關(guān)于我們
書(shū)單推薦
新書(shū)推薦
|
數(shù)據(jù)挖掘與數(shù)據(jù)化運(yùn)營(yíng)實(shí)戰(zhàn):思路、方法、技巧與應(yīng)用
《數(shù)據(jù)挖掘與數(shù)據(jù)化運(yùn)營(yíng)實(shí)戰(zhàn):思路、方法、技巧與應(yīng)用》是目前有關(guān)數(shù)據(jù)挖掘在數(shù)據(jù)化運(yùn)營(yíng)實(shí)踐領(lǐng)域比較全面和系統(tǒng)的著作,也是諸多數(shù)據(jù)挖掘書(shū)籍中為數(shù)不多的穿插大量真實(shí)的實(shí)踐應(yīng)用案例和場(chǎng)景的著作,更是創(chuàng)造性地針對(duì)數(shù)據(jù)化運(yùn)營(yíng)中不同分析挖掘課題類型,推出一一對(duì)應(yīng)的分析思路集錦和相應(yīng)的分析技巧集成,為讀者提供“菜單化”實(shí)戰(zhàn)錦囊的著作。作者結(jié)合自己數(shù)據(jù)化運(yùn)營(yíng)實(shí)踐中大量的項(xiàng)目經(jīng)驗(yàn),用通俗易懂的“非技術(shù)”語(yǔ)言和大量活潑生動(dòng)的案例,圍繞數(shù)據(jù)分析挖掘中的思路、方法、技巧與應(yīng)用,全方位整理、總結(jié)、分享,幫助讀者深刻領(lǐng)會(huì)和掌握“以業(yè)務(wù)為核心,以思路為重點(diǎn),以分析技術(shù)為輔佐”的數(shù)據(jù)挖掘?qū)嵺`應(yīng)用寶典。
《數(shù)據(jù)挖掘與數(shù)據(jù)化運(yùn)營(yíng)實(shí)戰(zhàn):思路、方法、技巧與應(yīng)用》共19章,分為三個(gè)部分:基礎(chǔ)篇(第1~4章)系統(tǒng)介紹了數(shù)據(jù)分析挖掘和數(shù)據(jù)化運(yùn)營(yíng)的相關(guān)背景、數(shù)據(jù)化運(yùn)營(yíng)中“協(xié)調(diào)配合”的核心,以及實(shí)踐中常見(jiàn)分析項(xiàng)目類型;實(shí)戰(zhàn)篇(第6~13章)主要介紹實(shí)踐中常見(jiàn)的分析挖掘技術(shù)的實(shí)用技巧,并對(duì)大量的實(shí)踐案例進(jìn)行了全程分享展示;思想意識(shí)篇(第5章,第14~19章)主要是有關(guān)數(shù)據(jù)分析師的責(zé)任、意識(shí)、思維的培養(yǎng)和提升的總結(jié)和探索,以及一些有效的項(xiàng)目質(zhì)控制度和經(jīng)典的方法論介紹。
阿里巴巴資深數(shù)據(jù)分析專家盧輝撰寫,多年數(shù)據(jù)挖掘應(yīng)用實(shí)踐的經(jīng)驗(yàn)結(jié)晶 實(shí)戰(zhàn)性強(qiáng),從數(shù)據(jù)分析師的角度對(duì)商業(yè)實(shí)戰(zhàn)進(jìn)行了總結(jié)和歸納,以大量事實(shí)和案例展現(xiàn)了“以業(yè)務(wù)為核心,以思路為重點(diǎn),以挖掘技術(shù)為輔佐”的數(shù)據(jù)挖掘商業(yè)實(shí)踐
為什么要寫這本書(shū)
自從2002年第一次接觸 “數(shù)據(jù)挖掘”(Data Mining)這個(gè)新名詞以來(lái),轉(zhuǎn)眼之間我已經(jīng)在數(shù)據(jù)挖掘商業(yè)應(yīng)用相關(guān)領(lǐng)域度過(guò)了11年。這11年里我既見(jiàn)識(shí)了國(guó)外數(shù)據(jù)挖掘商業(yè)應(yīng)用如火如荼地開(kāi)展;又經(jīng)歷了從21世紀(jì)開(kāi)始,國(guó)內(nèi)企業(yè)在數(shù)據(jù)挖掘商業(yè)應(yīng)用中的摸索起步,到如今方興未艾的局面;更有幸在經(jīng)歷了傳統(tǒng)行業(yè)的數(shù)據(jù)挖掘商業(yè)應(yīng)用之后,投身到互聯(lián)網(wǎng)行業(yè)(當(dāng)今數(shù)據(jù)分析商業(yè)應(yīng)用熱火朝天、發(fā)展最快,并且對(duì)數(shù)據(jù)和數(shù)據(jù)挖掘的商業(yè)應(yīng)用依賴性最強(qiáng)的行業(yè))的數(shù)據(jù)挖掘商業(yè)實(shí)踐中。