數據化運營速成手冊

第1章 全面認識數據圖表 1
1.1 詳解數據圖表的基本構成 1
1.2 控制數據圖表中的信息量 9
1.3 真的需要作圖嗎 10
第2章 建立數據圖表的認知 14
2.1 利用散點圖探究數據間的關系 14
2.1.1 最基本的散點圖樣例 15
2.1.2 散點圖的制作 16
2.1.3 散點圖的變種1：添加平滑線 19
2.1.4 散點圖的變種2：利用氣泡圖觀察更多指標間的關系 20
2.1.5 散點圖的變種3：用分類矩陣形成決策 22
2.1.6 散點圖的局限性 23
2.2 利用柱形圖將“對比”做到極致 24
2.2.1 利用累加柱形圖對比數據結構的變化 25
2.2.2 多指標組合對比 27
2.2.3 用平均值優(yōu)化單指標的對比 29
2.2.4 用瀑布圖觀察總量分解后的對比 32
2.2.5 如何正確對比數值指標與比率指標 33
2.3 用折線圖觀察時間序列數據 35
2.3.1 如何觀察趨勢 36
2.3.2 探尋趨勢變化的原因 38
2.4 利用面積圖觀察數據結構的變化趨勢 44
2.4.1 觀察動態(tài)的數據結構變化：堆積面積圖 44
2.4.2 用于隊列分析：堆積面積圖 45
2.5 用雷達圖進行靜態(tài)的多維對比 48
2.6 其他類型圖表概述 50
2.6.1 使用餅圖的6個“坑” 50
2.6.2 提升視覺沖擊力：樹狀圖 52
2.6.3 量化流程各環(huán)節(jié)間的轉化率：漏斗圖 52
第3章 數據圖表進階 54
3.1 數據圖表到底是什么 55
3.2 如何正確地選擇圖表 59
3.3 數據圖表中的細節(jié) 60
3.3.1 圖表背景和繪圖區(qū)背景 60
3.3.2 坐標軸 65
3.3.3 靈活使用輔助線 68
3.3.4 線性趨勢線的應用 69
3.3.5 應用移動平均趨勢線做時間序列的預測 72
3.3.6 添加信息增強線 74
3.3.7 用標注線指示必要的信息 75
3.4 能讓圖表升級的高級技巧 76
3.4.1 運用組合圖表增加信息承載量 76
3.4.2 運用子母圖增加圖表中的信息量 79
3.4.3 條件格式中的幾項實用功能 80
3.4.4 使用迷你圖表壓縮空間 85
3.4.5 用不等寬技術優(yōu)化柱形圖和條形圖 86
3.4.6 使用Bullet圖進行績效評價的可視化 89
第4章 數據化運營的基礎知識 93
4.1 最基本的數據獲取能力 94
4.1.1 認知數據庫的一般構造 94
4.1.2 能夠閱讀最基本的取數代碼 95
4.1.3 用Excel獲取數據 98
4.2 快速認知數據 105
4.2.1 仔細審核數據源的質量 106
4.2.2 提升數據集的質量 107
4.2.3 統(tǒng)一數據類型和單位 111
4.2.4 描述統(tǒng)計分析 111
4.2.5 利用相關系數理解數據之間的關系 122
4.2.6 通過多維交叉深入認知數據集 125
4.3 幾套有用的分析思維框架 132
4.3.1 66 法則與SQVID 原則 133
4.3.2 麥肯錫的“七步成詩” 135
4.4 創(chuàng)造指標，應用指標 141
4.4.1 什么是指標 142
4.4.2 如何設計高質量的指標 143
4.4.3 指標組合：綜合指數 143
4.4.4 需要關注哪些核心指標 144
4.5 運營活動的量化 148
4.5.1 優(yōu)秀的運營活動應具備哪些要素 148
4.5.2 需要哪些過程型和結果型指標 149
4.5.3 如何評價運營活動 149
4.5.4 從縱向與橫向兩個角度全面對比 151
4.5.5 一種更嚴謹的測試效果量化方法：DID 154
4.5.6 相似活動間效果的對比 155
4.5.7 關于運營活動量化的小結 156
4.6 數據化運營的思維方式 156
