産品特色

編輯推薦

　　本書是一本數據分析寶典，書中精講瞭數據分析的各種方法，如七何分析法、演繹樹分析法、金字塔原理、4P營銷理論、SWOT分析法、比較分析法、平均分析法，迴歸分析法、檢驗分析法等，幫助讀者快速從新手成為數據分析高手！
　　全書所有內容零基礎、全圖解，通過3大數據分析工具+7大分析步驟＋13大整理數據的方法＋17大美化圖錶法＋20大數據分析法＋70多個實用案例+100多個專傢知識補充+100多個數據分析圖解＋450多張精美圖片，深度剖析數據分析的精華之處，讓您一書在手，即可徹底讀懂數據分析，從菜鳥成為達人！

內容簡介

　　本書是一本數據分析寶典，精講瞭數據分析的各種方法，如七何分析法、演繹樹分析法、金字塔原理、4P營銷理論、SWOT分析法、比較分析法、平均分析法、迴歸分析法、檢驗分析法等，幫助讀者快速從新手成為數據分析高手！
　　本書通過3大數據分析工具+7大分析步驟+13大整理數據的方法+17大美化圖錶法+20大數據分析法+70多個實用案例+100多個專傢知識補充+100多個數據分析圖解+450多張精美圖片，深度剖析數據分析的精華之處。讓您一書在手，即可徹底讀懂數據分析，從菜鳥成為達人！
　　本書共分為10章，具體內容包括走進數據分析的世界、落實數據分析操作、掌握數據整理的方法、掌握數據分析秘訣、使用迴歸+曆史引申、需要方差+“顯著”、數據也要美美的、數據分析函數學習、與同行之間的角逐、淘寶指數+百度指數+好搜指數。
　　本書結構清晰、語言簡潔、圖解豐富，適閤4類人群：一是初學數據分析的新手，二是從事數據相關行業的個人與公司，三是有意學習數據分析的白領階層、工薪階層、學生等，四是希望通過數據分析“挖金”的個體老闆、企業高管、政府媒體、網絡數據分析師等人群。

作者簡介

　　“十年·專注，精品·奉獻”！本團隊組織者有著十多年圖書行業策劃經驗，並由專注於金融、理財、營銷、電商、微商等行業的幾十位資深人士參與，他們中的成員大都是財經記者、銀行金融理財師、財富顧問、互聯網營銷專傢、電商和微商店主等。
　　本團隊組織者緊扣時代潮流趨勢，力求為讀者打造一係列精品理財、營銷、金融類圖書。由作者團隊編寫的“新手理財係列”、玩轉“電商營銷+互聯網金融”係列圖書，一經上市就受到讀者的一緻好評!

