商業分析思維與實踐:用數據分析解決商業問題
傅一航
- 出版商: 北京大學
- 出版日期: 2024-01-01
- 定價: $534
- 售價: 8.5 折 $454
- 語言: 簡體中文
- 頁數: 324
- ISBN: 7301344228
- ISBN-13: 9787301344224
-
相關分類:
Data Science
下單後立即進貨 (約4週~6週)
相關主題
商品描述
《商業分析思維與實踐:用數據分析解決商業問題》以業務為導向,詳細地講解了如何通過大數據分析來解決商業問題。其目的在於運用大數據分析思維,幫助讀者把學術知識應用於真實的業務場景,解決實際的業務問題。
《商業分析思維與實踐:用數據分析解決商業問題》基於業務問題,就如何搭建分析框架,厘清分析思路,按照標準分析步驟對數據進行恰當的預處理,選擇合適的分析方法和分析模型,使用恰當的分析工具對數據進行分析,以及對分析結果進行可視化和符合業務要求的解讀等內容展開講解,幫助業務專家做出合適的業務判斷,制定準確的業務策略。
《商業分析思維與實踐:用數據分析解決商業問題》既可作為各行各業的一線業務在線人員、業務決策人員、數據分析人員、企業管理人員的學習用書,也可以作為廣大本科院校、高職高專院校的大數據相關專業的教材用書,還可作為從事大數據分析與應用培訓的參考教材。
作者簡介
傅一航,大數據培訓講師。計算機軟件與理論碩士(研究方向:數據挖掘、搜索引擎)。在華為工作十年,獲得多個獎項及五項國家專利,對大數據技術有深入實踐和研究!
專注於大數據分析、數據挖掘、數據建模、機器學習等應用技術,以及大數據系統部署解決方案,旨在將大數據技術應用於商業領域,幫助決策者實現管理決策、運營決策、營銷決策!
目錄大綱
第 I 部分
數據決策理論篇
第 1 章 從 0 到 1 解構大數據 002
1.1 數字化背景 .002
1.2 大數據的三層認知 003
1.3 什麽是大數據 005
1.4 大數據十字特征 .006
1.5 DIKW 體系 009
1.6 數據的本質 .010
1.7 大數據不在於大,而在於全.011
本章小結013
第 2 章 數據決策的底層邏輯 014
2.1 數據的決策邏輯 .014
2.2 探索規律,按照規律來決策.015
2.3 發現變化,找到短板來決策.017
2.4 厘清關系,找影響因素做決策 020
2.5 預測未來,通過預判來決策.022
本章小結024
第 3 章 數據決策環節 025
3.1 數據決策路徑 .025
3.2 業務數據化 .026
3.3 數據信息化 .027
3.4 信息策略化 .028
3.5 案例:賺差價的營業員 028
本章小結030
第Ⅱ部分
數據分析基礎篇
第 4 章 數據分析概述 032
4.1 認識業務分析階段 032
4.1.1 現狀分析 . 033
4.1.2 原因分析 . 033
4.1.3 預測分析 . 033
4.2 了解數據分析方法 034
4.2.1 描述性分析 . 034
4.2.2 診斷性分析 . 034
4.2.3 預測性分析 . 035
4.2.4 推斷性分析 . 035
4.2.5 專題性分析 . 035
4.3 熟知數據分析過程 035
4.3.1 第 1 步:明確目的 036
4.3.2 第 2 步:收集數據 038
4.3.3 第 3 步:整理數據 039
4.3.4 第 4 步:分析數據 040
4.3.5 第 5 步:呈現數據 043
4.3.6 第 6 步:形成結論 044
本章小結045
第 5 章 數據分析框架 046
5.1 數據分析思路 .046
5.2 精準營銷分析框架(6R 準則) 047
5.2.1 正確的客戶 . 048
5.2.2 正確的產品 . 049
5.2.3 合理的價格 . 049
5.2.4 最佳的時機 . 050
5.2.5 合適的方式 . 050
5.2.6 恰當的信息 . 051
5.2.7 喜愛的套餐 . 051
5.3 精準營銷分析過程 052
5.4 用戶行為分析框架(5W2H) 055
5.4.1 WHY . 056
5.4.2 WHAT 056
5.4.3 WHO . 056
5.4.4 WHEN 056
5.4.5 WHERE . 057
5.4.6 HOW . 057
5.4.7 HOW MUCH . 057
5.5 零售行業指標體系 .058
5.5.1 人(銷售員、消費者) 058
5.5.2 貨(商品) . 059
5.5.3 場(店鋪) . 059
本章小結060
第 6 章 數據預處理 061
6.1 預處理任務 .061
6.2 數據集成 .062
6.2.1 樣本追加 . 063
6.2.2 變量合並 . 063
6.2.3 連接示例 . 067
6.3 數據清洗 .068
6.3.1 重覆值處理 . 068