這11年是我職業(yè)生涯中最為重要的一段時(shí)光,從個(gè)人生存的角度來(lái)說(shuō),我找到了謀生和養(yǎng)家糊口的飯碗—數(shù)據(jù)挖掘工作;從個(gè)人歸屬的角度來(lái)說(shuō),我很幸運(yùn)地碰到了職業(yè)與興趣的重合點(diǎn)。 在國(guó)內(nèi),“數(shù)據(jù)挖掘”作為一門復(fù)合型應(yīng)用學(xué)科,其在商業(yè)領(lǐng)域的實(shí)踐應(yīng)用及推廣只有十幾年的時(shí)間,在此期間,國(guó)內(nèi)雖然陸續(xù)出版了一些相關(guān)的書(shū)籍,但是絕大多數(shù)都是基于理論或者國(guó)外經(jīng)驗(yàn)來(lái)闡述的,少有針對(duì)國(guó)內(nèi)企業(yè)相關(guān)商業(yè)實(shí)戰(zhàn)的詳細(xì)介紹和分享,更缺乏從數(shù)據(jù)分析師的角度對(duì)商業(yè)實(shí)戰(zhàn)所進(jìn)行的總結(jié)和歸納。因此,從商業(yè)應(yīng)用出發(fā),基于大量的商業(yè)實(shí)戰(zhàn)案例而不是基于理論探討的數(shù)據(jù)挖掘應(yīng)用書(shū)籍成為當(dāng)今圖書(shū)市場(chǎng)和廣大“數(shù)據(jù)挖掘”學(xué)習(xí)者的共同需求。 同時(shí),在有幸與數(shù)據(jù)挖掘商業(yè)實(shí)踐相伴11年之后,我也想稍微放慢些腳步,正如一段長(zhǎng)途跋涉之后需要停下腳步,整理一路經(jīng)歷的收獲和感悟一樣,我希望將自己一路走來(lái)的心得與體會(huì)、經(jīng)驗(yàn)與教訓(xùn)、挫折與成績(jī)整理出來(lái)。 基于以上原因,我決定從數(shù)據(jù)挖掘的商業(yè)需求和商業(yè)實(shí)戰(zhàn)出發(fā),結(jié)合我10多年來(lái)在不同行業(yè)(尤其是最近4年在互聯(lián)網(wǎng)行業(yè))的大量數(shù)據(jù)挖掘商業(yè)實(shí)戰(zhàn)項(xiàng)目,將自己這些年來(lái)積累的經(jīng)驗(yàn)和總結(jié)分享出來(lái),希望能夠起到拋磚引玉的作用,為對(duì)數(shù)據(jù)挖掘商業(yè)實(shí)踐感興趣的朋友、愛(ài)好者、數(shù)據(jù)分析師提供點(diǎn)滴的參考和借鑒。同時(shí),鑒于“數(shù)據(jù)化運(yùn)營(yíng)”在當(dāng)今大數(shù)據(jù)時(shí)代已經(jīng)成為眾多(以后必將越來(lái)越多)現(xiàn)代企業(yè)的普遍經(jīng)營(yíng)戰(zhàn)略,相信本書(shū)所分享的大量有關(guān)數(shù)據(jù)化運(yùn)營(yíng)的商業(yè)實(shí)踐項(xiàng)目也可以為企業(yè)的管理層、決策層提供一定程度的參考和借鑒。 我相信,本書(shū)總結(jié)的心得與體會(huì),可以推動(dòng)自己今后的工作,會(huì)成為我的財(cái)富;同時(shí),這些心得與體會(huì)對(duì)于部分?jǐn)?shù)據(jù)分析師來(lái)說(shuō)也可以起到不同程度的參考和借鑒作用;對(duì)于廣大對(duì)數(shù)據(jù)挖掘商業(yè)應(yīng)用感興趣的初學(xué)者來(lái)說(shuō)也未嘗不是一種寶貴經(jīng)驗(yàn)。 我是從機(jī)械制造工藝與設(shè)備這個(gè)與“數(shù)據(jù)挖掘”八竿子打不著的專業(yè)轉(zhuǎn)行到數(shù)據(jù)挖掘商業(yè)應(yīng)用行業(yè)的,這與目前國(guó)內(nèi)絕大多數(shù)的數(shù)據(jù)分析挖掘?qū)I(yè)人士的背景有較大差別(國(guó)內(nèi)絕大多數(shù)數(shù)據(jù)分析挖掘?qū)I(yè)人士主要來(lái)自統(tǒng)計(jì)專業(yè)、數(shù)學(xué)專業(yè)或者計(jì)算機(jī)專業(yè))。我的職業(yè)道路很曲折,之所以放棄了自己沒(méi)興趣的機(jī)械制造工藝與設(shè)備專業(yè),是因?yàn)樽约合矚g市場(chǎng)營(yíng)銷。有幸在國(guó)外學(xué)習(xí)市場(chǎng)營(yíng)銷專業(yè)時(shí)了解并親近了國(guó)外市場(chǎng)營(yíng)銷中的核心和基石—市場(chǎng)營(yíng)銷信息學(xué)(Marketing Informatics)。