为你推荐
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
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
7.2