6.3.2 錯誤值處理 . 069
6.3.3 離群值處理 . 070
6.3.4 缺失值處理 . 074
6.4 樣本處理 .076
6.4.1 數據篩選 . 076
6.4.2 隨機抽樣 . 076
6.4.3 數據平衡 . 077
6.5 變量處理 .078
6.6 質量評估 .079
本章小結080
第Ⅲ部分
描述統計分析篇
第 7 章 數據統計分析基礎 082
7.1 認識數據集 .082
7.1.1 數據集格式 . 082
7.1.2 數據存儲類型 . 083
7.1.3 數據統計類型 . 084
7.2 統計分析基礎 .085
7.2.1 操作模式 . 085
7.2.2 關鍵要素 . 086
7.2.3 三個操作步驟 . 087
7.2.4 透視表組成結構 088
7.3 常用統計指標 .089
7.3.1 集中趨勢 . 090
7.3.2 離散程度 . 092
7.3.3 分布形態 . 094
7.3.4 統計匯總函數 . 096
本章小結097
第 8 章 數據統計分析方法 098
8.1 對比分析法 .098
8.1.1 案例:用戶特征分析 099
8.1.2 案例:增量不增收 100
8.1.3 統計分析思路框架 102
8.2 結構分析法 .103
8.2.1 案例:靜態結構分析 104
8.2.2 案例:動態結構分析 104
8.2.3 案例:財務結構分析 105
8.3 分布分析法 .106
8.3.1 案例:運營商用戶消費分布 . 107
8.3.2 案例:銀行用戶消費分析 . 107
8.3.3 案例:運營商流量分布 109
8.4 趨勢分析法 .110
8.4.1 案例:手機銷量淡旺季 110
8.4.2 案例:訂單需求的周期性 . 111
8.4.3 案例:破解零售店的銷售規律 . 112
8.5 交叉分析法 .113
8.5.1 案例:各區域產品銷量 113
8.5.2 案例:產品偏好分析 114
8.5.3 案例:違約影響因素分析 . 117
8.6 杜邦分析法 .120
8.6.1 案例:凈資產收益率分析 . 121
8.6.2 案例:市場占有率分析 121
8.6.3 案例:銷售策略分析 122
8.7 漏鬥分析法 .122
8.7.1 案例:電商轉化率分析 123
8.7.2 案例:消費者行為分析模型 . 125
本章小結126
第 9 章 數據的可視化分析 127
9.1 繪圖基本原則 .127
9.2 柱形圖 .128
9.2.1 簡單柱形圖 . 128
9.2.2 覆式柱形圖 . 129
9.2.3 堆積柱形圖 . 129
9.2.4 百分比堆積柱形圖 130
9.2.5 畫圖原則 . 131
9.3 直方圖 .131
9.3.1 分布形態 . 132
9.3.2 溢出值考慮 . 133
9.3.3 多組直方圖 . 134
9.3.4 畫圖原則 . 134
9.4 箱形圖 .135
9.4.1 簡單箱形圖 . 135
9.4.2 分組箱形圖 . 136
9.4.3 畫圖原則 . 137
9.5 餅圖 137
9.5.1 簡單餅圖 . 137
9.5.2 覆合餅圖 . 138
9.5.3 畫圖原則 . 138
9.6 瀑布圖 .139
9.6.1 結構瀑布圖 . 139
9.6.2 變化瀑布圖 . 140
9.6.3 畫圖原則 . 141
9.7 折線圖 .141
9.7.1 簡單折線圖 . 141
9.7.2 多折線圖 . 141
9.7.3 畫圖原則 . 142
9.8 散點圖 / 氣泡圖 142
9.8.1 散點圖 142
9.8.2 氣泡圖 143
9.8.3 畫圖原則 . 143
9.9 漏鬥圖 .144
9.9.1 漏鬥圖介紹 . 144
9.9.2 畫圖原則 . 144
9.10 象限圖 .144
9.10.1 象限圖介紹 . 145
9.10.2 畫圖原則 . 145
9.11 帕累托圖 .145
9.11.1 帕累托圖介紹 . 145
9.11.2 畫圖原則 . 146
本章小結146
第Ⅳ部分
影響因素分析篇
第 10 章 相關分析 148
10.1 影響因素分析 .148
10.2 相關分析 .150
10.2.1 相關分析種類 151
10.2.2 散點圖 . 151
10.2.3 相關系數 . 153
10.2.4 顯著性檢驗 . 154
10.3 簡單相關分析步驟 155
10.3.1 第 1 步:繪制散點圖 156
10.3.2 第 2 步:計算相關系數 . 157
10.3.3 第 3 步:顯著性檢驗 158
10.3.4 第 4 步:進行業務判斷 . 158
10.4 三種相關系數 .158
10.4.1 Pearson 相關系數 . 159
10.4.2 Spearman 相關系數 . 160
10.4.3 Kendall 相關系數 . 161