當(dāng)然,這是國(guó)外10多年前的說(shuō)法,換成行業(yè)內(nèi)與時(shí)俱進(jìn)的新說(shuō)法,就是時(shí)下耳熟能詳?shù)摹皵?shù)據(jù)分析挖掘在市場(chǎng)營(yíng)銷領(lǐng)域的商業(yè)實(shí)踐應(yīng)用”)。說(shuō)這么多,其實(shí)只是想告訴有緣的對(duì)數(shù)據(jù)挖掘商業(yè)實(shí)踐感興趣的朋友, “以業(yè)務(wù)為核心,以思路為重點(diǎn),以挖掘技術(shù)為輔佐”就是該領(lǐng)域的有效成長(zhǎng)之路。 很多初學(xué)者總以為掌握了某些分析軟件,就可以成為數(shù)據(jù)分析師。其實(shí),一個(gè)成功的數(shù)據(jù)挖掘商業(yè)實(shí)踐,核心的因素不是技術(shù),而是業(yè)務(wù)理解和分析思路。本書(shū)自始至終都在力圖用大量的事實(shí)和案例來(lái)證明“以業(yè)務(wù)為核心,以思路為重點(diǎn),以挖掘技術(shù)為輔佐”才是數(shù)據(jù)挖掘商業(yè)實(shí)踐成功的寶典。 另外,現(xiàn)代企業(yè)面對(duì)大數(shù)據(jù)時(shí)代的數(shù)據(jù)化運(yùn)營(yíng)絕不僅僅是數(shù)據(jù)分析部門和數(shù)據(jù)分析師的事情,它需要企業(yè)各部門的共同參與,更需要企業(yè)決策層的支持和推動(dòng)。 讀者對(duì)象 對(duì)數(shù)據(jù)分析和數(shù)據(jù)挖掘的商業(yè)實(shí)踐感興趣的大專院校師生、對(duì)其感興趣的初學(xué)者。 互聯(lián)網(wǎng)行業(yè)對(duì)數(shù)據(jù)分析挖掘商業(yè)實(shí)踐感興趣的運(yùn)營(yíng)人員以及其他專業(yè)的人士。 實(shí)施數(shù)據(jù)化運(yùn)營(yíng)的現(xiàn)代企業(yè)的運(yùn)營(yíng)人員以及其他專業(yè)的人士,尤其是企業(yè)的管理者、決策者(數(shù)據(jù)化運(yùn)營(yíng)戰(zhàn)略的制定者和推動(dòng)者)。 各行各業(yè)的數(shù)據(jù)分析師、數(shù)據(jù)挖掘師。 勘誤和支持 由于作者水平和能力有限,編寫時(shí)間倉(cāng)促,不妥之處在所難免,在此懇請(qǐng)讀者批評(píng)指正。作者有關(guān)數(shù)據(jù)挖掘商業(yè)實(shí)踐應(yīng)用的專業(yè)博客 “數(shù)據(jù)挖掘 人在旅途”地址為http://shzxqdj.blog.163.com,歡迎讀者和數(shù)據(jù)挖掘商業(yè)實(shí)踐的愛(ài)好者不吝賜教。另外,如果您有關(guān)于數(shù)據(jù)挖掘商業(yè)實(shí)踐的任何話題,也可以發(fā)送郵件到郵箱 chinadmer@163.com ,期待你們的反饋意見(jiàn)。 如何閱讀本書(shū) 本書(shū)分為19章。 第1~4章為基礎(chǔ)和背景部分,主要介紹數(shù)據(jù)分析挖掘和數(shù)據(jù)化運(yùn)營(yíng)的相關(guān)背景、數(shù)據(jù)化運(yùn)營(yíng)中“協(xié)調(diào)配合”的本質(zhì),以及實(shí)踐中常見(jiàn)的分析項(xiàng)目類型。 第6~13章是數(shù)據(jù)分析挖掘中的具體技巧和案例分享部分,主要介紹實(shí)踐中常見(jiàn)的分析挖掘技術(shù)的實(shí)用技巧,并對(duì)大量的實(shí)踐案例進(jìn)行了全程分享展示。 第5章,第14~19章是有關(guān)數(shù)據(jù)分析師的責(zé)任、意識(shí)、思維的培養(yǎng)和提升的總結(jié)與探索,以及一些有效的項(xiàng)目質(zhì)控制度和經(jīng)典的方法論。 本書(shū)幾乎每章都會(huì)用至少一個(gè)完整翔實(shí)的實(shí)戰(zhàn)案例來(lái)進(jìn)行說(shuō)明、反復(fù)強(qiáng)化“以業(yè)務(wù)為核心,以思路為重點(diǎn),以挖掘技術(shù)為輔佐”,希望能給讀者留下深刻印象,因?yàn)檫@是數(shù)據(jù)挖掘商業(yè)實(shí)踐成功的寶典。 致謝 首先要感謝機(jī)械工業(yè)出版社華章公司的楊繡國(guó)(Lisa)編輯,沒(méi)有您的首倡和持續(xù)的鼓勵(lì),我不會(huì)想到要寫這樣一本來(lái)自實(shí)踐的書(shū),也不會(huì)順利地完成這本書(shū)。