123,123,123

內(nèi)容簡(jiǎn)介

　　近幾年，數(shù)據(jù)分析、人工智能、大數(shù)據(jù)平臺(tái)等概念十分火爆，有些人感嘆：雖然學(xué)會(huì)了調(diào)用軟件算法庫(kù)文件，在面對(duì)真實(shí)的業(yè)務(wù)問(wèn)題時(shí)卻不知道從哪里下手；雖然接觸了一個(gè)又一個(gè)能做數(shù)據(jù)分析的軟件工具，真要處理一個(gè)業(yè)務(wù)問(wèn)題時(shí)，卻發(fā)現(xiàn)自己需要什么樣的數(shù)據(jù)反而成了第一道門檻……“道不遠(yuǎn)人”，好的東西不應(yīng)該只作為高深莫測(cè)的內(nèi)容讓人敬而遠(yuǎn)之。本書將數(shù)據(jù)分析的思維作為主干，銜接數(shù)據(jù)分析的各個(gè)環(huán)節(jié)，輔之以案例，幫助讀者建立體系化的數(shù)據(jù)分析知識(shí)，使數(shù)據(jù)分析成為一個(gè)普通技能，在工作和生活中發(fā)揮分析并解決問(wèn)題的作用，最終實(shí)現(xiàn)“人人可做數(shù)據(jù)分析”。

作者簡(jiǎn)介

　　于琪，東南大學(xué)軟件工程碩士，本科就讀于山東大學(xué)電氣自動(dòng)化專業(yè)。工作十多年一直在工業(yè)領(lǐng)域做研發(fā)、項(xiàng)目經(jīng)理、產(chǎn)品經(jīng)理，曾帶領(lǐng)團(tuán)隊(duì)開發(fā)過(guò)產(chǎn)線管理系統(tǒng)、倉(cāng)儲(chǔ)物資管理系統(tǒng)等智能制造領(lǐng)域的方案組件，深入調(diào)研過(guò)電子、機(jī)加工、重型器械、醫(yī)藥化工等行業(yè)，給很多企業(yè)做過(guò)實(shí)施方案，深知制造企業(yè)的痛點(diǎn)、難點(diǎn)和解決方法?，F(xiàn)任西門子中國(guó)研究院先進(jìn)制造自動(dòng)化方向研發(fā)總監(jiān)。

圖書目錄

第1章緒論 001
1.1 數(shù)據(jù)分析話題的“樹模型”知識(shí)框架 001
1.2 數(shù)據(jù)分析話題同樣存在“量變引起質(zhì)變”的問(wèn)題 004
1.3 數(shù)據(jù)分析與其他學(xué)科的關(guān)系 006
第2章數(shù)據(jù)采集、存儲(chǔ)與整理 008
2.1 什么是數(shù)據(jù)，數(shù)字就是數(shù)據(jù)嗎 009
2.2 不同的應(yīng)用場(chǎng)景對(duì)應(yīng)不同的數(shù)據(jù)采集方式 010
2.3 工業(yè)協(xié)議采集數(shù)據(jù) 011
2.4 網(wǎng)頁(yè)埋點(diǎn)采集數(shù)據(jù) 014
2.5 數(shù)據(jù)庫(kù)及合并表單 017
2.6 數(shù)據(jù)清洗 022
2.7 數(shù)據(jù)整理，多維度拆解 026
2.8 數(shù)據(jù)集 035
2.9 數(shù)據(jù)估算 042
第3章大數(shù)據(jù)平臺(tái)架構(gòu) 045
3.1 大數(shù)據(jù)時(shí)代的傳統(tǒng)數(shù)據(jù)處理方法 046
3.2 大數(shù)據(jù)架構(gòu) 048
3.3 大數(shù)據(jù)平臺(tái)的數(shù)據(jù)采集、處理、輸出與展示 056
3.4 大數(shù)據(jù)平臺(tái)不是核心 064
第4章數(shù)據(jù)思維之基礎(chǔ)問(wèn)題 065
4.1 數(shù)據(jù)算法VS數(shù)據(jù)應(yīng)用 065
4.2 AI高大上，傳統(tǒng)手段失效了嗎 067
4.3 以前常用的一些方法論，如5W2H法不靈了 068
4.4 信息摘要的敏感性，抓重點(diǎn)的能力 070
4.5 物聯(lián)網(wǎng)等技術(shù)的發(fā)展催生了新的數(shù)據(jù)應(yīng)用場(chǎng)景 071
4.6 對(duì)數(shù)據(jù)分析的預(yù)期，要有合理的參照系 072
第5章數(shù)據(jù)思維之?dāng)?shù)據(jù)素養(yǎng) 074
5.1 數(shù)字時(shí)代，數(shù)據(jù)素養(yǎng)是重要的技能 074
5.2 把一個(gè)具體業(yè)務(wù)問(wèn)題轉(zhuǎn)化成一個(gè)數(shù)據(jù)可分析問(wèn)題 076
5.3 層層拆解，才見(jiàn)真章 081
5.4 細(xì)致拆解與辛普森悖論 084
5.5 減熵：把事情流程化，把關(guān)系圖譜化 086
5.6 指標(biāo)思維 090
第6章常見(jiàn)的數(shù)據(jù)分析綜合方法 096
6.1 針對(duì)業(yè)務(wù)問(wèn)題的“假設(shè)檢驗(yàn)” 096
6.2 分類利器：波士頓矩陣與RFM模型 100
6.3 行動(dòng)步驟利器：AARRR模型與UJM模型 109
6.4 業(yè)務(wù)分析框架OSM 113
6.5 成交總額GMV 116
第7章數(shù)據(jù)可視化 120
7.1 數(shù)據(jù)可視化的意義：探索性分析 120
7.2 常見(jiàn)的數(shù)據(jù)可視化圖表 122
7.3 數(shù)據(jù)可視化舉例 125
第8章人工智能與傳統(tǒng)數(shù)據(jù)分析的關(guān)系 130
8.1 數(shù)據(jù)分析、傳統(tǒng)算法、人工智能之間的范疇關(guān)系 131
8.2 目標(biāo)的一致性及適用場(chǎng)景的區(qū)別 132
8.3 以統(tǒng)計(jì)為主的傳統(tǒng)數(shù)據(jù)分析及其工具 134
8.4 機(jī)器學(xué)習(xí) 139
第9章數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng) 147
9.1 不同業(yè)務(wù)層次都有哪些數(shù)據(jù)分析需求 147
9.2 不同行業(yè)領(lǐng)域都有些哪些數(shù)據(jù)分析需求 148
9.3 數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng)概述 150
9.4 牛刀小試的一個(gè)例子 156
9.5 數(shù)據(jù)分析與公司戰(zhàn)略地圖 161
參考文獻(xiàn) 168