數(shù)據(jù)分析師養(yǎng)成寶典

如何使用本書
第0章說在前面的話
0.1大數(shù)據(jù)分析案例
0.2數(shù)據(jù)分析
0.2.1數(shù)據(jù)分析不同于信息化系統(tǒng)
0.2.2數(shù)據(jù)分析不同于統(tǒng)計分析
0.2.3數(shù)據(jù)分析不同于數(shù)據(jù)挖掘
0.2.4數(shù)據(jù)分析不同于數(shù)據(jù)管理
0.2.5數(shù)據(jù)分析不同于商業(yè)智能
0.2.6數(shù)據(jù)分析的內(nèi)容
0.3數(shù)據(jù)分析師
0.3.1什么是數(shù)據(jù)分析師
0.3.2基本要求
0.4數(shù)據(jù)分析過程
0.4.1業(yè)務(wù)理解
0.4.2指標(biāo)設(shè)計
0.4.3數(shù)據(jù)建模
0.4.4分析報告
業(yè)務(wù)理解篇
第1章正確的思維觀
1.1數(shù)據(jù)思維
1.2統(tǒng)計思維
1.2.1統(tǒng)計學(xué)
1.2.2描述
1.2.3概括
1.2.4分析
1.3邏輯思維
1.3.1上取/下鉆思維
1.3.2求同/求異思維
1.3.3抽離/聯(lián)合思維
1.3.4離開/接近思維
1.3.5層次思維
第2章理解數(shù)據(jù)
2.1數(shù)據(jù)是什么
2.2數(shù)據(jù)所依存的背景
2.3數(shù)據(jù)維度
2.4數(shù)據(jù)敏感
2.5數(shù)據(jù)質(zhì)量
2.6理解數(shù)據(jù)要注意的問題
2.6.1不要對完美數(shù)據(jù)的盲目執(zhí)著
2.6.2小樣本數(shù)據(jù)也能做數(shù)據(jù)分析
第3章理解業(yè)務(wù)
3.1全局了解——業(yè)務(wù)模型
3.2動態(tài)了解——流程模型
3.3靜態(tài)了解——數(shù)據(jù)模型
3.4動靜結(jié)合——關(guān)鍵業(yè)務(wù)分析
3.5數(shù)據(jù)業(yè)務(wù)化
第4章理解用戶
4.1由粗到細(xì)，從宏觀到微觀
4.2由少到多，收集不同層次的需求
4.3數(shù)據(jù)分析師對理解用戶需求的思考
4.3.1如何用需求分析明確產(chǎn)品目標(biāo)？
4.3.2數(shù)據(jù)分析師理解用戶需求應(yīng)該具備的基本素養(yǎng)
4.3.3如何根據(jù)用戶行為去驅(qū)動產(chǎn)品？
指標(biāo)設(shè)計篇
第5章數(shù)據(jù)準(zhǔn)備
5.1數(shù)據(jù)探索
5.1.1缺失值分析與處理
5.1.2異常值分析與處理
5.1.3不一致數(shù)據(jù)分析
5.2數(shù)據(jù)整理
5.2.1規(guī)范化
5.2.2數(shù)據(jù)選擇
5.2.3數(shù)據(jù)歸約
5.2.4數(shù)據(jù)變換
5.3數(shù)據(jù)集成
5.3.1通過向量化重構(gòu)數(shù)據(jù)
5.3.2為數(shù)據(jù)添加新變量
5.3.3數(shù)據(jù)透視表
5.3.4列聯(lián)表
5.3.5數(shù)據(jù)整合
5.3.6分組計算
第6章數(shù)據(jù)指標(biāo)
6.1指標(biāo)和維度
6.2特征工程
6.2.1特征工程作用
6.2.2特征設(shè)計
6.2.3特征選擇
6.2.4特征提取
6.3指標(biāo)設(shè)計基本方法
6.3.1生成用于判別的變量
6.3.2生成離散變量
6.3.3業(yè)務(wù)標(biāo)簽化
6.4典型業(yè)務(wù)指標(biāo)設(shè)計
6.4.1零售店鋪數(shù)據(jù)分析指標(biāo)
6.4.2電商數(shù)據(jù)分析指標(biāo)
第7章數(shù)據(jù)認(rèn)知
7.1認(rèn)知數(shù)據(jù)的平均水平和波動情況
7.2認(rèn)知數(shù)據(jù)的分布
7.3利用相關(guān)系數(shù)理解數(shù)據(jù)之間的關(guān)系
7.4通過對比認(rèn)知數(shù)據(jù)
7.5通過多維交叉來深入認(rèn)知數(shù)據(jù)
7.6周期性分析
7.7貢獻(xiàn)度分析
7.8因子分析
數(shù)據(jù)建模篇