10.5 相關系數的選擇 .164
10.6 案例:消費水平影響因素分析 165
10.7 偏相關分析 .167
10.7.1 偏相關概念 . 168
10.7.2 計算公式 . 168
10.7.3 顯著性檢驗 . 168
10.7.4 案例:消費水平的偏相關分析 . 169
本章小結170
第 11 章 方差分析 171
11.1 方差分析的基本知識 .171
11.1.1 基本原理 . 172
11.1.2 方差分析前提條件 178
11.2 方差分析類別 .179
11.3 單因素方差分析 .179
11.3.1 單因素方差分析步驟 179
11.3.2 案例:單因素方差分析應用 . 180
11.4 多因素方差分析 .183
11.4.1 基本原理 . 183
11.4.2 案例:營銷廣告策略分析 . 186
11.4.3 案例:消費水平的影響因素分析 189
11.5 協方差分析 .193
11.5.1 基本原理 . 193
11.5.2 案例:生豬飼料效果差異性評估 194
11.5.3 案例:消費水平的影響因素分析 195
本章小結197
第 12 章 列聯分析 198
12.1 列聯分析的基本知識 .198
12.1.1 列聯表 . 199
12.1.2 期望值 . 199
12.2 卡方檢驗 .200
12.3 列聯分析步驟 .201
12.4 案例:客戶流失的影響因素分析 201
本章小結205
第Ⅴ部分
統計推斷分析篇
第 13 章 概率論基礎 207
13.1 基本概念 .207
13.2 概率分布 .209
13.3 離散型概率分布 .210
13.3.1 概率分布表示 210
13.3.2 伯努利分布 . 212
13.3.3 二項分布 . 212
13.3.4 泊松分布 . 216
13.3.5 幾何分布 . 219
13.4 連續型概率分布 .221
13.4.1 概率分布表示 221
13.4.2 均勻分布 . 225
13.4.3 指數分布 . 226
13.4.4 正態分布 . 229
13.5 其他常用分布 .233
13.5.1 χ 2 分布 . 233
13.5.2 F 分布 236
13.5.3 T 分布 238
13.6 隨機變量的數字特征 .239
13.6.1 數學期望 . 240
13.6.2 方差 240
本章小結241
第 14 章 參數估計 243
14.1 抽樣估計基礎 .243
14.1.1 基本概念 . 243
14.1.2 抽樣方法 . 244
14.1.3 大數定律 . 246
14.1.4 中心極限定理 247
14.2 參數估計 .250
14.2.1 點估計 . 250
14.2.2 均值點估計 . 252
14.2.3 比例點估計 . 253
14.2.4 產品壽命估計 254
14.3 區間估計 .255
14.3.1 基本概念 . 255
14.3.2 均值區間估計 256
14.3.3 方差區間估計 260
14.3.4 比例區間估計 263
14.4 抽樣誤差 .265
14.5 樣本容量確定 .266
14.5.1 均值評估的樣本容量 266
14.5.2 比例評估的樣本容量 267
本章小結268
第 15 章 假設檢驗 269
15.1 基本思想 .269
15.1.1 反證法 . 270
15.1.2 小概率 . 270
15.2 檢驗種類 .270
15.3 基本步驟 .271
15.4 顯著性檢驗 .274
15.5 常用檢驗統計量 .277
15.5.1 均值檢驗 . 277
15.5.2 方差檢驗 . 283
15.5.3 比例檢驗 . 286
15.6 兩類錯誤 .287
15.7 案例:SPSS 中假設檢驗 .288
15.7.1 案例:周歲兒童身高 T 檢驗 . 288
15.7.2 案例:信用卡消費水平 T檢驗 289
本章小結291
第 16 章 雙樣本假設檢驗 292
16.1 兩獨立樣本檢驗 .292
16.1.1 均值差異檢驗 293
16.1.2 方差齊性檢驗 296
16.2 兩配對樣本檢驗 .297
16.2.1 案例:存活天數差異 298
16.2.2 案例:施肥對幼苗成長影響 . 299
16.2.3 案例:針織品斷裂強力差異檢驗 300
16.3 案例:Excel 中雙樣本檢驗 301
16.3.1 案例:供應商交付周期差異評估 301
16.3.2 案例:農作物產量差異分析 . 303
16.3.3 案例:樁長度的估計值與
實際值的差異評估 305
16.4 案例:SPSS 中雙樣本檢驗 .306
16.4.1 案例:促銷與非促銷效果差異檢驗 . 306
16.4.2 案例:煙齡和膽固醇關系檢驗 308
16.4.3 案例:減肥茶效果檢驗 . 309
本章小結310
參考文獻 311