数据化分析：用数据化解难题，让分析更加有效（全彩）

图书标准信息

• 作者 林骥
• 出版社 电子工业出版社
• 出版时间 2023-02
• 版次 1
• ISBN 9787121450082
• 定价 106.00元
• 装帧 其他
• 开本 其他
• 纸张 胶版纸
• 页数 244页

【内容简介】

在大数据时代，我们并不缺少数据，缺少的是利用数据分析的思维和工具去解决实际问题的能力。数据化分析是运用恰当的方法和工具，对数据进行科学、有效的分析，从而提出有理有据、具有可操作性的建议，以解决现实中的难题。本书主要介绍了数据分析的9 种思维、7 种工具、学习方法、基本方法、展现方法、制作数据分析报告的方法，以及数据分析的思维模型。本书适合所有对数据分析感兴趣的读者阅读，特别是在工作或生活中需要经常跟数据接触的人，如数据分析师、产品经理、运营人员、管理人员、财务人员等。

【作者简介】

林骥

应用数学硕士学位；曾在大学教授《高等数学》课程；2008 年开始从事数据分析相关工作，在企业担任数据分析部的总经理。个人微信公众号主要分享数据分析的思维、工具、方法、模型和应用等内容；致力于用数据化解难题，让分析更加有效，用数据赋能成长。

【目录】

目录 

第1 章 数据分析的9 种思维 / 001 

1.1理解现状/001 

目标思维 / 008 

对比思维 / 020 

细分思维 / 027 

1.2分析原因/0032 

溯源思维 / 032 

相关思维 / 042 

假设思维 / 047 

1.3预测未来 /051 

逆向思维 / 051 

演绎思维 / 056 

归纳思维 / 061 

1.4 综合应用案例 / 068 

应用目标思维 / 069 

应用对比思维 / 070 

应用细分思维 / 071 

应用溯源思维 / 071 

应用相关思维 / 072 

应用假设思维 / 072 

应用逆向思维 / 072 

应用演绎思维 / 073 

应用归纳思维 / 073 

本 章 复 盘 / 075 

第2 章 数据分析的工具 / 077 

2.1 Excel：应用最广泛的数据分析工具之一 / 079 

2.2 Tableau：敏捷的商务智能展现工具 / 080 

2.3 SQL：结构化的查询语言 / 081 

2.4 SPSS：老牌的统计分析工具 / 082 

2.5 SAS：强大的统计分析工具 / 083 

2.6 R：专业的数据分析工具 / 084 

2.7 Python：重要的数据分析工具 / 085 

本 章 复 盘 / 086 

第3 章 数据分析的学习方法 / 087 

3.1 数据分析学习指南 / 089 

学习方法 / 089 

学习内容 / 090 

学习路径 / 091 

3.2 精准搜索学习资料 / 093 

3.3 高效学习的6 种方法 / 095 

3.4 高效学习的36 种思维 / 097 

3.5 数据分析的精进之道 / 112 

数据分析的材质 / 112 

数据分析的造型 / 113 

数据分析的装饰 / 114 

数据分析的工艺 / 115 

数据分析的层级 / 116 

本 章 复 盘 / 117 

第4 章 数据分析的基本方法 / 118 

4.1 数据分析的5 个步骤 / 120 

确认数据源是否正确 / 120 

判断变化的程度如何 / 120 

判断数据变化的周期如何 / 120 

数据变化的前、后发生了什么 / 121 

细分维度有哪些 / 121 

4.2 数据分析的8 个状态 / 123 

新的需求 / 123 

需求确认 / 123 

数据确认 / 125 

实现中 / 125 

交付 / 126 

复盘 / 126 

等待 / 127 

拒绝 / 127 

4.3 数据分析的指标体系 / 128 

利用鱼骨图找到关键指标 / 128 

从业务逻辑出发建立指标体系 / 129 

用二八法则管理指标体系 / 129 

4.4 提高数据敏感度 / 131 

4.5 用数据解决实际问题 / 134 

用流程解决问题 / 134 

通过分解找到关键问题 / 135 

通过交叉视点锁定原因 / 136 

依据方程式制定对策 / 136 

用数据讲故事 / 137 

4.6 数据分析的 9 个问题 / 138 

本 章 复 盘 / 140 

第5 章 数据分析的展现方法 / 142 

5.1 数据分析展现的重要原则 / 144 

5.2 数据分析展现的常用方法 / 146 

5.3 数据分析展现的图表选择 / 150 

类别比较 / 150 

时间趋势 / 151 

占比构成 / 152 

关联 / 153 

分布 / 154 

增强 / 155 

单值 / 156 

提示 / 156 

本 章 复 盘 / 157 

第6 章 制作数据分析报告的方法 / 158 

6.1 数据分析报告的3 个层级 / 162 

是什么 / 162 

为什么 / 162 

怎么办 / 162 

6.2 数据分析报告的4 种情景 / 165 

首次数据分析报告 / 165 

常规数据分析报告 / 165 

问题数据分析报告 / 166 

总结数据分析报告 / 166 

6.3 数据分析报告的5 类问题 / 167 

是多少 / 167 

好不好 / 167 

为什么 / 168 

会怎样 / 168 

怎么办 / 168 

6.4 数据分析报告的6 个步骤 / 170 

明确目标 / 170 

数据收集 / 170 

数据处理 / 171 

数据分析 / 171 

数据展现 / 172 

结论建议 / 172 

6.5 数据分析报告的7 个模块 / 173 

标题封面 / 173 

目录导航 / 174 

背景说明 / 174 

思路方法 / 174 

结论建议 / 175 

分析正文 / 175 

附录及封底 / 176 

6.6 数据分析报告的8 种颜色 / 177 

红色 / 177 

橙色 / 178 

黄色 / 178 

绿色 / 178 

蓝色 / 179 

紫色 / 179 

黑色 / 180 

灰色 / 180 

本 章 复 盘 / 182 

第7 章 数据分析的思维模型 / 184 

7.1 理解现状类思维模型 / 187 

正态分布模型 / 187 

幂律分布模型 / 188 

帕累托分析模型 / 191 

本福特分析模型 / 192 

同期群分析模型 / 194 

SWOT 分析模型 / 195 

PEST 分析模型 / 197 

7.2 分析原因类思维模型 / 201 

杜邦分析模型 / 201 

矩阵分析模型 / 203 

RFM 分析模型 / 209 

销售漏斗模型 / 212 

聚类分析模型 / 215 

KＡＮＯ分析模型 / 216 

标杆分析模型 / 218 

7.3 预测未来类思维模型 / 220 

决策树分析模型 / 220 

生命周期模型 / 223 

福格行为模型 / 224 

夏普利值模型 / 225 

A/B 测试模型 / 227 

线性回归模型 / 230 

本 章 复 盘 / 233 

后 记 / 234 

致 谢 / 235 

参 考 文 献 / 236