數據分析師手記 — 數據分析 72個核心問題精解

第 1 章　底層認知 

1.1 基礎認知 

第 1 問：數據分析怎麽學？—本書學習指南 / 2

第 2 問：數據分析是怎麽來的？—數據分析極簡發展史 / 4

第 3 問：什麽是數據指標？ / 6

第 4 問：常見的指標有哪些？ / 9

第 5 問：對於數據分析領域，統計學要學到什麽程度？ / 10

第 6 問：數據分析領域主要的崗位有哪些？ / 13

1.2　底層邏輯 / 17

第 7 問：如何建立完整有效的數據指標體系？ / 17

第 8 問：數據指標體系如何應用？—數據監控體系 / 21

第 9 問：數據分析的產出價值是什麽？ / 24

第 10 問：數據分析的常見陷阱有哪些？ / 26

第 11 問：如何讓數據驅動業務？—數據分析流程 / 28

 

第 2 章　思維方法 / 32 

2.1　數據思維 / 33

第 12 問：什麽是數據思維？ / 33

第 13 問：怎麽使用數據思維？ / 35

第 14 問：怎麽訓練數據思維？ / 38

2.2　通用分析方法 / 41

第 15 問：什麽是數據異常分析？ / 41

第 16 問：什麽是描述性分析？ / 43

第 17 問：什麽是對比分析？ / 46

第 18 問：什麽是細分分析？ / 48

第 19 問：什麽是歸因分析？ / 52

第 20 問：什麽是預測分析？ / 56

第 21 問：什麽是相關性分析？ / 58

第 22 問：什麽是二八定律 / 帕累托定律分析？ / 61

2.3　商業分析方法 / 63

第 23 問：什麽是 PEST 分析？ / 63

第 24 問：什麽是 SWOT 分析？ / 65

第 25 問：什麽是邏輯樹分析？ / 68

第 26 問：什麽是“STP+4P”分析？ / 71

第 27 問：什麽是波士頓矩陣分析？ / 73

第 28 問：什麽是 5W2H 分析？ / 77

2.4　產品分析方法 / 79

第 29 問：什麽是生命周期分析？ / 80

第 30 問：什麽是 AB 測試分析？ / 83

第 31 問：什麽是競品分析？ / 88

2.5　用戶分析方法 / 90

第 32 問：什麽是用戶畫像分析？ / 90

第 33 問：什麽是漏鬥分析？ / 96

第 34 問：什麽是 RFM 用戶分層分析？ / 100

第 35 問：什麽是同期群分析？ / 104

 

第 3 章　工具技術 / 107 

第 36 問：分析工具如何選？—常用場景說明 / 108

3.1　Excel / 109

第 37 問：用 Excel 做數據分析夠嗎？— Excel 的學習路徑 / 109

第 38 問：Excel 中有哪些重要的函數或功能？—Excel 高頻常用函數介紹 / 110

第 39 問：如何用 Excel 做數據分析？—Excel 透視表最全指南 / 114

3.2　SQL / 127

第 40 問：什麽是 SQL ？—SQL 的學習路徑 / 127

第 41 問：SQL 基礎操作有哪些？ / 129

第 42 問：SQL 有哪些高頻函數？ / 130

第 43 問：SQL 的表連接該如何做？ / 130

第 44 問：什麽是 SQL 的窗口函數？ / 137

第 45 問：SQL 要學習到什麽程度？—SQL 在數據分析中落地 / 147

3.3　Python / 151

第 46 問：什麽是 Python ？—Python 的介紹與開始 / 151

第 47 問：Python 基礎語法有哪些？ / 152

第 48 問：Python 數據分析工具包 Pandas 是什麽？ / 160

第 49 問：Python 數據可視化工具包 Matplotlib 是什麽？ / 177

第 50 問：Pandas 如何解決業務問題？—數據分析流程詳解 / 183

3.4　PowerBI / 195

第 51 問：什麽是商業智能？—商業智能與 PowerBI 入門 / 195

第 52 問：PowerBI 的核心概念有哪些？—一文看懂 PowerBI 運行邏輯 / 198

第 53 問：如何用 PowerBI 做數據分析？—PowerBI 完整數據分析流程案例 / 208

 

第 4 章　項目落地 / 222 

4.1　落地思維 / 223

第 54 問：數據分析的結果該如何落地？ / 223

第 55 問：數據分析沒有思路怎麽辦？—數據分析中“以終為始”的思考邏輯 / 226

第 56 問：如何從不同層次理解業務？—數據分析中“點線面體”的思考邏輯 / 229

第 57 問：數據分析怎麽做才有價值？—數據分析中的目標管理 / 231

4.2　理解業務本質 / 235

第 58 問：常說的業務場景是什麽？—從營銷角度出發構建“業務場景模型” / 235

第 59 問：零售行業常說的人貨場是什麽？—從“人貨場模型”看落地場景中的數據

分析 / 240

第 60 問：如何深入理解業務？—利用點線面思維構建“業務模型” / 242

第 61 問：如何梳理業務流程？—從“線”的層次思考業務 / 245

第 62 問：如何看懂公司的商業模式？—從“面”的層次思考業務 / 250

第 63 問：從戰略層次全局看待業務？—從“體”的層次思考業務 / 254

4.3　互聯網產品數據分析實踐 / 258

第 64 問：如何分析用戶行為數據？—還原實際業務中的落地分析流程 / 258

第 65 問：如何定義問題？—AARRR 模型中獲取階段的落地分析 / 263

第 66 問：如何形成分析思路？—AARRR 模型中促活階段的落地分析 / 268

第 67 問：如何給落地建議？—AARRR 模型中留存階段的落地分析 / 274

4.4　報告呈現 / 279

第 68 問：為什麽要做數據分析報告？—向上匯報與橫向溝通 / 279

第 69 問：如何用數據來講故事？—報告結構與金字塔原理 / 281

第 70 問：如何製作一個圖表？—數據可視化的邏輯 / 284

4.5　項目復現實戰 / 287

第 71 問：游戲行業，如何分析活動？ / 287

 

第 5 章　展望 / 298 

第 72 問：數據分析師的前景及如何成長？ / 299