数据运营 数据分析模型撬动新实战

本书主要内容本书主要介绍12个经典数据分析模型在零售企业的决策应用实战，着重介绍企业不同的业务场景会遇见的运营问题，针对不同的问题怎样选择分析模型，怎么分析？模型结果如何落地？? 基础部分第1～4章，内容相对简单。第1章是基础内容，打基石的部分，这是考虑到有些读者对数据分析应用或者利用数据可视化洞察业务具有入门的需求。第2～4章介绍的是常见且较简单的分析模型，帮助读者简单理解模型的决策支持。? 进阶部分第5～10章，较前面内容相对复杂，复杂的“点”可能在于决策应用，也可能在模型实现，将这些模型集中到一起，主要想帮助读者更进一步理解分析模型如何支持决策。? 高阶部分第11～12章，选取阿里巴巴公司目前针对零售品牌企业全域运营较为主流的营销模型，某种程度而言属于企业战略层操作。它们落地时需要将前面基础、进阶部分的分析模型融合在一起应用，所以这部分是本书数据分析模型系统应用的一个升华。从读者的学习路径来说，完成了对数据分析模型“基础认知—模型理解—理解决策应用”的完整学习链路。本书主要解决以下问题：? 针对不同的业务场景，分析模型怎么选？? 利用数据分析解决业务问题的完整思路是怎样的？? 商业分析如何养成？分析结果如何落地？本书适合读者：数据分析师、市场分析师、商业分析师、数据运营官、业务决策者、强数据意识企业高层领导，以及其他对数据分析或数据运营感兴趣或欲转行从事数据分析或数据运营工作的人员。

叶秋萍（公众号ID：shujushangye）从数据分析师到数据分析运营管理者。专业书籍《数据实践之美》作者之一。互联网、传统行业都曾涉猎。服务过世界500强企业数据项目；经手过数据治理、数据分析、BI、数据中台设计、数据运营、用户画像等数据应用及企业整体解决方案；熟悉前沿的数据产品、数据运营体系。致力于企业从“点”到“面”的数据应用，不能落地的数据项目都属于资源浪费。

第1 篇　零售企业基础分析方法应用 
第1 章　开启数据化业务洞察：基础分析方法 002 
1.1　趋势分析 003 
1.2　对比分析 005 
1.3　分布分析 009 
1.4　组成分析 013 
1.5　关系分析 015 
1.6　其他分析方法 017 
1.7　本章小结 019 
第2 章　让客单价“飞”起来：购物篮分析 020 
2.1　从经典故事的起源探索购物篮分析的奥秘 020 
2.2　两个案例：购物篮分析数据化决策怎么用 022 
2.2.1　模型适用的零售业务场景 022 
2.2.2　案例1 ：不合时宜的服饰可以不打折清仓吗 025 
2.2.3　案例2 ：如何轻松获取私域运营流量 
（新零售场景） 030 
2.3　购物篮分析模型的实现 034 
2.4　本章小结 036 
第3 章　擒贼先擒王，高效降本增益：帕累托分析 038 
3.1　二八定律诞生的科学性 038 
3.2　两个案例：帕累托分析数据化决策怎么用 040 
3.2.1　模型适用的零售业务场景 040 
3.2.2　案例1 ：降本增益，1500 多个商品如何优化 041 
3.2.3　案例2 ：企业的用户贡献分布健康吗 
（CRM 管理） 045 
3.3　帕累托分析模型的实现 049 
3.4　本章小结 054 
第4 章　精准定位，业绩优化有方向：象限分析 056 
4.1　象限分割的数学逻辑原理 057 
4.2　两个案例：象限分析数据化决策怎么用 060 
4.2.1　模型适用的零售业务场景 060 
4.2.2　案例1 ：餐厅的菜品如何管理优化 062 
4.2.3　案例2 ：纸业零售商如何提升门店业绩 066 
4.3　象限分析模型的实现 070 
4.4　本章小结 074 
第2 篇　零售企业进阶分析方法应用 
第5 章　快速厘清自己，掌握外部形势：SWOT 分析 076 
5.1　SWOT 分析的原理 076 
5.2　两个案例：SWOT 分析数据化决策怎么用 079 
5.2.1　模型适用的零售业务场景 080 
5.2.2　案例1 ：用户眼中的品牌是什么样的 
（市场决策） 081 
5.2.3　案例2 ：备选开店的3 家购物中心该如何选择 
（企业战略） 085 
5.3　本章小结 091 
第6 章　1 分钟梳理10 万个用户的商业价值：RFM 分析 092 
6.1　RFM 分析的逻辑原理 093 
6.2　两个案例：RFM 分析数据化决策怎么用 095 
6.2.1　模型适用的零售业务场景 095 
6.2.2　案例1 ：你的高价值用户在哪里（CRM） 097 
6.2.3　案例2 ：打折清仓的靴子卖给谁（营销决策） 103 
6.3　RFM 分析模型的实现 107 
6.4　本章小结 110 
第7 章　不懂商业数据分析？先来听它说：杜邦分析 112 
7.1　从经典起源看杜邦分析如何“解” 112 
7.2　两个案例：杜邦分析数据化决策怎么用 114 
7.2.1　模型适用的零售业务场景 114 
7.2.2　案例1 ：上个月的营业总成本为何这么高 
（财务分析） 117 
7.2.3　案例2 ：如何快速学会商业分析（商业思维） 120 
7.3　杜邦分析模型的实现 124 
7.4　本章小结 125 
…… 

……

本书主要内容本书主要介绍12个经典数据分析模型在零售企业的决策应用实战，着重介绍企业不同的业务场景会遇见的运营问题，针对不同的问题怎样选择分析模型，怎么分析？模型结果如何落地？? 基础部分第1～4章，内容相对简单。第1章是基础内容，打基石的部分，这是考虑到有些读者对数据分析应用或者利用数据可视化洞察业务具有入门的需求。第2～4章介绍的是常见且较简单的分析模型，帮助读者简单理解模型的决策支持。? 进阶部分第5～10章，较前面内容相对复杂，复杂的“点”可能在于决策应用，也可能在模型实现，将这些模型集中到一起，主要想帮助读者更进一步理解分析模型如何支持决策。? 高阶部分第11～12章，选取阿里巴巴公司目前针对零售品牌企业全域运营较为主流的营销模型，某种程度而言属于企业战略层操作。它们落地时需要将前面基础、进阶部分的分析模型融合在一起应用，所以这部分是本书数据分析模型系统应用的一个升华。从读者的学习路径来说，完成了对数据分析模型“基础认知—模型理解—理解决策应用”的完整学习链路。本书主要解决以下问题：? 针对不同的业务场景，分析模型怎么选？? 利用数据分析解决业务问题的完整思路是怎样的？? 商业分析如何养成？分析结果如何落地？本书适合读者：数据分析师、市场分析师、商业分析师、数据运营官、业务决策者、强数据意识企业高层领导，以及其他对数据分析或数据运营感兴趣或欲转行从事数据分析或数据运营工作的人员。

叶秋萍（公众号ID：shujushangye）从数据分析师到数据分析运营管理者。专业书籍《数据实践之美》作者之一。互联网、传统行业都曾涉猎。服务过世界500强企业数据项目；经手过数据治理、数据分析、BI、数据中台设计、数据运营、用户画像等数据应用及企业整体解决方案；熟悉前沿的数据产品、数据运营体系。致力于企业从“点”到“面”的数据应用，不能落地的数据项目都属于资源浪费。