隻要學會數據思維，數據分析任你擺布 隻要有想法肯動腦，有無基礎皆可學會 隻要懂得指標設計，項目落地信手捏來

●如何使用本書第0章說在前面的話0.1大數據分析案例0.2數據分析0.2.1數據分析不同於信息化繫統0.2.2數據分析不同於統計分析0.2.3數據分析不同於數據挖掘0.2.4數據分析不同於數據管理0.2.5數據分析不同於商業智能0.2.6數據分析的內容0.3數據分析師0.3.1什麼是數據分析師0.3.2基本要求0.4數據分析過程0.4.1業務理解0.4.2指標設計0.4.3數據建模0.4.4分析報告業務理解篇第1章正確的思維觀1.1數據思維1.2統計思維1.2.1統計學1.2.2描述1.2.3概括1.2.4分析1.3邏輯思維1.3.1上取/下鑽思維1.3.2求同/求異思維1.3.3抽離/聯合思維1.3.4離開/接近思維1.3.5層次思維第2章理解數據2.1數據是什麼2.2數據所依存的背景2.3數據維度2.4數據敏感2.5數據質量2.6理解數據要注意的問題2.6.1不要對完美數據的盲目執著2.6.2小樣本數據也能做數據分析第3章理解業務3.1全局了解——業務模型3.2動態了解——流程模型3.3靜態了解——數據模型3.4動靜結合——關鍵業務分析3.5數據業務化第4章理解用戶4.1由粗到細，從宏觀到微觀4.2由少到多，收集不同層次的需求4.3數據分析師對理解用戶需求的思考4.3.1如何用需求分析明確產品目標？4.3.2數據分析師理解用戶需求應該具備的基本素養4.3.3如何根據用戶行為去驅動產品？指標設計篇第5章數據準備5.1數據探索5.1.1缺失值分析與處理5.1.2異常值分析與處理5.1.3不一致數據分析5.2數據整理5.2.1規範化5.2.2數據選擇5.2.3數據歸約5.2.4數據變換5.3數據集成5.3.1通過向量化重構數據5.3.2為數據添加新變量5.3.3數據透視表5.3.4列聯表5.3.5數據整合5.3.6分組計算第6章數據指標6.1指標和維度6.2特征工程6.2.1特征工程作用6.2.2特征設計6.2.3特征選擇6.2.4特征提取6.3指標設計基本方法6.3.1生成用於判別的變量6.3.2生成離散變量6.3.3業務標簽化6.4典型業務指標設計6.4.1零售店鋪數據分析指標6.4.2電商數據分析指標 第7章數據認知7.1認知數據的平均水平和波動情況7.2認知數據的分布7.3利用相關繫數理解數據之間的關繫7.4通過對比認知數據7.5通過多維交叉來深入認知數據7.6周期性分析7.7貢獻度分析7.8因子分析數據建模篇第8章神經網絡8.1模型原理8.2進階指導第9章回歸分析9.1模型原理9.2進階指導第10章聚類分析10.1模型原理10.2進階指導第11章關聯分析11.1模型原理11.2進階指導第12章決策樹12.1模型原理12.2進階指導第13章隨機森林決策樹13.1模型原理13.2進階指導第14章自適應選擇決策樹14.1模型原理14.2進階指導第15章SVM15.1模型原理15.2進階指導第16章建模指導16.1建模要注意的問題 16.2R語言中建模常用包 16.3數據分析模型的原理和應用場景價值展現篇第17章如何寫好數據分析報告17.1數據的價值17.1.1收入17.1.2支出17.1.3風險17.1.4參照繫17.2講故事17.2.1數據講故事的四大要點17.2.2阿裡指數能告訴你……17.3如何寫報告17.3.1寫作原則17.3.2報告的類型和分析能力17.3.3報告的細節17.4報告的結構17.4.1標題17.4.2背景與目標17.4.3項目說明17.4.4分析思路17.4.5分析主體17.4.6總結與建議17.5文字表達17.5.1突出關鍵信息17.5.2避免啰嗦的表達17.5.3站在讀者角度17.5.4不帶主觀臆斷17.6分析過程17.6.1樣本選擇17.6.2方法實施17.7注意事項第18章數據可視化18.1什麼是數據可視化18.2數據可視化的作用18.3可視化建議18.4科學與藝術的結合18.5可視化細節18.6R語言繪圖18.6.1低水平繪圖命令18.6.2高水平繪圖命令18.6.3交互式繪圖命令18.7圖形適用場景第19章數據分析報告制作工具19.1knitr包19.1.1安裝knitr19.1.2Markdown語法19.1.3報告制作19.2rmarkdown包19.2.1創建R Markdown19.2.2R Markdown文本處理19.2.3插入代碼塊19.2.4結果的輸出實戰進階篇第20章校園網中推薦者的推薦價值分析20.1業務理解20.2指標設計20.3描述性分析20.4模型分析20.5分析報告第21章上市企業財務報表分析與ST預測21.1業務理解21.2指標設計21.3描述性分析21.4模型分析21.5分析報告第22章為什麼銷售會減少——驗證性分析22.1業務理解22.2指標設計22.3描述性分析22.4結論與建議第23章什麼樣的顧客會選擇離開——探索性分析23.1業務理解23.2指標設計23.3描述性分析23.4結論與建議第24章哪種廣告的效果更好——假設檢驗24.1業務理解24.2數據建模24.3模型分析24.4結論與建議第25章如何獲得更多的用戶回歸分析25.1業務理解25.2數據建模25.3模型分析25.4結論與建議第26章航空公司顧客價值分析——聚類26.1業務理解26.2指標設計26.3模型構建26.4模型評價26.5結論與建議第27章竊電用戶行為分析——決策樹27.1業務理解27.2簡單指標設計27.3描述性分析27.4復雜指標設計

