数据分析师养成宝典
正版图书，可开发票，请放心购买。
￥ 56.47 8.2折 ￥ 69 全新
库存2件
广东广州
认证卖家担保交易快速发货售后保障
作者编者:程显毅//曲平//李牧
出版社机械工业
ISBN9787111595106
出版时间2018-04
装帧其他
开本其他
定价69元
货号30158793
上书时间2023-09-11
- 店主推荐
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
目录
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
0.2.3 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
第1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
1.2.3 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
2.3 数据维度
2.4 数据敏感
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
5.2.3 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
6.2.3 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 零售店铺数据分析指标
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 周期性分析
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
第10章 聚类分析
10.1 模型原理
10.2 进阶指导
第11章 关联分析
11.1 模型原理
11.2 进阶指导
第12章 决策树
12.1 模型原理
12.2 进阶指导
第13章 随机森林决策树
13.1 模型原理
13.2 进阶指导
第14章 自适应选择决策树
14.1 模型原理
14.2 进阶指导
第15章 SVM
15.1 模型原理
15.2 进阶指导
第16章 建模指导
16.1 建模要注意的问题
16.2 R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
第17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
第18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
18.6 R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
第19章 数据分析报告制作工具
19.1 knitr包
19.1.1 安装knitr
19.1.2 Markdown语法
19.1.3 报告制作
19.2 rmarkdown包
19.2.1 创建R Markdown
19.2.2 R Markdown文本处理
19.2.3 插入代码块
19.2.4 结果的输出
实战进阶篇
第20章 校园网中推荐者的推荐价值分析
20.1 业务理解
20.2 指标设计
20.3 描述性分析
20.4
内容摘要
在数据为主导的今天，对于一种已经成型的模型，“怎么用”通常不是问题，用个软件或者编几行程序就能得到结果了，问题一般都出在模型“什么时候用”和“用完了，然后呢”。本书就集中讨论后面两件事情。
程显毅、曲平、李牧编著的《数据分析师养成宝典》共27章，分为业务理解篇（第1~4章）、指标设计篇（第5~7章）、数据建模篇（第8~16章）、价值
展现篇（第17~19章）和实战进阶篇（第20~27章）。
业务理解篇的目的是让读者建立正确的思维观，理解数据，熟悉业务；指标设计篇学习把数据转换为专家数据的一些技巧；数据建模篇以R语言为计算平台实施数据分析全过程；价值展现篇主要讨论如何撰写有价值的数据分析报告；实战进阶篇通过对8个经典案例的分析，使读者能够把学到的思维方法、实施工具应用到解决实际问题中，把数据变成价值。
本书可供数据科学相关技术人员阅读，也可作为高等院校数据科学相关专业的教材或培训教材，以及数据分析爱好者的参考读物。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价