分析模型 / 209
銷售漏斗模型 / 212
聚類分析模型 / 215
KANO分析模型 / 216
標桿分析模型 / 218
7.3 預測未來類思維模型 / 220
決策樹分析模型 / 220
生命周期模型 / 223
福格行為模型 / 224
夏普利值模型 / 225
A/B 測試模型 / 227
線性回歸模型 / 230
本 章 復 盤 / 233
後 記 / 234
致 謝 / 235
參 考 文 獻 / 236