第一篇 理论基础篇
第1章 电商数据分析导论
1.1 认知数据分析
1.1.1 什么是数据分析
1.1.2 数据分析的作用
1.1.3 数据分析的标准流程
1.2 电商数据分析的技能图谱
1.2.1 数学和统计学
1.2.2 运筹学
1.2.3 数据分析方法论
1.2.4 数据分析工具
1.2.5 电商业务能力
1.2.6 电商数据指标体系
1.3 数据分析在电商的应用
1.3.1 数据诊断
1.3.2 数据复盘
1.3.3 市场分析
1.3.4 竞争分析
1.3.5 渠道分析
1.3.6 活动及广告分析
1.3.7 产品分析
1.3.8 库存分析
1.3.9 客户分析
1.4 统计学是数据分析的核心理论基础
1.4.1 统计学来源及特点
1.4.2 统计的基本概念
1.4.3 统计的工作过程
1.4.4 统计的研究方法
1.5 运筹学基础
1.5.1 博弈论和运筹学
1.5.2 运筹学的模型
1.5.3 规划求解的经典问题
1.6 数据分析的专业名词
1.6.1 维度和分类数据
1.6.2 度量和定量数据
1.6.3 粒度
1.6.4 量纲和单位
1.6.5 数据集、事实表和维度表
1.6.6 算法和函数
1.6.7 模型
1.6 电商数据来源及指标体系
1.6.1 数据来源及统一
1.6.2 数据口径
1.6.3 基础数据指标
1.6.4 常用分析度量
1.6.5 建立数据指标体系
1.7 本章小结
1.8 习题
第2章 数据分析方法论
2.2 基本分析方法
2.2.1 对比法
2.2.2 拆分法
2.2.3 排序法
2.2.4 分组法
2.2.5 交叉法
2.2.6 降维法
2.2.7 增维法
2.2.8 指标法
2.2.9 图形法
2.2 高级方法
2.2.1 SWOT分析法
2.2.2 描述性统计法
2.2.3 数据归一化（指数化）
2.2.4 熵值法
2.2.5 漏斗分析法
2.2.6 矩阵分析法
2.2.7 多维分析法
2.2.8 时间序列分析法
2.2.9 相关性分析法
2.2.10 杜邦分析法
2.3 本章小结
2.4 习题
第二篇 技术方法篇
第3章 数据采集方法
3.1 数据采集的基础知识
3.1.1 爬虫权限申明
3.1.2 URL构成原理
3.1.3 网站的构成
3.1.4 HTML请求与响应
3.2 数据采集
3.2.1 静态数据采集
3.2.2 动态数据采集
3.3 本章小结
3.4 习题
第4章 数据清洗方法
4.1 数据规整
4.2.1 数据类型
4.2.2 缺失值和异常值处理
4.2 数据合并与分组
4.2.1 纵向合并
4.2.2 横向合并
4.2.3 数据分组
4.3 数据变形
4.3.1 数据透视
4.3.2 数据逆透视
4.4 本章小结
4.3 习题
第三篇 应用场景篇
第5章 运营与数据平台
5.1 百度指数
5.1.1 趋势研究
5.1.2 需求图谱
5.1.3 人群画像
5.2 阿里指数
5.2.1 行业大盘
5.2.2 属性细分
5.2.3 采购商素描
5.3.4 阿里排行
5.3 生意参谋
5.3.1 首页
5.3.2 实时数据
5.3.3 流量和商品
5.3.4 交易和服务
5.3.5 市场数据
5.4 本章小结
5.5 习题
第6章 运营诊断与复盘
6.1 店铺诊断
6.1.1 杜邦分析法建模诊断
6.1.2 相关性分析法诊断
6.2 店铺复盘
6.2.1 复盘的步骤
6.2.2 全店复盘案例
6.2.3 利润与投产比复盘案例
6.3 本章小结
6.4 习题
第7章 市场分析
7.1 市场容量分析
7.1.1 市场容量分析思路
7.1.2 市场容量汇总
7.1.3 市场容量可视化
7.2 市场趋势分析
7.2.1 市场趋势分析思路
7.2.2 市场趋势可视化
7.2.3 同环比计算
7.2.4 组合图创建与设置
7.2.5 预测工作表创建
7.3 市场细分
7.3.1 基于人群的市场细分
7.3.2 基于产品的市场细分
7.3.3 基于渠道的市场细分
7.4 品牌分析
7.4.1 品牌集中度
7.4.2 品牌矩阵分析
7.5 竞争分析
7.5.1 竞争环境分析
7.5.2 市场售价分析
7.5.3 竞争对手的选择
7.5.4 竞争对手数据跟踪
7.5.5 竞争对手分析
7.6 目标市场选择
7.6.1 空白市场原则
7.6.2 热点原则
7.6.3 高复购原则
7.6.4 精神领域原则
7.7 本章小结
7.8 习题
第8章 运营分析
8.1 渠道分析
8.1.1 传统流量渠道分析
8.1.2 内容渠道分析
8.2 产品分析
8.1.1 产品结构分析
8.1.2 产品矩阵
8.1.3 产品生命周期分析
8.1.4 产品销售分析
8.3 活动及广告分析
8.3.1 活动分析
8.3.1 广告效果分析
8.4 客户分析
8.4.1 客户分布
8.4.2 RFM模型
8.4.3 复购分析
8.4.4 客户舆情分析
8.5 库存分析
8.5.1 库存绩效分析
8.5.2 补货模型
8.6 本章小结
8.7 习题
第9章 商务数据报告撰写与案例
9.1 数据报告撰写
9.1.1 数据报告类型
9.1.2 数据报告撰写流程
9.1.3 数据报告撰写技巧
9.2 商业分析案例
9.2.1 市场分析
9.2.2 用户舆情分析
9.2.3 互联网话题分析（新媒体和知识付费方向）
陈海城，浙江师范等多所院校的创业实践讲师及创业导师，数据分析专家，10年电商行业从业经验，代表畅销书：《Python3爬虫、数据清洗与可视化实战》《淘宝、电商数据分析与挖掘实战》。
本书共分为三篇，第一篇是理论基础，主要内容包括电商数据分析导论、数据分析方法论。第二篇是专业方法，主要内容包括数据采集方法、数据清洗方法。第三篇是应用场景，主要内容包括运营与数据平台、运营诊断与复盘、宏观市场分析、市场细分及竞争分析、流量运营分析、产品运营分析、消费者运营分析、数据报告撰写与商业分析案例。
本书既可以作为高等院校数据科学与大数据技术、电子商务、大数据应用与管理等专业相关课程的教材，也可以作为数据分析从业人员学习电商数据分析及报考商务数据分析相关资格考试的参考书。
第一，将理论与实践结合。本书在理论体系完备的同时，与实践紧密结合，案例涵盖了常见的电商数据分析场景。结合案例，对基础理论进行了深入浅出的阐述，使读者更加牢固地掌握电商数据分析的理论知识。
第二，立足于数据分析的应用场景。本书以培养懂业务的数据分析师为目标，围绕电商数据分析的应用场景，精选多个实操案例进行详细的解析，便于读者快速掌握电商数据分析的方法并达到学以致用的目的。
第三，配套资源丰富。本书所有案例均由慕研数据分析师事务所提供，所有实操案例均提供高清微课视频，扫描二维码即可观看。同时，还提供配套的教学课件PPT、电子教案、教学大纲、拓展案例等教学资源。
非常抱歉，您前期未参加预订活动，
无法支付尾款哦！
