《数据化运营速成手册》用于提升互联网公司员工的数据应用能力，即数据化运营能力。首先，从最常用的数据图表切入，帮助执行层正确地绘图，管理层正确地看图；接着，梳理运营中最基本的数据应用知识，涉及数据获取、数据清洗、数据认知、分析框架、指标体系、运营实验等内容。然后，介绍作者认为必要的统计学知识，包括假设检验、方差分析、回归分析和时间序列分解，并引入了管理科学中的规划求解方法。最后，介绍了数据分析工具的发展趋势，并分享了作者近些年的工作及学习心得。
《数据化运营速成手册》适用于互联网公司的数据分析师、运营人员、产品经理和中层管理人员。
目录
- 第1章 全面认识数据图表 1
- 1.1 详解数据图表的基本构成 1
- 1.2 控制数据图表中的信息量 9
- 1.3 真的需要作图吗 10
- 第2章 建立数据图表的认知 14
- 2.1 利用散点图探究数据间的关系 14
- 2.1.1 最基本的散点图样例 15
- 2.1.2 散点图的制作 16
- 2.1.3 散点图的变种1：添加平滑线 19
- 2.1.4 散点图的变种2：利用气泡图观察更多指标间的关系 20
- 2.1.5 散点图的变种3：用分类矩阵形成决策 22
- 2.1.6 散点图的局限性 23
- 2.2 利用柱形图将“对比”做到极致 24
- 2.2.1 利用累加柱形图对比数据结构的变化 25
- 2.2.2 多指标组合对比 27
- 2.2.3 用平均值优化单指标的对比 29
- 2.2.4 用瀑布图观察总量分解后的对比 32
- 2.2.5 如何正确对比数值指标与比率指标 33
- 2.3 用折线图观察时间序列数据 35
- 2.3.1 如何观察趋势 36
- 2.3.2 探寻趋势变化的原因 38
- 2.4 利用面积图观察数据结构的变化趋势 44
- 2.4.1 观察动态的数据结构变化：堆积面积图 44
- 2.4.2 用于队列分析：堆积面积图 45
- 2.5 用雷达图进行静态的多维对比 48
- 2.6 其他类型图表概述 50
- 2.6.1 使用饼图的6个“坑” 50
- 2.6.2 提升视觉冲击力：树状图 52
- 2.6.3 量化流程各环节间的转化率：漏斗图 52
- 第3章 数据图表进阶 54
- 3.1 数据图表到底是什么 55
- 3.2 如何正确地选择图表 59
- 3.3 数据图表中的细节 60
- 3.3.1 图表背景和绘图区背景 60
- 3.3.2 坐标轴 65
- 3.3.3 灵活使用辅助线 68
- 3.3.4 线性趋势线的应用 69
- 3.3.5 应用移动平均趋势线做时间序列的预测 72
- 3.3.6 添加信息增强线 74
- 3.3.7 用标注线指示必要的信息 75
- 3.4 能让图表升级的高级技巧 76
- 3.4.1 运用组合图表增加信息承载量 76
- 3.4.2 运用子母图增加图表中的信息量 79
- 3.4.3 条件格式中的几项实用功能 80
- 3.4.4 使用迷你图表压缩空间 85
- 3.4.5 用不等宽技术优化柱形图和条形图 86
- 3.4.6 使用Bullet图进行绩效评价的可视化 89
- 第4章 数据化运营的基础知识 93
- 4.1 最基本的数据获取能力 94
- 4.1.1 认知数据库的一般构造 94
- 4.1.2 能够阅读最基本的取数代码 95
- 4.1.3 用Excel获取数据 98
- 4.2 快速认知数据 105
- 4.2.1 仔细审核数据源的质量 106
- 4.2.2 提升数据集的质量 107
- 4.2.3 统一数据类型和单位 111
- 4.2.4 描述统计分析 111
- 4.2.5 利用相关系数理解数据之间的关系 122
- 4.2.6 通过多维交叉深入认知数据集 125
- 4.3 几套有用的分析思维框架 132
- 4.3.1 66 法则与SQVID 原则 133
- 4.3.2 麦肯锡的“七步成诗” 135
- 4.4 创造指标，应用指标 141
- 4.4.1 什么是指标 142
- 4.4.2 如何设计高质量的指标 143
- 4.4.3 指标组合：综合指数 143
- 4.4.4 需要关注哪些核心指标 144
- 4.5 运营活动的量化 148
- 4.5.1 优秀的运营活动应具备哪些要素 148
- 4.5.2 需要哪些过程型和结果型指标 149
- 4.5.3 如何评价运营活动 149
