万本电子书0元读

万本电子书0元读

顶部广告

数据分析师养成宝典电子书

只要学会数据思维,数据分析任你摆布 只要有想法肯动脑,有无基础皆可学会 只要懂得指标设计,项目落地信手捏来

售       价:¥

纸质售价:¥62.20购买纸书

1061人正在读 | 0人评论 6.6

作       者:程显毅,曲平,李牧

出  版  社:机械工业出版社

出版时间:2018-12-14

字       数:15.8万

所属分类: 科技 > 计算机/网络 > 计算机理论与教程

温馨提示:此类商品不支持退换货,不支持下载打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
在数据为主导的今天,对于一种已经成型的模型,“怎么用”通常不是问题,用个软件或者编几行程序就能得到结果了,问题一般都出在模型“什么时候用”和“用完了,然后呢”。《数据分析师养成宝典》就集中讨论后面两件事情。 《数据分析师养成宝典》共27章,分为业务理解篇(第1~4章)、指标设计篇(第5~7章)、数据建模篇(第8~16章)、价值展现篇(第17~19章)和实战阶篇(第20~27章)。业务理解篇的目的是让读者建立正确的思维观,理解数据,熟悉业务;指标设计篇学习把数据转换为专家数据的一些技巧;数据建模篇以R语言为计算平台实施数据分析全过程;价值展现篇主要讨论如何撰写有价值的数据分析报告;实战阶篇通过对8个经典案例的分析,使读者能够把学到的思维方法、实施工具应用到解决实际问题中,把数据变成价值。 本书可供数据科学相关技术人员阅读,也可作为高等院校数据科学相关专业的教材或培训教材,以及数据分析爱好者的参考读物。 在数据为主导的今天,对于一种已经成型的模型,“怎么用”通常不是问题,用个软件或者编几行程序就能得到结果了,问题一般都出在模型“什么时候用”和“用完了,然后呢”。《数据分析师养成宝典》就集中讨论后面两件事情。 《数据分析师养成宝典》共27章,分为业务理解篇(第1~4章)、指标设计篇(第5~7章)、数据建模篇(第8~16章)、价值展现篇(第17~19章)和实战阶篇(第20~27章)。业务理解篇的目的是让读者建立正确的思维观,理解数据,熟悉业务;指标设计篇学习把数据转换为专家数据的一些技巧;数据建模篇以R语言为计算平台实施数据分析全过程;价值展现篇主要讨论如何撰写有价值的数据分析报告;实战阶篇通过对8个经典案例的分析,使读者能够把学到的思维方法、实施工具应用到解决实际问题中,把数据变成价值。 本书可供数据科学相关技术人员阅读,也可作为高等院校数据科学相关专业的教材或培训教材,以及数据分析爱好者的参考读物。
【推荐语】
只要学会数据思维,数据分析任你摆布 只要有想法肯动脑,有无基础皆可学会 只要懂得指标设计,项目落地信手捏来
目录展开

如何使用本书

第0章 说在前面的话

0.1 大数据分析案例

0.2 数据分析

0.2.1 数据分析不同于信息化系统

0.2.2 数据分析不同于统计分析

0.2.3 数据分析不同于数据挖掘

0.2.4 数据分析不同于数据管理

0.2.5 数据分析不同于商业智能

0.2.6 数据分析的内容

0.3 数据分析师

0.3.1 什么是数据分析师

0.3.2 基本要求

0.4 数据分析过程

0.4.1 业务理解

0.4.2 指标设计

0.4.3 数据建模

0.4.4 分析报告

业务理解篇

第1章 正确的思维观

1.1 数据思维

1.2 统计思维

1.3 逻辑思维

第2章 理解数据

2.1 数据是什么

2.2 数据所依存的背景

2.3 数据维度

2.4 数据敏感

2.5 数据质量

2.6 理解数据要注意的问题

第3章 理解业务

3.1 全局了解——业务模型

3.2 动态了解——流程模型

3.3 静态了解——数据模型

3.4 动静结合——关键业务分析

3.5 数据业务化

第4章 理解用户

4.1 由粗到细,从宏观到微观

4.2 由少到多,收集不同层次的需求

4.3 数据分析师对理解用户需求的思考

指标设计篇

第5章 数据准备

5.1 数据探索

5.2 数据整理

5.3 数据集成

第6章 数据指标

6.1 指标和维度

6.2 特征工程

6.3 指标设计基本方法

6.4 典型业务指标设计

第7章 数据认知

7.1 认知数据的平均水平和波动情况

7.2 认知数据的分布

7.3 利用相关系数理解数据之间的关系

7.4 通过对比认知数据

7.5 通过多维交叉来深入认知数据

7.6 周期性分析

7.7 贡献度分析

7.8 因子分析

数据建模篇

第8章 神经网络

8.1 模型原理

8.2 进阶指导

第9章 回归分析

9.1 模型原理

9.2 进阶指导

第10章 聚类分析

10.1 模型原理

10.2 进阶指导

第11章 关联分析

11.1 模型原理

11.2 进阶指导

第12章 决策树

12.1 模型原理

12.2 进阶指导

第13章 随机森林决策树

13.1 模型原理

13.2 进阶指导

第14章 自适应选择决策树

14.1 模型原理

14.2 进阶指导

第15章 SVM

15.1 模型原理

15.2 进阶指导

第16章 建模指导

16.1 建模要注意的问题

16.2 R语言中建模常用包

16.3 数据分析模型的原理和应用场景

价值展现篇

第17章 如何写好数据分析报告

17.1 数据的价值

17.2 讲故事

17.3 如何写报告

17.4 报告的结构

17.5 文字表达

17.6 分析过程

17.7 注意事项

第18章 数据可视化

18.1 什么是数据可视化

18.2 数据可视化的作用

18.3 可视化建议

18.4 科学与艺术的结合

18.5 可视化细节

18.6 R语言绘图

18.7 图形适用场景

第19章 数据分析报告制作工具

19.1 knitr包

19.2 rmarkdown包

实战进阶篇

第20章 校园网中推荐者的推荐价值分析

20.1 业务理解

20.2 指标设计

20.3 描述性分析

20.4 模型分析

20.5 分析报告

第21章 上市企业财务报表分析与ST预测

21.1 业务理解

21.2 指标设计

21.3 描述性分析

21.4 模型分析

21.5 分析报告

第22章 为什么销售会减少——验证性分析

22.1 业务理解

22.2 指标设计

22.3 描述性分析

22.4 结论与建议

第23章 什么样的顾客会选择离开——探索性分析

23.1 业务理解

23.2 指标设计

23.3 描述性分析

23.4 结论与建议

第24章 哪种广告的效果更好——假设检验

24.1 业务理解

24.2 数据建模

24.3 模型分析

24.4 结论与建议

第25章 如何获得更多的用户——多元回归分析

25.1 业务理解

25.2 数据建模

25.3 模型分析

25.4 结论与建议

第26章 航空公司顾客价值分析——聚类

26.1 业务理解

26.2 指标设计

26.3 模型构建

26.4 模型评价

26.5 结论与建议

第27章 窃电用户行为分析——决策树

27.1 业务理解

27.2 简单指标设计

27.3 描述性分析

27.4 复杂指标设计

27.5 数据建模

27.6 模型分析

27.7 结论与建议

参考文献

附录

附录A R语言中常用数据处理函数

附录B 大数据原理

附录C 可视化数据挖掘Rattle包

后记

累计评论(0条) 0个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部