【CDA数字化系列丛书】数据分析之道：用数据思维指导业务实战

作者：李渝方

推荐语：

• 互联网大厂资深数据分析师实战总结
• 以数据思维为主题 数据分析全流程为主线
• 有思维、有方法、有案例
  

编辑推荐：

• 本书作者是互联网大厂资深数据分析师
• 作者累计创作 “100+”篇数据分析原创文章，全网累计阅读量超1000000
• 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
• 本书适合工作了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等
  

作者简介
李渝方，网名森夏恩，复旦大学硕士，生物医学专业转行互联网数据分析，先后就职于游族网络、 阿里巴巴，现就职于某互联网大厂担任数据分析师。知乎数据分析话颖的优秀回答者， 公众号“数据万花筒”运营者，累计创作 “100+”篇数据分析原创文章，原创文章在全网累计阅读量超过百万！
内容简介：
本书以数据思维为主题，以数据分析全流程为主线，融合了与数据思维相关的编程语言、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。
本书适合工作了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等。

大咖推荐：
数据分析经常遇到的问题就是没有数据思维，本书介绍了数据分析常见的思维，并且辅以真实的互联网大厂的案例，让读者可以从中学习如何应用数据分析思维和方法来解决实际问题，强烈建议想要学习数据分析以及想要培养数据思维的人都来学习一下。
前腾讯数据科学家，公众号“渔好学”主编，陈友洋
数据分析是一门艺术。做好数据分析不是一件容易的事情，既要了解业务，又要有数据意识，还要懂得分析方法。本书从数据思维、数据体系、数据分析方法论等多个方面进行了深入浅出的讲解，同时结合作者在行业里多年的实践经验，沉淀，并整理成一套行之有效的学习体系，这对于很大一部分数据分析师有非常好的指导意义。
游族数据中心负责人，贾彦龙
这本书从数据思维讲起，帮助读者建立完整的数据指标体系，将各种方法是如何运用到实战中的讲解得细致透彻。道、法、术，从思维到方法，再到实践，由表及里，逐渐深入，真的是书如其名：数据分析之道，是一本不可多得的好书，建议数据分析从业者都看一下，对业务有着很大的指导意义！
《Excel数据处理与分析》作者，公众号“可乐的数据分析之路”负责人，可乐
本书以数据分析的思维方法串起了数据治理、数据埋点、数据指标体系，帮助读者理解如何建立数据思维。内容层层递进，逐渐深入。通过朴实易懂、严谨客观的文字，可以看出作者对数据分析的深刻理解。整本书在方法论提炼上亮点突出，在应用实践的案例阐述上也做到了深入浅出。对于数据分析初学者或进阶的人来说，本书是一本很不错的从业工具书，特别适合互联网从业人员，如数据分析师、产品经理、运营人员。
字节跳动策略产品，前游族数据产品总监，李姣阳
各行各业的人才都需要提高数据分析能力，从而提高在职场中的竞争力，很多人误以为学会SQL、Python这类工具就已经精通数据分析了。在本书中明确了数据分析的本质，从实际业务问题出发，从定位问题、提出问题假设到数据采集，再运用合适的数据分析方法解决这一类业务场景问题。本书非常适合于需要提升数据分析能力的职场人，能帮助其找到优化业务的路径。
快手数据分析师，公众号“DataGo数据狗”主编，唐甜
跟渝方认识有3年时间，她做研究、做工作总是很认真、努力，给人积极向上的正能量。这本渝方用一年多时间写成的书，结合了她对工作的实践总结和深度思考，能帮助数据分析师和其他相关业务人员培养数据思维，建立数据分析的方法论。
巨人网络数据总监，周晟
为什么会写这本书
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。
而市面上关于数据思维的书籍较少且部分书籍讲授的知识点较浅，能够将数据思维、编程语言、统计学思想及案例分析等融为一体的书籍少之又少，于是我萌生了写一本以数据分析全流程为主线的数据思维相关书籍的想法。由于我长期坚持在自媒体上分享数据分析相关的转行经验、数据思维相关的思考，几年下来积淀了不少受大家欢迎的文章，为书籍的创作奠定了一定基础，因此有编辑陆续邀请我写书。最终，选择和电子工业出版社张慧敏老师合作，也开始了我的写书历程。
本书特色
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。
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。
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。

目 录
第1 篇 数据思维
第1 章 数据思维是什么  1
1.1 从数据治理流程浅谈数据思维  1
1.2 数据思维到底是什么  5
1.3 数据思维最直观的解释  6
第2 章 为什么数据思维如此重要 . 9
2.1 数据思维是数据分析师必备的技能  9
2.2 数据思维是数据分析师成长晋升的必备技能  11
2.3 数据思维能帮助数据分析师建立影响力  11
第3 章 数据思维如何培养  14
3.1 熟悉常用的数据分析方法  14
3.2 树立目标意识，寻找潜在分析点  16
3.3 不预设立场，通过客观的标准代替主观的判断  19
3.4 基于数据分析结果为业务方提出切实可行的解决方案  21
第2 篇 数据指标体系
第4 章 数据埋点  27
4.1 数据埋点简介  27
4.2 数据埋点分类及主流的数据上报技术  30
4.3 数据埋点方案设计  32
第5 章 数据标签体系 38
5.1 数据标签体系与用户画像  38
5.2 如何构建数据标签体系  42
5.3 数据标签体系的应用场景  47
第6 章 数据指标体系  49
6.1 从中国人口数据初识指标体系构建  49
6.2 用四个模型梳理数据指标体系构建的方法论  53
6.3 如何搭建一套通用的指标体系并快速落地应用  60
6.4 定位异动因素  65
第3 篇 数据分析方法论
第7 章 对比思维 71
7.1 利用对比分析得出结论  71
7.2 A/B 试验设计及容易忽略的误区 78
7.3 A/B 试验背后涉及的统计学原理  87
7.4 Python 实战：A/B 试验在广告方案选择中的应用  96
第8 章 分群思维 . 102
8.1 从用户生命周期浅谈分群思维  102
8.2 用数据分箱进行结构化分析  107
8.3 同期群分析解读用户生命周期，剖析真实用户行为和价值  110
8.4 Python 实战：基于RFM 模型及K-Means 算法实现用户分群  115
第9 章 相关与因果  133
9.1 相关性分析简介  133
9.2 因果推断方法论  138
9.3 Python 实战：利用DoWhy 框架实现因果推断 . 144
第4 篇 数据分析案例实战
第10 章 用户流失分析  159
10.1 用户流失分析方法论  159
10.2 案例分析：用5W2H 方法分析游戏用户流失原因  165
10.3 用5 个理论模型构建外部因素分析框架  170
10.4 如何设计问卷验证用户流失的原因  176
10.5 Python 实战：通过生存分析预测用户流失周期  182
第11 章 用户转化与付费分析  197
11.1 用户转化与付费分析概述  197
11.2 贝叶斯公式在用户转化中的应用  198
11.3 案例分析：用漏斗模型分析某电商平台换货业务，提升用户转化率  201
11.4 用营销增益模型实现用户分群，辅助运营人员识别营销敏感人群  208
11.5 Python 实战：利用营销增益模型识别营销敏感人群  212

购买链接
京东：https://item.jd.com/13069445.html
当当：http://product.dangdang.com/29369000.html
CDA直播福利：CDA大咖汇直播进行中