用数据思维指导业务实战(数据分析人员必读的“年度好书”)
共 3178字，需浏览 7分钟
·
2023-06-16 07:29
👆 点击“ 博文视点Broadview ”，获取更多书讯
能够入选电子工业出版社“年度好书”，那一定是在下面几方面做到了出类拔萃。
（1）具有较高的思想价值、科学价值或文化价值；
（2）在领域内有一定的领先性，具有较好的社会影响；
（3）内容及形式上具有一定的创新性、前瞻性；
（4）深受读者喜爱，有较大的发行量；
（5）装帧设计精美、印刷精良；
（6）有相关配套数字化资源。
可见， 《数据分析之道：用数据思维指导业务实战》 这本书不只是在内容质量、装帧质量上表现突出，也是实实在在给读者带来帮助和启发的好书！
这本书具体有什么特别之处呢？
市面上大部分数据分析相关的书籍都是从工具的介绍开始的，但很多时候数据分析主要依靠数据思维。 特别是面对复杂业务场景时，对于业务的熟悉程度及数据思维显得尤为重要。因为数据思维决定了分析问题的角度及合理性，只要数据分析师能够针对特定问题提出分析方案，无论用什么工具都可以得到结果，因此数据思维是数据分析师成长进阶路上的必修课。
本书以数据思维为主题，以数据分析全流程为主线，融合了编程语言、统计学基础及案例分析等内容。
全书分为4 篇，囊括了数据思维的概念和培养方法、数据来源及体系建设、数据分析三大思维方式及用户流失、用户转化实战等共11 章的内容。
本书囊括了数据分析中常用的分析方法，包括经典的海盗（AARRR）模型、麦肯锡的MECE 模型、逻辑树、漏斗分析、路径分析、对比分析、A/B 试验、RFM 模型、K-Means 算法、5W2H等分析方法，还包括各类方法的实践案例及Python 实操项目。 可以说本书是数据分析方法论与统计学知识、编程语言及应用案例的完美结合。
内容简介
第1篇 是入门篇，主要通过具体示例介绍数据思维是什么、数据思维在数据分析师成长过程中的重要性及数据思维养成的三种方法。
第2篇 是预备篇，想要做数据分析，就得有数据，因此本篇首先介绍了互联网企业的数据来源，即通过数据埋点获得用户数据。在此过程中，数据分析师主要基于业务需求设计埋点方案，所以这也是本篇的重点内容之一。有了数据之后，对数据进行一定处理和加工是十分必要的。数据标签体系是数据加工处理的重要一环，数据分析师在其中承担了一部分数据标签开发工作，这部分会用一章的篇幅进行阐述。除此之外，想要通过数据监控业务，就需要建立数据指标体系。至于什么样的数据指标体系才是好的指标体系，如何才能搭建一套能够反映业务的指标体系，如何通过指标体系排查数据异动，就是第6 章的内容了。
第3篇 是方法论篇，在完成数据埋点及数据体系化之后，便可进入分析环节。这一篇主要介绍了数据分析过程中常用的三种思维方式：对比思维、分群思维及相关思维。对比思维是第7 章的内容，这一章主要介绍数据分析中各种比较的方法，包括同比、环比、定比等。但在对比分析中较为重要的是线上试验——A/B 试验，因此本章大部分篇幅会介绍A/B 试验流程、统计学原理以及利用Python 完成案例实操。分群思维是第8 章的内容，这一章主要从结构化分析、同期群分析等分析方法出发介绍其在用户分群中的应用，同时会通过开源数据集利用RFM 模型及K-Means 算法实现用户分群。相关思维是第9章的内容，分析两个或多个变量之间的相关性是数据分析师的日常工作之一，但变量间具有相关性并不代表具有因果性，因此这一章会从相关性出发讨论相关与因果之间的关系。
第4篇 是实战篇，这一篇立足于用户生命周期中流失与转化两大重要阶段，总结用户流失的分析方法论及用户转化相关的分析方法。用户流失分析是本书第10 章的内容，这一章会从流失用户的定义出发，介绍用户流失的内因分析、外因分析方法论；同时介绍如何设计问卷验证从数据层面分析出的内因和外因是否正确；最后，通过生存分析预测用户流失周期以辅助运营人员进行用户干预，以减少用户流失。用户转化与付费分析是本书第11 章的内容，这一章会介绍活动转化率的预估方法、漏斗分析在用户转化中的应用，以及营销增益模型在用户付费及转化中的应用。
读者定位
本书适合以下几类人群：
-
工作了1～3 年的 初级数据分析师 。
-
已经掌握了数据分析工具， 需要培养数据思维的转行人员 。
-
数据科学行业的人力专家和猎头 ，用于标定候选人的数据分析能力。
本书以数据思维为主题，其中的实践案例涉及Python 及SQL 语言，但本书不会讲解Python、SQL 的基础编程知识，所以本书面向已经掌握了Python 及SQL 等数据分析语言的数据分析师和相关转行人员。
学习建议
数据思维并不是一蹴而就的，也不是学完本书就会立刻拥有的。本书不具备赋予读者数据思维的“超能力”。数据思维不同于数据分析工具，数据思维较为抽象，需要在业务实战中积累经验。但是本书会总结分析方法论、分享实践案例，引导读者树立数据思维。
当然这是远远不够的，培养数据思维最好的方式还是在实战中积累和总结。本书只是抛砖引玉地为读者建立一个系统框架，最终还需要读者在自己的行业中不断实践和积累。
本书并不是空洞而抽象地讲数据思维，而是基于完整的数据分析流程阐述数据思维在整个流程中的应用，涉及数据分析的每一阶段。从通过数据埋点获取用户数据到数据标签化处理，再到指标体系监控业务变化，是数据分析的准备工作；对比思维、分群思维及相关思维是数据分析各个阶段都会用到的思维方式；将各类分析方法及分析思维恰到好处地运用到业务场景中，以揭示业务问题才是数据分析真正要解决的问题。
本书从数据埋点到各类分析方法的应用，为读者搭建了一套系统的分析框架， 读者需要在掌握Python、SQL、Excel 等数据分析工具的前提下进行实践。Python 实操部分属于进阶内容，这部分工作在大公司中多由算法工程师承担，数据分析师可以将其作为拓展和提升内容进行了解。
限时五折，快快扫码抢购吧！
发布：刘恩惠
审核：陈歆懿
如果喜欢本文 欢迎 在看丨留言丨分享至朋友圈 三连 < PAST · 往期回顾 >
技术在数字化转型过程中有哪些痛点？
点击阅读原文，查看本书详情！