人人可做數(shù)據(jù)分析：從數(shù)據(jù)分析到數(shù)據(jù)驅(qū)動運營

定　價：￥86.00

作　者：	于琪
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網(wǎng) (￥64.50)

ISBN：	9787121461484	出版時間：	2023-09-01	包裝：	平塑勒單襯
開本：		頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　近幾年，數(shù)據(jù)分析、人工智能、大數(shù)據(jù)平臺等概念十分火爆，有些人感嘆：雖然學會了調(diào)用軟件算法庫文件，在面對真實的業(yè)務(wù)問題時卻不知道從哪里下手；雖然接觸了一個又一個能做數(shù)據(jù)分析的軟件工具，真要處理一個業(yè)務(wù)問題時，卻發(fā)現(xiàn)自己需要什么樣的數(shù)據(jù)反而成了第一道門檻……“道不遠人”，好的東西不應(yīng)該只作為高深莫測的內(nèi)容讓人敬而遠之。本書將數(shù)據(jù)分析的思維作為主干，銜接數(shù)據(jù)分析的各個環(huán)節(jié)，輔之以案例，幫助讀者建立體系化的數(shù)據(jù)分析知識，使數(shù)據(jù)分析成為一個普通技能，在工作和生活中發(fā)揮分析并解決問題的作用，最終實現(xiàn)“人人可做數(shù)據(jù)分析”。

作者簡介

　　于琪，東南大學軟件工程碩士，本科就讀于山東大學電氣自動化專業(yè)。工作十多年一直在工業(yè)領(lǐng)域做研發(fā)、項目經(jīng)理、產(chǎn)品經(jīng)理，曾帶領(lǐng)團隊開發(fā)過產(chǎn)線管理系統(tǒng)、倉儲物資管理系統(tǒng)等智能制造領(lǐng)域的方案組件，深入調(diào)研過電子、機加工、重型器械、醫(yī)藥化工等行業(yè)，給很多企業(yè)做過實施方案，深知制造企業(yè)的痛點、難點和解決方法。現(xiàn)任西門子中國研究院先進制造自動化方向研發(fā)總監(jiān)。

圖書目錄

第1章緒論 001
1.1 數(shù)據(jù)分析話題的“樹模型”知識框架 001
1.2 數(shù)據(jù)分析話題同樣存在“量變引起質(zhì)變”的問題 004
1.3 數(shù)據(jù)分析與其他學科的關(guān)系 006
第2章數(shù)據(jù)采集、存儲與整理 008
2.1 什么是數(shù)據(jù)，數(shù)字就是數(shù)據(jù)嗎 009
2.2 不同的應(yīng)用場景對應(yīng)不同的數(shù)據(jù)采集方式 010
2.3 工業(yè)協(xié)議采集數(shù)據(jù) 011
2.4 網(wǎng)頁埋點采集數(shù)據(jù) 014
2.5 數(shù)據(jù)庫及合并表單 017
2.6 數(shù)據(jù)清洗 022
2.7 數(shù)據(jù)整理，多維度拆解 026
2.8 數(shù)據(jù)集 035
2.9 數(shù)據(jù)估算 042
第3章大數(shù)據(jù)平臺架構(gòu) 045
3.1 大數(shù)據(jù)時代的傳統(tǒng)數(shù)據(jù)處理方法 046
3.2 大數(shù)據(jù)架構(gòu) 048
3.3 大數(shù)據(jù)平臺的數(shù)據(jù)采集、處理、輸出與展示 056
3.4 大數(shù)據(jù)平臺不是核心 064
第4章數(shù)據(jù)思維之基礎(chǔ)問題 065
4.1 數(shù)據(jù)算法VS數(shù)據(jù)應(yīng)用 065
4.2 AI高大上，傳統(tǒng)手段失效了嗎 067
4.3 以前常用的一些方法論，如5W2H法不靈了 068
4.4 信息摘要的敏感性，抓重點的能力 070
4.5 物聯(lián)網(wǎng)等技術(shù)的發(fā)展催生了新的數(shù)據(jù)應(yīng)用場景 071
4.6 對數(shù)據(jù)分析的預(yù)期，要有合理的參照系 072
第5章數(shù)據(jù)思維之數(shù)據(jù)素養(yǎng) 074
5.1 數(shù)字時代，數(shù)據(jù)素養(yǎng)是重要的技能 074
5.2 把一個具體業(yè)務(wù)問題轉(zhuǎn)化成一個數(shù)據(jù)可分析問題 076
5.3 層層拆解，才見真章 081
5.4 細致拆解與辛普森悖論 084
5.5 減熵：把事情流程化，把關(guān)系圖譜化 086
5.6 指標思維 090
第6章常見的數(shù)據(jù)分析綜合方法 096
6.1 針對業(yè)務(wù)問題的“假設(shè)檢驗” 096
6.2 分類利器：波士頓矩陣與RFM模型 100
6.3 行動步驟利器：AARRR模型與UJM模型 109
6.4 業(yè)務(wù)分析框架OSM 113
6.5 成交總額GMV 116
第7章數(shù)據(jù)可視化 120
7.1 數(shù)據(jù)可視化的意義：探索性分析 120
7.2 常見的數(shù)據(jù)可視化圖表 122
7.3 數(shù)據(jù)可視化舉例 125
第8章人工智能與傳統(tǒng)數(shù)據(jù)分析的關(guān)系 130
8.1 數(shù)據(jù)分析、傳統(tǒng)算法、人工智能之間的范疇關(guān)系 131
8.2 目標的一致性及適用場景的區(qū)別 132
8.3 以統(tǒng)計為主的傳統(tǒng)數(shù)據(jù)分析及其工具 134
8.4 機器學習 139
第9章數(shù)據(jù)驅(qū)動運營 147
9.1 不同業(yè)務(wù)層次都有哪些數(shù)據(jù)分析需求 147
9.2 不同行業(yè)領(lǐng)域都有些哪些數(shù)據(jù)分析需求 148
9.3 數(shù)據(jù)驅(qū)動運營概述 150
9.4 牛刀小試的一個例子 156
9.5 數(shù)據(jù)分析與公司戰(zhàn)略地圖 161
參考文獻 168