寫作過(guò)程中,您的幫助讓我對(duì)“編輯”這個(gè)職業(yè)有了新的認(rèn)識(shí),編輯就是作者背后的無(wú)名英雄。在本書(shū)出版之際,我向Lisa表達(dá)我深深的感謝和祝福。同時(shí)感謝朱秀英編輯在本書(shū)后期編輯過(guò)程中付出的辛勞,您的專業(yè)、敬業(yè)和細(xì)心使得書(shū)稿中諸多不完善之處得以修正和提高。 作為一名30多歲才從機(jī)械工程師轉(zhuǎn)行,進(jìn)入數(shù)據(jù)挖掘及其商業(yè)實(shí)踐的遲到者,我在數(shù)據(jù)挖掘的道路上一路走來(lái),得到了無(wú)數(shù)貴人的幫助和提攜。 感謝我的啟蒙導(dǎo)師,加拿大Dalhousie University的數(shù)據(jù)挖掘課程教授Tony Schellinck。他風(fēng)趣幽默的授課風(fēng)格,嚴(yán)謹(jǐn)扎實(shí)的專業(yè)功底,隨手拈來(lái)的大量親身經(jīng)歷的商業(yè)實(shí)戰(zhàn)案例,以及對(duì)待學(xué)生的耐心和熱情,讓我作為一名外國(guó)學(xué)生能有效克服語(yǔ)言和生活環(huán)境的挑戰(zhàn),比較順利地進(jìn)入數(shù)據(jù)挖掘的職業(yè)發(fā)展道路。 感謝回國(guó)后給我第一份專業(yè)工作機(jī)會(huì)的前CCG集團(tuán)(Communication Central Group)商業(yè)智能應(yīng)用事業(yè)部總經(jīng)理Justin Jencks。中國(guó)通Justin在我們一起共事的那段日子里,果敢放手讓我嘗試多個(gè)跨行業(yè)的探索性商業(yè)應(yīng)用項(xiàng)目,給了我許多寶貴的機(jī)會(huì),使我迅速熟悉本土市場(chǎng),積累了不同行業(yè)的實(shí)戰(zhàn)案例,這些對(duì)我的專業(yè)成長(zhǎng)非常重要。 感謝4年前給我機(jī)會(huì),讓我得以從傳統(tǒng)行業(yè)進(jìn)入互聯(lián)網(wǎng)行業(yè)的阿里巴巴集團(tuán)ITBU事業(yè)部的前商業(yè)智能部門總監(jiān)李紅偉(菠蘿)。進(jìn)入互聯(lián)網(wǎng)行業(yè)之后,我才深深懂得作為一名數(shù)據(jù)分析師,相比傳統(tǒng)行業(yè)來(lái)說(shuō),互聯(lián)網(wǎng)行業(yè)有太多的機(jī)會(huì)可以去嘗試不同的項(xiàng)目,去親歷數(shù)不清的“一竿子插到底”的落地應(yīng)用,去學(xué)習(xí)面對(duì)日新月異的需求和挑戰(zhàn)。 感謝一路走來(lái),在項(xiàng)目合作和交流中給我?guī)椭椭С值母魑磺拜、領(lǐng)導(dǎo)、朋友和伙伴,包括:上海第一醫(yī)藥連鎖經(jīng)營(yíng)有限公司總經(jīng)理顧詠晟先生、新華信國(guó)際信息咨詢北京有限公司副總裁歐萬(wàn)德先生(Alvin)、上海聯(lián)都集團(tuán)的創(chuàng)始人馮鐵軍先生、上海通方管理咨詢有限公司總經(jīng)理李步峰女士和總監(jiān)張國(guó)安先生、鼎和保險(xiǎn)公司的張霖霏先生、盛大文學(xué)的數(shù)據(jù)分析經(jīng)理張仙鶴先生、途牛網(wǎng)高級(jí)運(yùn)營(yíng)專家焦延伍先生,以及來(lái)自阿里巴巴的數(shù)據(jù)分析團(tuán)隊(duì)的領(lǐng)導(dǎo)和伙伴(資深總監(jiān)車品覺(jué)先生、高級(jí)專家范國(guó)棟先生、資深經(jīng)理張高峰先生、數(shù)據(jù)分析專家樊寧先生、資深數(shù)據(jù)分析師曹俊杰先生、數(shù)據(jù)分析師宮尚寶先生,等等,尤其要感謝阿里巴巴數(shù)據(jù)委員會(huì)會(huì)長(zhǎng)車品覺(jué)老師在百忙中熱情地為本書(shū)作推薦序,并在序言里為廣大讀者分享了數(shù)據(jù)分析師當(dāng)前面臨的最新機(jī)遇和挑戰(zhàn)),以及這個(gè)倉(cāng)促列出的名單之外的更多前輩、領(lǐng)導(dǎo)、朋友和伙伴。 感謝我的父母、姐姐、姐夫和外甥,他們給予了我一貫的支持和鼓勵(lì)。 我將把深深的感謝給予我的妻子王艷和女兒露璐。露璐雖然只是初中一年級(jí)的學(xué)生,但是在本書(shū)的寫作過(guò)程中,她多次主動(dòng)放棄外出玩耍,幫我改稿,給我提建議,給我鼓勵(lì),甚至還為本書(shū)設(shè)計(jì)了一款封面,在此向露璐同學(xué)表達(dá)我衷心的感謝!而我的妻子,則將家里的一切事情打理得井井有條,使我可以將充分的時(shí)間和精力投入本書(shū)的寫作中。謹(jǐn)以此書(shū)獻(xiàn)給她們! 盧輝 中國(guó) 杭州