內頁插圖

目錄

第1章 啓濛：走進數據分析的世界 1
1.1 認清數據 2
1.1.1 聽--數據在說話 2
1.1.2 看--數據在展現 4
1.1.3 觸--分析的價值 4
1.1.4 嗅--數據的重量 6
1.2 發展前景 7
1.2.1 需求--分析人纔 7
1.2.2 持續--發展趨勢 8
1.3 職業要求 10
1.3.1 瞭解--任職方嚮 10
1.3.2 掌握--分析方法 12
1.3.3 巧用--分析工具 12
1.3.4 拓展--管理能力 13
1.3.5 擁有--設計能力 13
1.3.6 增強--錶達能力 14
1.3.7 熟知--企業業務 14
第2章 步驟：落實數據分析操作 17
2.1 操作步驟 18
2.1.1 清晰--分析目的 18
2.1.2 獲取--數據來源 18
2.1.3 挑選--數據加工 21
2.1.4 進行--數據分析 22
2.1.5 實現--數據挖掘 23
2.1.6 展示--數據體現 24
2.1.7 製作--數據報告 26
2.2 操作誤區 30
2.2.1 脫離--分析軌道 31
2.2.2 學會--報告美觀 31
第3章 實操：掌握數據整理的
方法 33
3.1 數據排序 34
3.1.1 規則--數據升序 34
3.1.2 單列--快速排序 35
3.1.3 多列--高級排序 37
3.1.4 無限--自定義排序 40
3.2 數據篩選 44
3.2.1 簡單--單條件篩選 44
3.2.2 復雜--多條件篩選 46
3.2.3 升級--高級篩選 49
3.2.4 隨心--自定義篩選 51
3.2.5 秘技--快速雙篩選 53
3.3.6 去除--重復值篩選 55
3.3 數據匯總 59
3.3.1 規則--分類匯總 59
3.3.2 實現--匯總數據 60
3.3.3 善用--多字段匯總 62
第4章 方法：掌握數據分析秘訣 65
4.1 擺正思路 66
4.1.1 建立框架--七何
分析法 66
4.1.2 問題分層--演繹樹
分析法 69
4.1.3 涉及環境--PEST
分析法 71
4.1.4 建立邏輯--金字塔
原理 73
4.1.5 業務指導--4P營銷
理論 75
4.1.6 競爭戰略--SWOT
分析法 77
4.2 應用分析 80
4.2.1 尋找差距--比較
分析法 80
4.2.2 數量特徵--平均
分析法 82
4.2.3 歸納數據--分組
分析法 85
4.2.4 交叉計算--立體
分析法 90
第5章 預測：使用迴歸+曆史引申 95
5.1 迴歸分析 96
5.1.1 基礎--一元迴歸 96
5.1.2 擴充--多元迴歸 109
5.2 非綫迴歸 112
5.2.1 穩定--對數迴歸 113
5.2.2 變動--多項迴歸 117
5.3 曆史引申 120
5.3.1 加權--指數平滑 120
5.3.2 算術--移動平均 124
第6章 檢驗：需要方差+
"顯著" 127
6.1 方差分析 128
6.1.1 單個--單因素方差 128
6.1.2 多個--雙因素方差 131
6.2 顯著檢驗 138
6.2.1 平均--u檢驗 138
6.2.2 均值--t檢驗 143
第7章 亮眼：數據也要美美的 149
7.1 美化錶格 150
7.1.1 區分數據--色階 150
7.1.2 指定數據--突齣 152
7.1.3 代錶高低--數據條 154
7.1.4 體現特徵--圖標集 156
7.1.5 圖錶結閤--迷你圖 158
7.2 轉換圖形 160
7.2.1 對比幫手--條形圖 161
7.2.2 變化趨勢--摺綫圖 168
7.2.3 對比差距--平均綫圖 173
7.2.4 流程分析--倒三角圖 177
7.2.5 數據層次--階梯圖 185
7.2.6 突齣重點--餅圖 189
7.2.7 加強展現--重坐標圖 192
7.2.8 華麗有質--圓珠圖 194
7.2.9 財務指標--蜘蛛網圖 198
7.2.10 工作進度--溫度計
式圖 200
7.3 文本展示 202
7.3.1 形象生動--插入圖片 202
7.3.2 巧做邏輯--SmartArt 204
第8章 擴展：數據分析函數學習 209
8.1 時間函數 210
8.1.1 組閤日期--DATE 210
8.1.2 突齣實時--TODAY 212
8.1.3 推算工作日--
WORKDAY 214
8.1.4 提齣月份--MONTH 217
8.1.5 時分秒值--TIME 218
8.2 邏輯函數 219
8.2.1 判斷檢查--IF 220
8.2.2 滿足條件--AND 221
8.2.3 參數求反--NOT 223
8.2.4 捕捉錯誤--IFERROR 224
8.3 求值函數 225
8.3.1 最大值--MAX 226
8.3.2 最小值--MIN 227
8.3.3 數據個數--COUNT 228
8.3.4 不計空格--COUNTA 229
8.3.5 數據匯總--SUM 231
8.3.6 指定求和--SUMIF 232
8.3.7 平均值--AVERAGE 234
8.3.8 乘積計算--PRODUCT 235
8.4 處理錯誤 237
8.4.1 關於日期--"#####" 237
8.4.2 關於公式--
"#NAME？" 237
8.4.3 關於引用--
"#NULL" 238
8.4.4 關於參數--
"#VALUE" 239
8.4.5 關於空白--
"#DIV/0！" 240
8.4.6 尋找錯誤--使用幫助 241

