文轩网图书旗舰店
  • 扫码下单

  • 数据分析师养成宝典 程显毅 著 专业科技 文轩网
  • 新华书店正版
    • 作者: 程显毅著
    • 出版社: 机械工业出版社
    • 出版时间:2017-08-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    店铺装修中

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    文轩网图书旗舰店

  •      https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 程显毅著
    • 出版社:机械工业出版社
    • 出版时间:2017-08-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2017-08-01
    • 字数:485
    • 页数:311
    • 开本:16开
    • 装帧:平装
    • 国别/地区:中国
    • 版权提供:机械工业出版社

    数据分析师养成宝典

    作  者:程显毅 著
    定  价:69
    出 版 社:机械工业出版社
    出版日期:2017年08月01日
    页  数:311
    装  帧:平装
    ISBN:9787111595106
    主编推荐

    只要学会数据思维,数据分析任你摆布 只要有想法肯动脑,有无基础皆可学会 只要懂得指标设计,项目落地信手捏来

    内容简介

    在数据为知名品牌的今天,对于一种已经成型的模型,“怎么用”通常不是问题,用个软件或者编几行程序就能得到结果了,问题一般都出在模型“什么时候用”和“用完了,然后呢”。《数据分析师养成宝典》就集中讨论后面两件事情。《数据分析师养成宝典》共27章,分为业务理解篇(靠前~4章)、指标设计篇(第5~7章)、数据建模篇(第8~16章)、价值展现篇(靠前7~19章)和实战进阶篇(第20~27章)。业务理解篇的目的是让读者建立正确的思维观,理解数据,熟悉业务;指标设计篇学习把数据转换为专家数据的一些技巧;数据建模篇以R语言为计算平台实施数据分析全过程;价值展现篇主要讨论如何撰写有价值的数据分析报告;实战进阶篇通过对8个经典案例的分析,使读者能够把学到的思维方法、实施工具应用到解决实际问题中,把数据变成价值。本书可供数据科学相关技术人员阅读,也可作为高等院校数据科学相关专业的教材或培训教材,以及数据分析爱好null

    作者简介

    精彩内容

    目录
    如何使用本书第0章说在前面的话0.1大数据分析案例0.2数据分析0.2.1数据分析不同于信息化系统0.2.2数据分析不同于统计分析0.2.3数据分析不同于数据挖掘0.2.4数据分析不同于数据管理0.2.5数据分析不同于商业智能0.2.6数据分析的内容0.3数据分析师0.3.1什么是数据分析师0.3.2基本要求0.4数据分析过程0.4.1业务理解0.4.2指标设计0.4.3数据建模0.4.4分析报告业务理解篇第1章正确的思维观1.1数据思维1.2统计思维1.2.1统计学1.2.2描述1.2.3概括1.2.4分析1.3逻辑思维1.3.1上取/下钻思维1.3.2求同/求异思维1.3.3抽离/联合思维1.3.4离开/接近思维1.3.5层次思维第2章理解数据2.1数据是什么2.2数据所依存的背景2.3数据维度2.4数据敏感2.5数据质量2.6理解数据要注意的问题2.6.1不要对完美数据的盲目执着2.6.2小样本数据也能做数据分析第3章理解业务3.1全局了解——业务模型3.2动态了解——流程模型3.3静态了解——数据模型3.4动静结合——关键业务分析3.5数据业务化第4章理解用户4.1由粗到细,从宏观到微观4.2由少到多,收集不同层次的需求4.3数据分析师对理解用户需求的思考4.3.1如何用需求分析明确产品目标?4.3.2数据分析师理解用户需求应该具备的基本素养4.3.3如何根据用户行为去驱动产品?指标设计篇第5章数据准备5.1数据探索5.1.1缺失值分析与处理5.1.2异常值分析与处理5.1.3不一致数据分析5.2数据整理5.2.1规范化5.2.2数据选择5.2.3数据归约5.2.4数据变换5.3数据集成5.3.1通过向量化重构数据5.3.2为数据添加新变量5.3.3数据透视表5.3.4列联表5.3.5数据整合5.3.6分组计算第6章数据指标6.1指标和维度6.2特征工程6.2.1特征工程作用6.2.2特征设计6.2.3特征选择6.2.4特征提取6.3指标设计基本方法6.3.1生成用于判别的变量6.3.2生成离散变量6.3.3业务标签化6.4典型业务指标设计6.4.1零售店铺数据分析指标6.4.2电商数据分析指标 第7章数据认知7.1认知数据的平均水平和波动情况7.2认知数据的分布7.3利用相关系数理解数据之间的关系7.4通过对比认知数据7.5通过多维交叉来深入认知数据7.6周期性分析7.7贡献度分析7.8因子分析数据建模篇第8章神经网络8.1模型原理8.2进阶指导第9章回归分析9.1模型原理9.2进阶指导第10章聚类分析10.1模型原理10.2进阶指导第11章关联分析11.1模型原理11.2进阶指导第12章决策树12.1模型原理12.2进阶指导第13章随机森林决策树13.1模型原理13.2进阶指导第14章自适应选择决策树14.1模型原理14.2进阶指导第15章SVM15.1模型原理15.2进阶指导第16章建模指导16.1建模要注意的问题 16.2R语言中建模常用包 16.3数据分析模型的原理和应用场景价值展现篇第17章如何写好数据分析报告17.1数据的价值17.1.1收入17.1.2支出17.1.3风险17.1.4参照系17.2讲故事17.2.1数据讲故事的四大要点17.2.2阿里指数能告诉你……17.3如何写报告17.3.1写作原则17.3.2报告的类型和分析能力17.3.3报告的细节17.4报告的结构17.4.1标题17.4.2背景与目标17.4.3项目说明17.4.4分析思路17.4.5分析主体17.4.6总结与建议17.5文字表达17.5.1突出关键信息17.5.2避免啰嗦的表达17.5.3站在读者角度17.5.4不带主观臆断17.6分析过程17.6.1样本选择17.6.2方法实施17.7注意事项第18章数据可视化18.1什么是数据可视化18.2数据可视化的作用18.3可视化建议18.4科学与艺术的结合18.5可视化细节18.6R语言绘图18.6.1低水平绘图命令18.6.2高水平绘图命令18.6.3交互式绘图命令18.7图形适用场景第19章数据分析报告制作工具19.1knitr包19.1.1安装knitr19.1.2Markdown语法19.1.3报告制作19.2rmarkdown包19.2.1创建R Markdown19.2.2R Markdown文本处理19.2.3插入代码块19.2.4结果的输出实战进阶篇第20章校园网中推荐者的推荐价值分析20.1业务理解20.2指标设计20.3描述性分析20.4模型分析20.5分析报告第21章上市企业财务报表分析与ST预测21.1业务理解21.2指标设计21.3描述性分析21.4模型分析21.5分析报告第22章为什么销售会减少——验证性分析22.1业务理解22.2指标设计22.3描述性分析22.4结论与建议第23章什么样的顾客会选择离开——探索性分析23.1业务理解23.2指标设计23.3描述性分析23.4结论与建议第24章哪种广告的效果更好——假设检验24.1业务理解24.2数据建模24.3模型分析24.4结论与建议第25章如何获得更多的用户——多元回归分析25.1业务理解25.2数据建模25.3模型分析25.4结论与建议第26章航空公司顾客价值分析——聚类26.1业务理解26.2指标设计26.3模型构建26.4模型评价26.5结论与建议第27章窃电用户行为分析——决策树27.1业务理解27.2简单指标设计27.3描述性分析27.4复杂指标设计

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购