盧輝,阿里巴巴商業(yè)智能部數(shù)據(jù)分析專家,從事數(shù)據(jù)庫(kù)營(yíng)銷和數(shù)據(jù)化運(yùn)營(yíng)分析多年,曾在不同行業(yè)以商務(wù)拓展(BD)經(jīng)理、項(xiàng)目經(jīng)理、市場(chǎng)營(yíng)銷部經(jīng)理、高級(jí)咨詢顧問(wèn)、數(shù)據(jù)分析專家的身份親歷大量的數(shù)據(jù)庫(kù)營(yíng)銷和互聯(lián)網(wǎng)行業(yè)數(shù)據(jù)化運(yùn)營(yíng)應(yīng)用項(xiàng)目。目前在阿里巴巴主要從事數(shù)據(jù)化運(yùn)營(yíng)的數(shù)據(jù)挖掘規(guī)劃、項(xiàng)目管理、實(shí)施,擁有比較豐富的互聯(lián)網(wǎng)行業(yè)數(shù)據(jù)化運(yùn)營(yíng)項(xiàng)目經(jīng)驗(yàn)。關(guān)注數(shù)據(jù)化運(yùn)營(yíng)的規(guī)劃和數(shù)據(jù)挖掘項(xiàng)目的管理。
推薦序
前言 第1章 什么是數(shù)據(jù)化運(yùn)營(yíng) 1.1 現(xiàn)代營(yíng)銷理論的發(fā)展歷程 1.1.1 從4P到4C 1.1.2 從4C到3P3C 1.2 數(shù)據(jù)化運(yùn)營(yíng)的主要內(nèi)容 1.3 為什么要數(shù)據(jù)化運(yùn)營(yíng) 1.4 數(shù)據(jù)化運(yùn)營(yíng)的必要條件 1.4.1 企業(yè)級(jí)海量數(shù)據(jù)存儲(chǔ)的實(shí)現(xiàn) 1.4.2 精細(xì)化運(yùn)營(yíng)的需求 1.4.3 數(shù)據(jù)分析和數(shù)據(jù)挖掘技術(shù)的有效應(yīng)用 1.4.4 企業(yè)決策層的倡導(dǎo)與持續(xù)支持 1.5 數(shù)據(jù)化運(yùn)營(yíng)的新現(xiàn)象與新發(fā)展 1.6 關(guān)于互聯(lián)網(wǎng)和電子商務(wù)的最新數(shù)據(jù) 第2章 數(shù)據(jù)挖掘概述 2.1 數(shù)據(jù)挖掘的發(fā)展歷史 2.2 統(tǒng)計(jì)分析與數(shù)據(jù)挖掘的主要區(qū)別 2.3 數(shù)據(jù)挖掘的主要成熟技術(shù)以及在數(shù)據(jù)化運(yùn)營(yíng)中的主要應(yīng)用 2.3.1 決策樹(shù) 2.3.2 神經(jīng)網(wǎng)絡(luò) 2.3.3 回歸 2.3.4 關(guān)聯(lián)規(guī)則 2.3.5 聚類 2.3.6 貝葉斯分類方法 2.3.7 支持向量機(jī) 2.3.8 主成分分析 2.3.9 假設(shè)檢驗(yàn) 2.4 互聯(lián)網(wǎng)行業(yè)數(shù)據(jù)挖掘應(yīng)用的特點(diǎn) 第3章 數(shù)據(jù)化運(yùn)營(yíng)中常見(jiàn)的數(shù)據(jù)分析項(xiàng)目類型 3.1 目標(biāo)客戶的特征分析 3.2 目標(biāo)客戶的預(yù)測(cè)(響應(yīng)、分類)模型 3.3 運(yùn)營(yíng)群體的活躍度定義 3.4 用戶路徑分析 3.5 交叉銷售模型 3.6 信息質(zhì)量模型 3.7 服務(wù)保障模型 3.8 用戶(買家、賣家)分層模型 3.9 賣家(買家)交易模型 3.10 信用風(fēng)險(xiǎn)模型 3.11 商品推薦模型 3.11.1 商品推薦介紹 3.11.2 關(guān)聯(lián)規(guī)則 3.11.3 協(xié)同過(guò)濾算法 3.11.4 商品推薦模型總結(jié) 3.12 數(shù)據(jù)產(chǎn)品 3.13 決策支持 第4章 數(shù)據(jù)化運(yùn)營(yíng)是跨專業(yè)、跨團(tuán)隊(duì)的協(xié)調(diào)與合作 4.1 數(shù)據(jù)分析團(tuán)隊(duì)與業(yè)務(wù)團(tuán)隊(duì)的分工和定位 4.1.1 提出業(yè)務(wù)分析需求并且能勝任基本的數(shù)據(jù)分析 4.1.2 