第9章 競爭：與同行之間的角逐 245
9.1 知己知彼 246
9.1.1 好處--擴展戰略 246
9.1.2 要點--找準方嚮 248
9.1.3 類型--瞭解對手 249
9.2 尋找數據 250
9.2.1 入手--對手名稱 251
9.2.2 成為--對手用戶 252
9.2.3 進入--對手官網 253
9.2.4 查找--招聘信息 254
9.2.5 運用--分析平颱 255
9.3 勝券在握 255
9.3.1 差異--比較分析 255
9.3.2 行業--波特分析 256
第10章 工具：淘寶指數+百度指數+
好搜指數 259
10.1 淘寶指數 260
10.1.1 初入--發展曆程 260
10.1.2 進入--使用功能 261
10.1.3 深入--使用步驟 263
10.2 百度指數 270
10.2.1 補充--功能模塊 270
10.2.2 吸納--操作步驟 271
10.3 好搜指數 275
10.3.1 涉及--功能詳情 275
10.3.2 學習--分析步驟 276

精彩書摘

　　第1章：啓濛：走進數據分析的世界
　　如今是一個數據大爆炸時代，數據的應用非常廣泛，例如，數據能讓企業分析齣自己的用戶群體，數據能讓科學變得更加先進，數據能記錄人們的生活軌跡等。總之，數據分析是企業打開另外一扇商業大門的鑰匙。
　　1.1 認 清 數 據
　　對於數據，很多人都持以迷茫的態度，認為數據隻是單純的數字，並不會給人們帶來什麼價值。可是這樣的想法，是大錯特錯的，若數據沒有價值，那沃爾瑪是如何想齣"啤酒+尿布"的奇招，那"魔鏡"是如何預知石油市場走嚮的。
　　如今有太多的案例能夠證明數據分析的價值，隻是有一部分人群對於數據分析還不夠重視，沒有很好地認識數據分析的價值。因此，下麵進一步深挖數據，帶領人們"知數據的根，揭數據的謎"。
　　1.1.1 聽--數據在說話
　　若有人想要進入數據分析行業，就必須知道數據能錶達什麼，這個錶達的概念也許在一時之間不是清晰的，不過沒有關係，數據是需要人們進行挖掘的、需要"傾聽者"的。
　　例如，對於一張生活照，若拍照的人沒有說明照片背後的意義，那麼人們定然不會知道其背後的含義，隻會認為這隻是一張照片而已。可是對於照片中的主人公來說，這張照片也許擁有某種特定的含義。對於數據分析師來說，可以從照片上看齣主人公的性格、愛好，拍攝者的拍攝習慣等隱晦的信息。總之，數據是無處不在的，隻要人們有需求，願意去分析，數據就能打開"話匣子"，將自己的故事講給人們聽。
　　一般來說，數據是以數值體現齣來的，可是隨著時代的變遷，數據慢慢地得到擴展，如圖1-1所示。
　　圖1-1 數據的擴展
　　在生活中，形成連接時，是最能"傾聽"到數據的聲音的，如圖1-2所示。
　　圖1-2 從連接中産生數據
　　例如，社群中用戶與用戶之間的交流、用戶與企業之間的交流、用戶發布的信息、用戶反饋的信息等，都可以成為企業分析用戶行為習慣以及需求的數據。
　　專傢提醒
　　企業韆萬不要將數據弱化，認為數據隻是一堆不切實際的數字，不然在這個數據大爆炸時代，企業的命運將會危在旦夕。因此，企業需要聘用一些比較有能力的數據分析師，讓他們與數據溝通，傾聽數據中的故事，為企業帶來紅利。
　　1.1.2 看--數據在展現
　　世間萬物皆有自己獨有的特點，數據也不例外。下麵介紹數據本身的5個特點，如圖1-3所示。
　　圖1-3 數據的特點
　　專傢提醒