- 4.5.4 从纵向与横向两个角度全面对比 151
- 4.5.5 一种更严谨的测试效果量化方法：DID 154
- 4.5.6 相似活动间效果的对比 155
- 4.5.7 关于运营活动量化的小结 156
- 4.6 数据化运营的思维方式 156
- 4.7 运营数据报告的必备要素 167
- 4.8 小结 170
- 第5章 快速提升量化分析能力. 171
- 5.1 用朴素贝叶斯模型进行预测 171
- 5.1.1 利用全概率公式的一个例子 174
- 5.1.2 让大数定律给你自信 175
- 5.1.3 窥一斑而见全豹：中心极限定理 176
- 5.2 使用假设检验进行理性的推断 177
- 5.2.1 统计分布是一切推断的基础 179
- 5.2.2 以正态分布为例，阐述假设检验的过程 181
- 5.2.3 双侧检验与单侧检验 183
- 5.2.4 假设检验的细节补充 184
- 5.3 利用方差分析辨别方案的有效性 185
- 5.3.1 用户激活措施的有效性判断 186
- 5.3.2 运用置信区间增强数值估计的可靠性 189
- 5.3.3 两两比较寻找最精确的结论 190
- 5.3.4 理解方差分析的思维 191
- 5.4 浅谈回归技术的应用 191
- 5.4.1 因变量与自变量的相关关系是回归的基础 191
- 5.4.2 线性回归建模的详细过程 192
- 5.4.3 线性回归分析中的注意点 204
- 5.5 用时间序列分解模型观察波动 204
- 5.5.1 怎样观察时间序列数据 205
- 5.5.2 何为时间序列分解 206
- 5.5.3 时间序列分解的步骤解析 208
- 5.5.4 时间序列分解方法的应用局限性 212
- 5.6 如何优化调查问卷 213
- 5.6.1 态度型问题，增加选项以支撑量化分析 214
- 5.6.2 问题要有必要且贴合业务需求 215
- 5.6.3 设置过滤器，识别无效回答 215
- 5.6.4 避免双重问题和一重半问题 216
- 5.6.5 动态地调查，设置问题库以保障多次调查的质量 216
- 第6章 科学地决策 217
- 6.1 从数据中形成决策 217
- 6.2 线性规划是什么 219
- 6.3 线性规划建模的操作过程 220
- 6.3.1 建立逻辑清晰的表格 220
- 6.3.2 设置输出单元格、目标单元格与可变单元格之前的运算关系 221
- 6.3.3 设置线性规划建模参数 222
- 6.4 如何从数据中形成决策 223
- 6.5 4 类典型且实用的线性规划模型 223
- 6.5.1 资源分配模型 224
- 6.5.2 成本收益平衡模型 226
- 6.5.3 网络配送模型 227
- 6.5.4 混合模型 229
- 6.6 线性规划模型小结 231
- 第7章 应用优秀的工具 233
- 7.1 互联网数据分析工具的演进 234
- 7.1.1 流量时代 234
- 7.1.2 用户时代 235
- 7.1.3 订单时代 235
- 7.2 行为事件分析工具的简单介绍 236
- 7.3 数据分析平台简介及趋势 238
- 7.3.1 数据展现 238
- 7.3.2 数据处理 238
- 7.3.3 数据收集 239
- 7.4 值得推荐的小工具 240
- 7.4.1 团队协作工具 240
- 7.4.2 其他小工具 241
- 第8章 工作经验杂谈 242
- 8.1 这些年犯过的错误 242
- 8.1.1 迷信业务模型，浪费公司资源 243
- 8.1.2 活跃率陷阱 244
- 8.1.3 不加选择地进行数据追踪 245
- 8.1.4 为了KPI 而做数据分析 246
- 8.1.5 忽略数据质量的保障机制 247
- 8.1.6 轻视业务执行，重视数据表现 248
- 8.1.7 不重视数据认知，盲目建模 248
- 8.1.8 只重视完成任务，忽略了团队成员的个人发展需求 249
- 8.2 认清数据分析的边界 250
- 8.2.1 数据库并不能记录一切 250
- 8.2.2 不可能分离多重因素影响 251
- 8.2.3 数据不能替代逻辑推理 251
- 8.2.4 预测的根基未必牢固 251
- 8.2.5 大多数人会因数据而变懒 252
- 8.3 我们需要读些什么书 252
