数据分析师养成宝典2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

数据分析师养成宝典PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第0章 说在前面的话1

0.1 大数据分析案例1

0.2 数据分析2

0.2.1 数据分析不同于信息化系统3

0.2.2 数据分析不同于统计分析3

0.2.3 数据分析不同于数据挖掘4

0.2.4 数据分析不同于数据管理4

0.2.5 数据分析不同于商业智能4

0.2.6 数据分析的内容5

0.3 数据分析师7

0.3.1 什么是数据分析师7

0.3.2 基本要求8

0.4 数据分析过程10

0.4.1 业务理解11

0.4.2 指标设计12

0.4.3 数据建模12

0.4.4 分析报告13

业务理解篇15

第1章 正确的思维观15

1.1 数据思维15

1.2 统计思维16

1.2.1 统计学16

1.2.2 描述17

1.2.3 概括20

1.2.4 分析23

1.3 逻辑思维24

1.3.1 上取/下钻思维24

1.3.2 求同/求异思维25

1.3.3 抽离/联合思维25

1.3.4 离开/接近思维25

1.3.5 层次思维26

第2章 理解数据27

2.1 数据是什么27

2.2 数据所依存的背景28

2.3 数据维度29

2.4 数据敏感32

2.5 数据质量34

2.6 理解数据要注意的问题35

2.6.1 不要对完美数据的盲目执着35

2.6.2 小样本数据也能做数据分析36

第3章 理解业务38

3.1 全局了解——业务模型38

3.2 动态了解——流程模型38

3.3 静态了解——数据模型39

3.4 动静结合——关键业务分析39

3.5 数据业务化40

第4章 理解用户42

4.1 由粗到细，从宏观到微观42

4.2 由少到多，收集不同层次的需求42

4.3 数据分析师对理解用户需求的思考43

4.3.1 如何用需求分析明确产品目标？43

4.3.2 数据分析师理解用户需求应该具备的基本素养45

4.3.3 如何根据用户行为去驱动产品？46

指标设计篇49

第5章 数据准备49

5.1 数据探索49

5.1.1 缺失值分析与处理49

5.1.2 异常值分析与处理53

5.1.3 不一致数据分析61

5.2 数据整理62

5.2.1 规范化64

5.2.2 数据选择65

5.2.3 数据归约68

5.2.4 数据变换70

5.3 数据集成71

5.3.1 通过向量化重构数据71

5.3.2 为数据添加新变量72

5.3.3 数据透视表74

5.3.4 列联表78

5.3.5 数据整合79

5.3.6 分组计算83

第6章 数据指标86

6.1 指标和维度86

6.2 特征工程87

6.2.1 特征工程作用87

6.2.2 特征设计88

6.2.3 特征选择90

6.2.4 特征提取90

6.3 指标设计基本方法90

6.3.1 生成用于判别的变量90

6.3.2 生成离散变量91

6.3.3 业务标签化91

6.4 典型业务指标设计92

6.4.1 零售店铺数据分析指标92

6.4.2 电商数据分析指标94

第7章 数据认知101

7.1 认知数据的平均水平和波动情况101

7.2 认知数据的分布102

7.3 利用相关系数理解数据之间的关系103

7.4 通过对比认知数据107

7.5 通过多维交叉来深入认知数据108

7.6 周期性分析108

7.7 贡献度分析109

7.8 因子分析111

数据建模篇114

第8章 神经网络114

8.1 模型原理114

8.2 进阶指导115

第9章 回归分析117

9.1 模型原理117

9.2 进阶指导119

第10章 聚类分析122

10.1 模型原理122

10.2 进阶指导123

第11章 关联分析129

11.1 模型原理129

11.2 进阶指导130

第12章 决策树134

12.1 模型原理134

12.2 进阶指导135

第13章 随机森林决策树138

13.1 模型原理138

13.2 进阶指导138

第14章 自适应选择决策树142

14.1 模型原理142

14.2 进阶指导143

第15章 SVM146

15.1 模型原理146

15.2 进阶指导148

第16章 建模指导149

16.1 建模要注意的问题149

16.2 R语言中建模常用包150

16.3 数据分析模型的原理和应用场景151

价值展现篇158

第17章 如何写好数据分析报告158

17.1 数据的价值158

17.1.1 收入158

17.1.2 支出159

17.1.3 风险159

17.1.4 参照系160

17.2 讲故事160

17.2.1 数据讲故事的四大要点161

17.2.2 阿里指数能告诉你161

17.3 如何写报告166

17.3.1 写作原则166

17.3.2 报告的类型和分析能力166

17.3.3 报告的细节168

17.4 报告的结构168

17.4.1 标题168

17.4.2 背景与目标169

17.4.3 项目说明169

17.4.4 分析思路170

17.4.5 分析主体170

17.4.6 总结与建议171

17.5 文字表达172

17.5.1 突出关键信息172

17.5.2 避免啰唆的表达172

17.5.3 站在读者角度173

17.5.4 不带主观臆断173

17.6 分析过程173

17.6.1 样本选择173

17.6.2 方法实施175

17.7 注意事项175

第18章 数据可视化177

18.1 什么是数据可视化177

18.2 数据可视化的作用178

18.3 可视化建议180

18.4 科学与艺术的结合182

18.5 可视化细节186

18.6 R语言绘图187

18.6.1 低水平绘图命令187

18.6.2 高水平绘图命令192

18.6.3 交互式绘图命令201

18.7 图形适用场景214

第19章 数据分析报告制作工具220

19.1 knitr包220

19.1.1 安装knitr220

19.1.2 Markdown语法221

19.1.3 报告制作223

19.2 rmarkdown包224

19.2.1 创建RMarkdown225

19.2.2 RMarkdown文本处理225

19.2.3 插入代码块226

19.2.4 结果的输出227

实战进阶篇231

第20章 校园网中推荐者的推荐价值分析231

20.1 业务理解231

20.2 指标设计232

20.3 描述性分析234

20.4 模型分析236

20.5 分析报告237

第21章 上市企业财务报表分析与ST预测240

21.1 业务理解240

21.2 指标设计241

21.3 描述性分析244

21.4 模型分析246

21.5 分析报告247

第22章 为什么销售会减少——验证性分析250

22.1 业务理解250

22.2 指标设计250

22.3 描述性分析254

22.4 结论与建议255

第23章 什么样的顾客会选择离开——探索性分析256

23.1 业务理解256

23.2 指标设计257

23.3 描述性分析258

23.4 结论与建议260

第24章 哪种广告的效果更好——假设检验261

24.1 业务理解261

24.2 数据建模262

24.3 模型分析264

24.4 结论与建议267

第25章 如何获得更多的用户——多元回归分析268

25.1 业务理解268

25.2 数据建模269

25.3 模型分析269

25.4 结论与建议271

第26章 航空公司顾客价值分析——聚类272

26.1 业务理解272

26.2 指标设计272

26.3 模型构建278

26.4 模型评价278

26.5 结论与建议280

第27章 窃电用户行为分析——决策树282

27.1 业务理解282

27.2 简单指标设计283

27.3 描述性分析286

27.4 复杂指标设计288

27.5 数据建模291

27.6 模型分析294

27.7 结论与建议295

参考文献296

附录297

附录A R语言中常用数据处理函数297

附录B 大数据原理303

附录C 可视化数据挖掘Rattle包308

后记311