　　數據分析師在進行數據分析時，需要把握好數據的特點，這樣得齣的結論實用價值就比較大。
　　1.1.3 觸--分析的價值
　　對於音樂來說，從數據中能分析齣哪種類型的音樂容易引起人們的關注；對於電視颱來說，從數據中能分析齣哪種影視題材是人們所喜歡的；對於手機來說，從數據中能分析齣人們比較喜歡用哪些手機功能等。
　　由此可知，分析齣來的數據，幾乎都是圍繞"人"展開的，都是以滿足人們的喜好、需求而進行的。但這隻是一部分，企業韆萬不要被這個現象迷惑瞭，數據分析的價值不隻在於"人"，它還涉及瞭其他方麵。
　　例如，對於企業而言，通過數據能分析齣其現狀，如圖1-4所示。
　　圖1-4 能分析齣企業現狀
　　數據還會涉及産品從製作到發布的各個事項，如圖1-5所示。
　　圖1-5 能分析齣産品從製作到發布的各個事項
　　專傢提醒
　　若一個企業的領導人通過市場調查，分析所得到的數據，能判定市場動嚮，則企業就能根據數據，製訂閤適的産品生産及銷售計劃。
　　總之，企業能通過數據分析，獲取用戶信息，製定企業投放産品的方式、營銷策略等。
　　除此之外，數據還能麵嚮多種決策功能，並具有生産力、拓寬市場邊界等實用價值，如圖1-6所示。
　　圖1-6 能涉及的決策部分事項
　　專傢提醒
　　總而言之，數據分析價值的涉及麵極其廣闊，隻要數據分析師耐心地挖掘，定能通過數據得到意想不到的"商業法寶"。
　　1.1.4 嗅--數據的重量
　　隨著互聯網的發展，越來越多的人意識到瞭數據分析的重要性。例如，淘寶曾推齣過時光機服務，就是根據記錄淘寶買傢的消費記錄、瀏覽記錄、個人信息等數據，構成一個"迴憶消費網"，讓淘寶買傢從這些記錄中，勾起自己的消費記憶，進一步促進消費者進行消費。
　　時光機不僅會使用戶産生溫馨而美好的消費記憶，還能讓企業得知消費者的消費習慣。
　　下麵進一步瞭解數據分析的重要性，如圖1-7所示。
　　圖1-7 數據分析的重要性
　　1.2 發 展 前 景
　　數據分析是時代下的潮流産物，更是隨著時代的發展、變遷而蓬勃發展的"寶物"，下麵進一步瞭解數據分析的發展前景。
　　1.2.1 需求--分析人纔
　　通過研究錶明，如今有75%的企業明確錶示，數據分析是企業運營、産品生産等方麵不可或缺的決策手段，並且這些企業都會設立一個數據分析部門或者聘用的數據分析方麵的人纔。
　　可見，對數據分析人纔的需求正在急劇地呈現上升趨勢。也正因此，如今數據分析人纔的培養機構纔會如火如荼地開展。這樣的機構不僅吸引富有經驗的數據分析師們，分享自己的實戰經驗，而且通過在網絡上提供付費教程，給他們開闢瞭一條"挖金"之路。當然，這也更加方便瞭那些對數據分析感興趣、有需求的人群進行學習、理解、使用，久而久之，也就帶動瞭數據分析行業的發展。
　　如今，像騰訊、知乎、搜狐等大規模的企業，都展現瞭對數據分析人纔的渴望，如圖1-8所示。
　　圖1-8 某企業對數據分析人纔的招聘要求
　　專傢提醒
　　如今，數據分析工作崗位在全球大約有400多萬個，其中有180多萬個工作崗位齣現在美國，可見美國對數據分析人纔的看重。根據某公司的預計，到2018年，美國將會有大約15萬～20萬的數據分析人纔缺口，這足以證明，在數據分析人纔這一塊，是極其緊缺又必不可少的。
　　1.2.2 持續--發展趨勢
　　隨著技術的發展，互聯網的更新換代，數據的采集技術、存儲技術、處理技術都得到足夠廣闊的發展，將數據分析的重要性提升瞭一個高度。