提供業(yè)務(wù)經(jīng)驗(yàn)和參考建議 4.1.3 策劃和執(zhí)行精細(xì)化運(yùn)營(yíng)方案 4.1.4 跟蹤運(yùn)營(yíng)效果、反饋和總結(jié) 4.2 數(shù)據(jù)化運(yùn)營(yíng)是真正的多團(tuán)隊(duì)、多專業(yè)的協(xié)同作業(yè) 4.3 實(shí)例示范數(shù)據(jù)化運(yùn)營(yíng)中的跨專業(yè)、跨團(tuán)隊(duì)協(xié)調(diào)合作 第5章 分析師常見(jiàn)的錯(cuò)誤觀念和對(duì)治的管理策略 5.1 輕視業(yè)務(wù)論 5.2 技術(shù)萬(wàn)能論 5.3 技術(shù)尖端論 5.4 建模與應(yīng)用兩段論 5.5 機(jī)器萬(wàn)能論 5.6 幸福的家庭都是相似的,不幸的家庭各有各的不幸 第6章 數(shù)據(jù)挖掘項(xiàng)目完整應(yīng)用案例演示 6.1 項(xiàng)目背景和業(yè)務(wù)分析需求的提出 6.2 數(shù)據(jù)分析師參與需求討論 6.3 制定需求分析框架和分析計(jì)劃 6.4 抽取樣本數(shù)據(jù)、熟悉數(shù)據(jù)、數(shù)據(jù)清洗和摸底 6.5 按計(jì)劃初步搭建挖掘模型 6.6 與業(yè)務(wù)方討論模型的初步結(jié)論,提出新的思路和模型優(yōu)化方案 6.7 按優(yōu)化方案重新抽取樣本并建模,提煉結(jié)論并驗(yàn)證模型 6.8 完成分析報(bào)告和落地應(yīng)用建議 6.9 制定具體的落地應(yīng)用方案和評(píng)估方案 6.10 業(yè)務(wù)方實(shí)施落地應(yīng)用方案并跟蹤、評(píng)估效果 6.11 落地應(yīng)用方案在實(shí)際效果評(píng)估后,不斷修正完善 6.12 不同運(yùn)營(yíng)方案的評(píng)估、總結(jié)和反饋 6.13 項(xiàng)目應(yīng)用后的總結(jié)和反思 第7章 數(shù)據(jù)挖掘建模的優(yōu)化和限度 7.1 數(shù)據(jù)挖掘模型的優(yōu)化要遵循有效、適度的原則 7.2 如何有效地優(yōu)化模型 7.2.1 從業(yè)務(wù)思路上優(yōu)化 7.2.2 從建模的技術(shù)思路上優(yōu)化 7.2.3 從建模的技術(shù)技巧上優(yōu)化 7.3 如何思考優(yōu)化的限度 7.4 模型效果評(píng)價(jià)的主要指標(biāo)體系 7.4.1 評(píng)價(jià)模型準(zhǔn)確度和精度的系列指標(biāo) 7.4.2 ROC曲線 7.4.3 KS值 7.4.4 Lift值 7.4.5 模型穩(wěn)定性的評(píng)估 第8章 常見(jiàn)的數(shù)據(jù)處理技巧 8.1 數(shù)據(jù)的抽取要正確反映業(yè)務(wù)需求 8.2 數(shù)據(jù)抽樣 8.3 分析數(shù)據(jù)的規(guī)模有哪些具體的要求 8.4 如何處理缺失值和異常值 8.4.1 缺失值的常見(jiàn)處理方法 8.4.2 異常值的判斷和處理 8.5 數(shù)據(jù)轉(zhuǎn)換 8.5.1 生成衍生變量 8.5.2 改善變量分布的轉(zhuǎn)換 8.5.3 分箱轉(zhuǎn)換 8.5.4 數(shù)據(jù)的標(biāo)準(zhǔn)化 8.6 篩選有效的輸入變量 8.6.1 為什么要篩選有效的輸入變量 8.6.2 結(jié)合業(yè)務(wù)經(jīng)驗(yàn)進(jìn)行先行篩選 8.6.3 用線性相關(guān)性指標(biāo)進(jìn)行初步篩選 8.6.4 R平方 8.6.5 卡方檢驗(yàn) 8.6.6 IV和WOE 8.6.7 部分建模算法自身的篩選功能 8.6.8 降維的方法 8.6.9 最后的準(zhǔn)則 8.7 共線性問(wèn)題 8.7.1 如何發(fā)現(xiàn)共線性 8.7.2 如何處理共線性 第9章 聚類分析的典型應(yīng)用和技術(shù)小竅門 9.1 聚類分析的典型應(yīng)用場(chǎng)景 9.2 主要聚類算法的分類 9.2.1 劃分方法 9.2.2 層次方法 9.2.3 基于密度的方法 9.2.4 基于網(wǎng)格的方法 9.3 聚類分析在實(shí)踐應(yīng)用中的重點(diǎn)注意事項(xiàng) 9.3.1 如何處理數(shù)據(jù)噪聲和異常值 9.3.2 數(shù)據(jù)標(biāo)準(zhǔn)化 9.3.3 聚類變量的少而精 9.4 