第8章神經(jīng)網(wǎng)絡(luò)
8.1模型原理
8.2進(jìn)階指導(dǎo)
第9章回歸分析
9.1模型原理
9.2進(jìn)階指導(dǎo)
第10章聚類分析
10.1模型原理
10.2進(jìn)階指導(dǎo)
第11章關(guān)聯(lián)分析
11.1模型原理
11.2進(jìn)階指導(dǎo)
第12章決策樹
12.1模型原理
12.2進(jìn)階指導(dǎo)
第13章隨機(jī)森林決策樹
13.1模型原理
13.2進(jìn)階指導(dǎo)
第14章自適應(yīng)選擇決策樹
14.1模型原理
14.2進(jìn)階指導(dǎo)
第15章SVM
15.1模型原理
15.2進(jìn)階指導(dǎo)
第16章建模指導(dǎo)
16.1建模要注意的問題
16.2R語言中建模常用包
16.3數(shù)據(jù)分析模型的原理和應(yīng)用場景
價值展現(xiàn)篇
第17章如何寫好數(shù)據(jù)分析報告
17.1數(shù)據(jù)的價值
17.1.1收入
17.1.2支出
17.1.3風(fēng)險
17.1.4參照系
17.2講故事
17.2.1數(shù)據(jù)講故事的四大要點(diǎn)
17.2.2阿里指數(shù)能告訴你……
17.3如何寫報告
17.3.1寫作原則
17.3.2報告的類型和分析能力
17.3.3報告的細(xì)節(jié)
17.4報告的結(jié)構(gòu)
17.4.1標(biāo)題
17.4.2背景與目標(biāo)
17.4.3項(xiàng)目說明
17.4.4分析思路
17.4.5分析主體
17.4.6總結(jié)與建議
17.5文字表達(dá)
17.5.1突出關(guān)鍵信息
17.5.2避免啰嗦的表達(dá)
17.5.3站在讀者角度
17.5.4不帶主觀臆斷
17.6分析過程
17.6.1樣本選擇
17.6.2方法實(shí)施
17.7注意事項(xiàng)
第18章數(shù)據(jù)可視化
18.1什么是數(shù)據(jù)可視化
18.2數(shù)據(jù)可視化的作用
18.3可視化建議
18.4科學(xué)與藝術(shù)的結(jié)合
18.5可視化細(xì)節(jié)
18.6R語言繪圖
18.6.1低水平繪圖命令
18.6.2高水平繪圖命令
18.6.3交互式繪圖命令
18.7圖形適用場景
第19章數(shù)據(jù)分析報告制作工具
19.1knitr包
19.1.1安裝knitr
19.1.2Markdown語法
19.1.3報告制作
19.2rmarkdown包
19.2.1創(chuàng)建R Markdown
19.2.2R Markdown文本處理
19.2.3插入代碼塊
19.2.4結(jié)果的輸出
實(shí)戰(zhàn)進(jìn)階篇
第20章校園網(wǎng)中推薦者的推薦價值分析
20.1業(yè)務(wù)理解
20.2指標(biāo)設(shè)計
20.3描述性分析
20.4模型分析
20.5分析報告
第21章上市企業(yè)財務(wù)報表分析與ST預(yù)測
21.1業(yè)務(wù)理解
21.2指標(biāo)設(shè)計
21.3描述性分析
21.4模型分析
21.5分析報告
第22章為什么銷售會減少——驗(yàn)證性分析
22.1業(yè)務(wù)理解
22.2指標(biāo)設(shè)計
22.3描述性分析
22.4結(jié)論與建議
第23章什么樣的顧客會選擇離開——探索性分析
23.1業(yè)務(wù)理解
23.2指標(biāo)設(shè)計
23.3描述性分析
23.4結(jié)論與建議
第24章哪種廣告的效果更好——假設(shè)檢驗(yàn)
24.1業(yè)務(wù)理解
24.2數(shù)據(jù)建模
24.3模型分析
24.4結(jié)論與建議
第25章如何獲得更多的用戶——多元回歸分析
25.1業(yè)務(wù)理解
25.2數(shù)據(jù)建模
25.3模型分析
25.4結(jié)論與建議
第26章航空公司顧客價值分析——聚類
26.1業(yè)務(wù)理解
26.2指標(biāo)設(shè)計
26.3模型構(gòu)建
26.4模型評價
26.5結(jié)論與建議
第27章竊電用戶行為分析——決策樹
27.1業(yè)務(wù)理解
27.2簡單指標(biāo)設(shè)計
27.3描述性分析
27.4復(fù)雜指標(biāo)設(shè)計