醉染图书数据分析师养成宝典9787111595106

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..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..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.数据维度2.4数据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..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..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0章聚类分析10.1模型原理10.2进阶指导1章关联分析11.1模型原理11.2进阶指导2章决策树12.1模型原理12.2进阶指导3章随机森林决策树13.1模型原理13.2进阶指导4章自适应选择决策树14.1模型原理14.2进阶指导5章SVM15.1模型原理15.2进阶指导6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7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8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9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..插入代码块19.2.4结果的输出实战进阶篇第20章校园网中者的价值分析20.1业务理解20.2指标设计20.3描述分析20.4模型分析20.5分析报告2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——验分析22.1业务理解22.2指标设计2.描述分析22.4结论与建议第章什么样的顾客会选择离开——探索分析.1业务理解.2指标设计.描述分析.4结论与建议第24章哪种广告的效果更好——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描述分析27.4复杂指标设计

随着大数据时代的到来，企业管理者对数据价值的重视程度越来越高，他们渴望从企业内部数据、外部数据中获得更多的信息财富，并以此为依据，帮自己做出正确的战略决策。 如今在数据分析师的岗位上，大多数员工都是非统计专业出身，远远达不到专业数据分析要求，如何能够快速找到突破口，帮对数据分析有兴趣的人员全面掌握数据分析技巧，基于此，《数据分析师养成宝典旨》在帮读者解决如下困惑：学习前的困惑学习后将收获什么零基础入门数据分析领域只要有数据思维，数据分析任你摆布不会编程只要有想法，R语言帮你搞定对行业业务流程不了解项目实际操作从业务思路到落地技能全掌握不会写数据分析报告掌握了前三项技能，写数据分析报告是小意思全书分为5篇：业务理解篇、指标设计篇、数据建模篇、价值展现篇和实战进阶篇，从数据到价值的演化如下图所示。业务数据化是把数据变为价值的先决条件，目的是建立正确的思维观，理解数据，熟悉业务；对数据描述、概括和分析是把数据变为价值的核心，是一个数据分析项目的实施过程；数据分析报告是数据价值的形态，好的数据分析报告是企业决策的重要依据，专业的数据分析报告能体现你的职场价值。如果把整个数据分析过程比作开饭店，业务数据化相当于菜谱，虽然是纸上谈兵，但也是不可缺少的一环；描述、概括和分析相当于烧菜的厨艺，这是开饭店的先决条件，菜烧得好可以品尝，不能保盈利；撰写数据分析报告相当于开饭店的理由，关键是说清楚如何让饭店盈利？盈利多少？菜谱、厨艺、开饭店理由三者相辅相成，缺少任何一环,盈利的目标都难以达成。本书的特点如下：1落地实用全书分为5篇，共27章，每一章的内容都从实际业务出发，书所提的思维方法、分析框架、数据指标设计与操作步骤都可以直接运用到工作当中。2重道轻术“术”是数据分析方法和工具，“道”强调了如何对数据，如何把数据分析工作融入商业思考，弥补许多人只懂理论脱离实践的不足。3零距离接触行业前沿本书以R语言为计算平台，无论你是什么专业，无论你有编程基础，无论你学过统计，要想成为一名数据分析师，本书能帮到你。4体系完整近年来，数据分析师可谓是大数据时代门的职业，相关的资料五花八门，让读者无所适从。从学科体系来看，无非包括三个层次：理论、工具和技巧。但由于数据分析的特殊，依赖于思维和业务，所以，市场上成体系的书籍并不多见，大多是讲理论和工具，本书试图在数据分析完整的体系上做些探索。在本书的编写过程，得到了许多人的支持，再次表示感谢：感谢南通大学-南通智能信息技术联合研究中心给予的资金资。感谢硅湖职业技术学院在培训、实验方面所给予的支持。感谢南通大学教材建设资金资。感谢我的学生沈佳杰、谢璐、胡海涛、姚泽峰、周春瑜、孙丽丽、杨琴和赵丽敏在资料整理方面所做的贡献。其次，感谢我的妻子和儿女们，正是你们的鼓励和支持，我才会走到今天，你们的鼓励和陪伴永远是我前进的动力。，特别要感谢我的母亲和已故的父亲，感谢你们的养育之恩。仅以此书献给健在的母亲，希望母亲健康，健康，更健康。数据分析领域发展迅猛，对许多问题作者并未做深入研究，一些有价值的新内容也来不及收入本书。加上作者知识水平和实践经验有限，书中难免存在不足之处，敬请读者批评指正。

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