聚類分析的擴(kuò)展應(yīng)用 9.4.1 聚類的核心指標(biāo)與非聚類的業(yè)務(wù)指標(biāo)相輔相成 9.4.2 數(shù)據(jù)的探索和清理工具 9.4.3 個(gè)性化推薦的應(yīng)用 9.5 聚類分析在實(shí)際應(yīng)用中的優(yōu)勢(shì)和缺點(diǎn) 9.6 聚類分析結(jié)果的評(píng)價(jià)體系和評(píng)價(jià)指標(biāo) 9.6.1 業(yè)務(wù)專家的評(píng)估 9.6.2 聚類技術(shù)上的評(píng)價(jià)指標(biāo) 9.7 一個(gè)典型的聚類分析課題的案例分享 9.7.1 案例背景 9.7.2 基本的數(shù)據(jù)摸底 9.7.3 基于用戶樣本的聚類分析的初步結(jié)論 第10章 預(yù)測(cè)響應(yīng)(分類)模型的典型應(yīng)用和技術(shù)小竅門 10.1 神經(jīng)網(wǎng)絡(luò)技術(shù)的實(shí)踐應(yīng)用和注意事項(xiàng) 10.1.1 神經(jīng)網(wǎng)絡(luò)的原理和核心要素 10.1.2 神經(jīng)網(wǎng)絡(luò)的應(yīng)用優(yōu)勢(shì) 10.1.3 神經(jīng)網(wǎng)絡(luò)技術(shù)的缺點(diǎn)和注意事項(xiàng) 10.2 決策樹(shù)技術(shù)的實(shí)踐應(yīng)用和注意事項(xiàng) 10.2.1 決策樹(shù)的原理和核心要素 10.2.2 CHAID算法 10.2.3 CART算法 10.2.4 ID3算法 10.2.5 決策樹(shù)的應(yīng)用優(yōu)勢(shì) 10.2.6 決策樹(shù)的缺點(diǎn)和注意事項(xiàng) 10.3 邏輯回歸技術(shù)的實(shí)踐應(yīng)用和注意事項(xiàng) 10.3.1 邏輯回歸的原理和核心要素 10.3.2 回歸中的變量篩選方法 10.3.3 邏輯回歸的應(yīng)用優(yōu)勢(shì) 10.3.4 邏輯回歸應(yīng)用中的注意事項(xiàng) 10.4 多元線性回歸技術(shù)的實(shí)踐應(yīng)用和注意事項(xiàng) 10.4.1 線性回歸的原理和核心要素 10.4.2 線性回歸的應(yīng)用優(yōu)勢(shì) 10.4.3 線性回歸應(yīng)用中的注意事項(xiàng) 10.5 模型的過(guò)擬合及對(duì)策 10.6 一個(gè)典型的預(yù)測(cè)響應(yīng)模型的案例分享 10.6.1 案例背景 10.6.2 基本的數(shù)據(jù)摸底 10.6.3 建模數(shù)據(jù)的抽取和清洗 10.6.4 初步的相關(guān)性檢驗(yàn)和共線性排查 10.6.5 潛在自變量的分布轉(zhuǎn)換 10.6.6 自變量的篩選 10.6.7 響應(yīng)模型的搭建與優(yōu)化 10.6.8 冠軍模型的確定和主要的分析結(jié)論 10.6.9 基于模型和分析結(jié)論基礎(chǔ)上的運(yùn)營(yíng)方案 10.6.10 模型落地應(yīng)用效果跟蹤反饋 第11章 用戶特征分析的典型應(yīng)用和技術(shù)小竅門 11.1 用戶特征分析所適用的典型業(yè)務(wù)場(chǎng)景 11.1.1 尋找目標(biāo)用戶 11.1.2 尋找運(yùn)營(yíng)的抓手 11.1.3 用戶群體細(xì)分的依據(jù) 11.1.4 新品開(kāi)發(fā)的線索和依據(jù) 11.2 用戶特征分析的典型分析思路和分析技術(shù) 11.2.1 3種劃分的區(qū)別 11.2.2 RFM 11.2.3 聚類技術(shù)的應(yīng)用 11.2.4 決策樹(shù)技術(shù)的應(yīng)用 11.2.5 預(yù)測(cè)(響應(yīng))模型中的核心自變量 11.2.6 假設(shè)檢驗(yàn)的應(yīng)用 11.3 特征提煉后的評(píng)價(jià)體系 11.4 用戶特征分析與用戶預(yù)測(cè)模型的區(qū)別和聯(lián)系 11.5 用戶特征分析案例 第12章 運(yùn)營(yíng)效果分析的典型應(yīng)用和技術(shù)小竅門 12.1 為什么要做運(yùn)營(yíng)效果分析 12.2 統(tǒng)計(jì)技術(shù)在數(shù)據(jù)化運(yùn)營(yíng)中最重要最常見(jiàn)的應(yīng)用 12.2.1 為什么要進(jìn)行假設(shè)檢驗(yàn) 12.2.2 