封面
版权信息
作者简介
内容简介
前言
第1章 底层认知
1.1 基础认知
第1问：数据分析怎么学？—本书学习指南
第2问：数据分析是怎么来的？—数据分析极简发展史
第3问：什么是数据指标？
第4问：常见的指标有哪些？
第5问：对于数据分析领域，统计学要学到什么程度？
第6问：数据分析领域主要的岗位有哪些？
1.2 底层逻辑
第7问：如何建立完整有效的数据指标体系？
第8问：数据指标体系如何应用？—数据监控体系
第9问：数据分析的产出价值是什么？
第10问：数据分析的常见陷阱有哪些？
第11问：如何让数据驱动业务？—数据分析流程
第2章 思维方法
2.1 数据思维
第12问：什么是数据思维？
第13问：怎么使用数据思维？
第14问：怎么训练数据思维？
2.2 通用分析方法
第15问：什么是数据异常分析？
第16问：什么是描述性分析？
第17问：什么是对比分析？
第18问：什么是细分分析？
第19问：什么是归因分析？
第20问：什么是预测分析？
第21问：什么是相关性分析？
第22问：什么是二八定律／帕累托定律分析？
2.3 商业分析方法
第23问：什么是PEST分析？
第24问：什么是SWOT分析？
第25问：什么是逻辑树分析？
第26问：什么是“STP+4P”分析？
第27问：什么是波士顿矩阵分析？
第28问：什么是5W2H分析？
2.4 产品分析方法
第29问：什么是生命周期分析？
第30问：什么是AB测试分析？
第31问：什么是竞品分析？
2.5 用户分析方法
第32问：什么是用户画像分析？
第33问：什么是漏斗分析？
第34问：什么是RFM用户分层分析？
第35问：什么是同期群分析？
第3章 工具技术
第36问：分析工具如何选？—常用场景说明
3.1 Excel
第37问：用Excel做数据分析够吗？— Excel的学习路径
第38问：Excel中有哪些重要的函数或功能？—Excel高频常用函数介绍
第39问：如何用Excel做数据分析？—Excel透视表最全指南
3.2 SQL
第40问：什么是SQL？—SQL的学习路径
第41问：SQL基础操作有哪些？
第42问：SQL有哪些高频函数？
第43问：SQL的表连接该如何做？
第44问：什么是SQL的窗口函数？
第45问：SQL要学习到什么程度？—SQL在数据分析中落地
3.3 Python
第46问：什么是Python？—Python的介绍与开始
第47问：Python基础语法有哪些？
第48问：Python数据分析工具包Pandas是什么？
第49问：Python数据可视化工具包Matplotlib是什么？
第50问：Pandas如何解决业务问题？—数据分析流程详解
3.4 PowerBI
第51问：什么是商业智能？—商业智能与PowerBI入门
第52问：PowerBI的核心概念有哪些？—一文看懂PowerBI运行逻辑
第53问：如何用PowerBI做数据分析？—PowerBI完整数据分析流程案例
第4章 项目落地
4.1 落地思维
第54问：数据分析的结果该如何落地？
第55问：数据分析没有思路怎么办？—数据分析中“以终为始”的思考逻辑
第56问：如何从不同层次理解业务？—数据分析中“点线面体”的思考逻辑
第57问：数据分析怎么做才有价值？—数据分析中的目标管理
4.2 理解业务本质
第58问：常说的业务场景是什么？—从营销角度出发构建“业务场景模型”
第59问：零售行业常说的人货场是什么？—从“人货场模型”看落地场景中的数据分析
第60问：如何深入理解业务？—利用点线面思维构建“业务模型”
第61问：如何梳理业务流程？—从“线”的层次思考业务
第62问：如何看懂公司的商业模式？—从“面”的层次思考业务
第63问：从战略层次全局看待业务？—从“体”的层次思考业务
4.3 互联网产品数据分析实践
第64问：如何分析用户行为数据？—还原实际业务中的落地分析流程
第65问：如何定义问题？—AARRR模型中获取阶段的落地分析
第66问：如何形成分析思路？—AARRR模型中促活阶段的落地分析
第67问：如何给落地建议？—AARRR模型中留存阶段的落地分析
4.4 报告呈现
第68问：为什么要做数据分析报告？—向上汇报与横向沟通
第69问：如何用数据来讲故事？—报告结构与金字塔原理
第70问：如何制作一个图表？—数据可视化的逻辑
4.5 项目复现实战
第71问：游戏行业，如何分析活动？
第5章 展望
第72问：数据分析师的前景及如何成长？
更新时间：2024-12-28 12:16:30
完结共98章
倒序