　　研究錶明，在2008-2013年的5年中，人類行為所産生的數據量增長瞭9倍，而在接下來的9年中，將會達到28倍，可見數據的産生量是多麼的巨大。某軟件巨頭公司，曾預計到2020年，全球數據的使用量將達到大約30 ZB，可見人們對數據的需求是非常大的，這足以錶明如今人們生活在數據的庇護下，實現瞭一個循環，即"生産數據，運用數據"。
　　隨著大數據時代的到來，企業對數據分析的需求大幅上升，需要藉助數據分析專業服務機構的服務，進行有效的數據分析，如圖1-9所示。
　　隨著移動端的發展，移動支付、LBS(Location Based Service)位置服務等技術的崛起，數據呈現齣"非結構化"，而這種"非結構化"的數據，隻要加以分析，即可給企業的商業模式和營銷模式帶來新的機會，如圖1-10所示。
　　圖1-9 數據分析專業服務機構
　　圖1-10 "非結構化"數據的概念
　　"非結構化"數據具有4大作用，如圖1-11所示。
　　圖1-11 "非結構化"數據的作用
　　專傢提醒
　　結構化的數據，一般是由數字錶達齣來的信息，方便計算機和數據庫技術進行計算、處理，它具有業務洞察力，能影響企業老闆在業務方麵的決策。而對於非結構化的數據，是難以量化的，其形式多樣。
　　如今數據分析技術正在不斷更新，能促使企業在某些決策方麵，做到科學務實、腳踏實地，幫助企業做齣理性、正確的決策。
　　隨著企業對數據分析服務需求的不斷增強，必然會促進專業數據分析從業機構的行業經驗、專業能力的服務水平的提升，這樣就進一步增強瞭數據分析師的技術水平與數據分析的實用價值。
　　1.3 職 業 要 求
　　隨著數據分析的發展，數據分析師的職業前景越來越美好，下麵就來瞭解一下數據分析師的職業要求。
　　1.3.1 瞭解--任職方嚮
　　一般來說，數據分析師的發展方嚮有3個，包括企業、數據分析機構以及政府，其中企業是最需要數據分析人纔的。
　　很多企業都設有專門的數據分析崗位，來滿足企業數據分析的需求，如中國移動、騰訊、聯想等企業，都會有專門的數據分析崗位。
　　不同的企業會有不同的關於數據分析崗位的建設，下麵大緻瞭解數據分析師常見職稱的要求，如錶1-1所示。
　　錶1-1 在企業中數據分析師常見職稱
　　職 稱
　　要 求
　　數據分析員
　　處理公司日常數據的基礎工作，需要知道數據的儲存與運算、報錶的管理、分析報告的製作，並具有良好的溝通能力等
　　初級數據分析師
　　掌握數據庫知識，熟知基本的統計分析知識，掌握Excel軟件，具有良好的PPT展示能力，具有較強的邏輯思維能力等
　　中級數據分析師
　　除瞭具有初級數據分析師的能力之外，還需要具備商業意識等
　　高級數據分析師
　　除瞭具有中級數據分析師的能力之外，還需要善於總結、快速響應問題，並能勝任數據挖掘工作等
　　數據分析工程師
　　需要瞭解數據分析與挖掘的理論知識，掌握統計分析工具的應用，具有編程開發與數據結構算法的能力等
　　續錶
　　職 位
　　要 求
一本書玩轉數據分析/“移動互聯網+電商營銷”實戰寶典係列 下載 mobi epub pdf txt 電子書

不錯~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

很好，還沒仔細看，看過部分，很不錯。

好

很實用，好評

很實用，好評

彆人給我推薦的，覺得非常不錯，內容很豐富全麵，最主要的是快遞超快的，好評好評。

內容比較簡單。

很好哦

我的書根本沒 有收到，催單沒人理，要求退款沒人迴應，大傢彆被騙