¥74.30 79.00

【内容简介】

企业每天都会生成大量种类繁多的数据，为了做出更明智的决策、发现问题并实现盈利，往往需要通过一些方法和工具将数据转化为可行的方案。随着大数据时代的到来，数据化运营已经成为商业智能中必不可缺的一个重要环节。在数据化运营过程中，需要数据分析师进行数据采集、数据清洗、数据建模、数据可视化和数据商业决策 5 项工作。 本书结合企业商业数据，分数据化运营基础、企业中的数据化运营、数据化运营的业务流程、辅助决策式数据化运营、数据驱动式数据化运营、客户数据化运营、产品数据化运营 7 章讲述如何进行商业智能数据化运营。

【目录】

第 1 部分 开启数据化运营之旅
第 1 章 数据化运营基础 ................................................................................. 3
1.1 商业智能时代 ...................................................................................... 3
1.1.1 商业智能的历史发展 .............................................................. 5
1.1.2 商业智能的研究领域 .............................................................. 7
1.2 数据化运营的概念与意义 .................................................................. 8
1.3 数据化运营的四个层次 .................................................................... 12
1.4 数据化运营应掌握的技能与工具 .................................................... 13
1.4.1 数据化运营的五种能力 ........................................................ 13
1.4.2 数据化运营的常见工具 ........................................................ 15
第 2 章 企业中的数据化运营 ........................................................................ 23
2.1 企业数据化运营必要性 .................................................................... 23
2.1.1 市场营销策略 ........................................................................ 24
2.1.2 数据化运营误区 .................................................................... 29
2.2 企业数据化运营场景 ........................................................................ 30
2.2.1 数据化运营在传统行业中的应用 ........................................ 31
2.2.2 数据化运营的主要应用场景 ................................................ 33
2.2.3 数据化运营的应用案例 ........................................................ 34
2.3 企业数据化运营岗位职责 ................................................................ 43
2.3.1 数据化运营企业组织架构 .................................................... 44
2.3.2 数据化运营岗位类型 ............................................................ 46
第 2 部分 数据化运营思维
第 3 章 数据化运营的业务流程 .................................................................... 56
3.1 数据化运营流程图 ............................................................................ 56
3.2 业务问题的定义与拆解 .................................................................... 59
3.3 数据获取与网络爬虫 ........................................................................ 63
3.3.1 数据获取方法 ........................................................................ 64
3.3.2 网络爬虫实战 ........................................................................ 68
3.4 数据探索与预处理 ............................................................................ 72
3.4.1 数据探索 ................................................................................ 73
3.4.2 数据预处理 ............................................................................ 75
3.5 数据分析与挖掘 ................................................................................ 86
3.5.1 机器学习发展历程 ................................................................ 86
3.5.2 机器学习分类 ........................................................................ 88
3.5.3 机器学习应用场景 ................................................................ 92
3.5.4 Python 常用机器学习库 ........................................................ 93
3.6 数据可视化与数据决策 .................................................................... 95
3.6.1 统计图表的正确使用方法 .................................................... 95
3.6.2 Python 常用的图表呈现模块 .............................................. 101
第 4 章 辅助决策式数据化运营 .................................................................. 108
4.1 基于回归的数据化运营模型 .......................................................... 108
4.1.1 回归分类与基本步骤 .......................................................... 111
4.1.2 一元线性回归模型 .............................................................. 113
4.1.3 多元线性回归模型 .............................................................. 116
4.1.4 非线性回归模型 .................................................................. 119
4.1.5 含哑变量回归模型 .............................................................. 123
4.1.6 逻辑回归模型 ...................................................................... 125
4.1.7 Python 回归分析案例.......................................................... 128
4.2 基于分类的数据化运营模型 .......................................................... 132
4.2.1 常见的准确率检验方法 ...................................................... 133
4.2.2 决策树算法 .......................................................................... 135
4.2.3 朴素贝叶斯算法 .................................................................. 139
4.2.4 KNN 算法 ............................................................................ 141
4.2.5 支持向量机算法 .................................................................. 142
4.2.6 神经网络算法 ...................................................................... 144
4.2.7 Python 分类分析案例.......................................................... 147
4.3 基于聚类的数据化运营模型 .......................................................... 149
4.3.1 聚类算法的分类 .................................................................. 150
4.3.2 Python 聚类分析案例.......................................................... 156
第 5 章 数据驱动式数据化运营 .................................................................. 162
5.1 层次分析解思维应用 .............................................................. 162
5.1.1 层次分析法步骤 .................................................................. 163
5.1.2 层次分析法优缺点 .............................................................. 176
5.1.3 Excel 层次分析法分析案例 ................................................ 178
5.2 线性规划解思维应用 .............................................................. 182
5.2.1 线性规划法分析案例 .......................................................... 184
5.2.2 Excel 线性规划法求解 ........................................................ 190
5.3 节约里程解思维应用 .............................................................. 199
5.3.1 节约里程法分析案例 .......................................................... 200
5.3.2 Excel 节约里程法求解 ........................................................ 207
第 3 部分 数据化运营核心
第 6 章 客户数据化运营：挖掘用户需求，产品源于需求 ........................... 213
6.1 数据获客，快速锁定目标用户 ...................................................... 213
6.1.1 传统用户行为数据获取 ...................................................... 214
6.1.2 互联网用户行为数据获取 .................................................. 220
6.1.3 用户行为数据获取方式对比 .............................................. 222
6.2 用户画像，精准定位用户需求 ...................................................... 223
6.2.1 用户画像分析建模与应用场景 .......................................... 223
6.2.2 基于 RFM 的个体用户画像分析 ....................................... 228
6.2.3 基于聚类算法的群体用户画像分析 .................................. 237
6.3 用户运营，覆盖完整生命周期 ...................................................... 245
6.3.1 基于 AARRR 模型的用户运营方法 .................................. 246
6.3.2 用户生命周期与用户价值体系 .......................................... 251
6.3.3 用户运营方法与典型案例分析 .......................................... 253
第 7 章 产品数据化运营：人人都能做数据产品经理 .................................. 258
7.1 产品定位与产品设计 ........

【作者简介】

王鑫，博士，中国传媒大学信息工程学院数字媒体技术系副教授，主要研究方向包括大数据、信息可视化、信息存储、云计算等多个方面，有10余年数据挖掘与信息可视化工作经验。先后负责与参入《有线电视用户大数据采集、分析、挖掘和决策支持系统》、《基于大数据面向新媒体的节目综合评价系统架构和方法研究》、《电影大数据分析决策系统与商业智能》等多个项目，多次获得“校科学技术奖”，并于2015年荣获中国广播电影电视社会组织联合会颁发的“2015年度广播影视科技创新奖”，2017年荣获全国高校大数据教育联盟颁发的“2017第二届中国大数据创新百人奖”。