在數據為 的今天，對於一種已經成型的模型，“怎麼用”通常不是問題，用個軟件或者編幾行程序就能得到結果了，問題一般都出在模型“什麼時候用”和“用完了，然後呢”。《數據分析師養成寶典》就集中討論後面兩件事情。《數據分析師養成寶典》共27章，分為業務理解篇（靠前~4章）、指標設計篇（第5~7章）、數據建模篇（第8~16章）、價值展現篇（靠前7~19章）和實戰進階篇（第20~27章）。業務理解篇的目的是讓讀者建立正確的思維觀，理解數據，熟悉業務；指標設計篇學習把數據轉換為專家數據的一些技巧；數據建模篇以R語言為計算平臺實施數據分析全過程；價值展現篇主要討論如何撰寫有價值的數據分析報告；實戰進階篇通過對8個經典案例的分析，使讀者能夠把學到的思維方法、實施工具應用到解決實際問題中，把數據變成價值。本書可供數據科學相關技術人員閱讀，也可作為高等院校數據科學相關專業的教材或培訓教材，以及數據分析愛好者的等

隨著大數據時代的到來，企業管理者對數據價值的重視程度越來越高，他們渴望從企業內部數據、外部數據中獲得更多的信息財富，並以此為依據，幫助自己做出正確的戰略決策。 如今在數據分析師的崗位上，大多數員工都是非統計專業出身，遠遠達不到專業數據分析要求，如何能夠快速找到突破口，幫助對數據分析有興趣的人員全面掌握數據分析技巧，基於此，《數據分析師養成寶典旨》在幫助讀者解決如下困惑：學習前的困惑學習後將收獲什麼零基礎入門數據分析領域隻要有數據思維，數據分析任你擺布不會編程隻要有想法，R語言幫你搞定對行業業務流程不了解項目實際操作從業務思路到落地技能全掌握不會寫數據分析報告掌握了前三項技能，寫數據分析報告是小意思全書分為5篇：業務理解篇、指標設計篇、數據建模篇、價值展現篇和實戰進階篇，從數據到價值的演化如下圖所示。業務數據化是把數據變為價值的先決條件，目的是建立正確的思維觀，理解數據，熟悉業務；等