4.7 運營數據報告的必備要素 167
4.8 小結 170
第5章 快速提升量化分析能力. 171
5.1 用樸素貝葉斯模型進行預測 171
5.1.1 利用全概率公式的一個例子 174
5.1.2 讓大數定律給你自信 175
5.1.3 窺一斑而見全豹：中心極限定理 176
5.2 使用假設檢驗進行理性的推斷 177
5.2.1 統(tǒng)計分布是一切推斷的基礎 179
5.2.2 以正態(tài)分布為例，闡述假設檢驗的過程 181
5.2.3 雙側檢驗與單側檢驗 183
5.2.4 假設檢驗的細節(jié)補充 184
5.3 利用方差分析辨別方案的有效性 185
5.3.1 用戶激活措施的有效性判斷 186
5.3.2 運用置信區(qū)間增強數值估計的可靠性 189
5.3.3 兩兩比較尋找最精確的結論 190
5.3.4 理解方差分析的思維 191
5.4 淺談回歸技術的應用 191
5.4.1 因變量與自變量的相關關系是回歸的基礎 191
5.4.2 線性回歸建模的詳細過程 192
5.4.3 線性回歸分析中的注意點 204
5.5 用時間序列分解模型觀察波動 204
5.5.1 怎樣觀察時間序列數據 205
5.5.2 何為時間序列分解 206
5.5.3 時間序列分解的步驟解析 208
5.5.4 時間序列分解方法的應用局限性 212
5.6 如何優(yōu)化調查問卷 213
5.6.1 態(tài)度型問題，增加選項以支撐量化分析 214
5.6.2 問題要有必要且貼合業(yè)務需求 215
5.6.3 設置過濾器，識別無效回答 215
5.6.4 避免雙重問題和一重半問題 216
5.6.5 動態(tài)地調查，設置問題庫以保障多次調查的質量 216
第6章 科學地決策 217
6.1 從數據中形成決策 217
6.2 線性規(guī)劃是什么 219
6.3 線性規(guī)劃建模的操作過程 220
6.3.1 建立邏輯清晰的表格 220
6.3.2 設置輸出單元格、目標單元格與可變單元格之前的運算關系 221
6.3.3 設置線性規(guī)劃建模參數 222
6.4 如何從數據中形成決策 223
6.5 4 類典型且實用的線性規(guī)劃模型 223
6.5.1 資源分配模型 224
6.5.2 成本收益平衡模型 226
6.5.3 網絡配送模型 227
6.5.4 混合模型 229
6.6 線性規(guī)劃模型小結 231
第7章 應用優(yōu)秀的工具 233
7.1 互聯網數據分析工具的演進 234
7.1.1 流量時代 234
7.1.2 用戶時代 235
7.1.3 訂單時代 235
7.2 行為事件分析工具的簡單介紹 236
7.3 數據分析平臺簡介及趨勢 238
7.3.1 數據展現 238
7.3.2 數據處理 238
7.3.3 數據收集 239
7.4 值得推薦的小工具 240
7.4.1 團隊協(xié)作工具 240
7.4.2 其他小工具 241
第8章 工作經驗雜談 242
8.1 這些年犯過的錯誤 242
8.1.1 迷信業(yè)務模型，浪費公司資源 243
8.1.2 活躍率陷阱 244
8.1.3 不加選擇地進行數據追蹤 245
8.1.4 為了KPI 而做數據分析 246
8.1.5 忽略數據質量的保障機制 247
8.1.6 輕視業(yè)務執(zhí)行，重視數據表現 248
8.1.7 不重視數據認知，盲目建模 248
8.1.8 只重視完成任務，忽略了團隊成員的個人發(fā)展需求 249
8.2 認清數據分析的邊界 250
8.2.1 數據庫并不能記錄一切 250
8.2.2 不可能分離多重因素影響 251
8.2.3 數據不能替代邏輯推理 251
8.2.4 預測的根基未必牢固 251
8.2.5 大多數人會因數據而變懶 252
8.3 我們需要讀些什么書 252