假設(shè)檢驗(yàn)的基本思想 12.2.3 T檢驗(yàn)概述 12.2.4 兩組獨(dú)立樣本T檢驗(yàn)的假設(shè)和檢驗(yàn) 12.2.5 兩組獨(dú)立樣本的非參數(shù)檢驗(yàn) 12.2.6 配對(duì)差值的T檢驗(yàn) 12.2.7 配對(duì)差值的非參數(shù)檢驗(yàn) 12.2.8 方差分析概述 12.2.9 單因素方差分析 12.2.10 多個(gè)樣本組的非參數(shù)檢驗(yàn) 12.2.11 卡方檢驗(yàn) 12.2.12 控制變量的方法 12.2.13 AB Test 第13章 漏斗模型和路徑分析 13.1 網(wǎng)絡(luò)日志和布點(diǎn) 13.1.1 日志布點(diǎn) 13.1.2 日志采集 13.1.3 日志解析 13.1.4 日志分析 13.2 漏斗模型與路徑分析的主要區(qū)別和聯(lián)系 13.3 漏斗模型的主要應(yīng)用場(chǎng)景 13.3.1 運(yùn)營(yíng)過(guò)程的監(jiān)控和運(yùn)營(yíng)效率的分析與改善 13.3.2 用戶關(guān)鍵路徑分析 13.3.3 產(chǎn)品優(yōu)化 13.4 路徑分析的主要應(yīng)用場(chǎng)景 13.5 路徑分析的主要算法 13.5.1 社會(huì)網(wǎng)絡(luò)分析方法 13.5.2 基于序列的關(guān)聯(lián)分析 13.5.3 最樸素的遍歷方法 13.6 路徑分析案例的分享 13.6.1 案例背景 13.6.2 主要的分析技術(shù)介紹 13.6.3 分析所用的數(shù)據(jù)概況 13.6.4 主要的數(shù)據(jù)結(jié)論和業(yè)務(wù)解說(shuō) 13.6.5 主要分析結(jié)論的落地應(yīng)用跟蹤 第14章 數(shù)據(jù)分析師對(duì)業(yè)務(wù)團(tuán)隊(duì)數(shù)據(jù)分析能力的培養(yǎng) 14.1 培養(yǎng)業(yè)務(wù)團(tuán)隊(duì)數(shù)據(jù)分析意識(shí)與能力的重要性 14.2 數(shù)據(jù)分析師在業(yè)務(wù)團(tuán)隊(duì)數(shù)據(jù)分析意識(shí)能力培養(yǎng)中的作用 14.3 數(shù)據(jù)分析師如何培養(yǎng)業(yè)務(wù)團(tuán)隊(duì)的數(shù)據(jù)分析意識(shí)和能力 14.4 數(shù)據(jù)分析師培養(yǎng)業(yè)務(wù)團(tuán)隊(duì)數(shù)據(jù)分析意識(shí)能力的案例分享 14.4.1 案例背景 14.4.2 過(guò)程描述 14.4.3 本項(xiàng)目的效果跟蹤 第15章 換位思考 15.1 為什么要換位思考 15.2 從業(yè)務(wù)方的角度換位思考數(shù)據(jù)分析與挖掘 15.3 從同行的角度換位思考數(shù)據(jù)分析挖掘的經(jīng)驗(yàn)教訓(xùn) 第16章 養(yǎng)成數(shù)據(jù)分析師的品質(zhì)和思維模式 16.1 態(tài)度決定一切 16.1.1 信念 16.1.2 信心 16.1.3 熱情 16.1.4 敬畏 16.1.5 感恩 16.2 商業(yè)意識(shí)是核心 16.2.1 為什么商業(yè)意識(shí)是核心 16.2.2 如何培養(yǎng)商業(yè)意識(shí) 16.3 一個(gè)基本的方法論 16.4 大膽假設(shè),小心求證 16.5 20/80原理 16.6 結(jié)構(gòu)化思維 16.7 優(yōu)秀的數(shù)據(jù)分析師既要客觀,又要主觀 第17章 條條大道通羅馬 17.1 為什么會(huì)條條大道通羅馬 17.2 條條大道有側(cè)重 17.3 自覺(jué)服從和積極響應(yīng) 17.3.1 自覺(jué)服從 17.3.2 積極響應(yīng) 17.4 具體示例 第18章 數(shù)據(jù)挖掘?qū)嵺`的質(zhì)量保障流程和制度 18.1 一個(gè)有效的質(zhì)量保障流程制度 18.1.1 業(yè)務(wù)需求的收集 18.1.2 評(píng)估小組評(píng)估需求的優(yōu)先級(jí) 18.1.3 課題組的成立及前期摸底 18.1.4 向業(yè)務(wù)方提交正式課題(項(xiàng)目)計(jì)劃書(shū) 18.1.5 數(shù)據(jù)分析挖掘的課題展開(kāi) 18.1.6 向業(yè)務(wù)方提交結(jié)論報(bào)告及業(yè)務(wù)落地應(yīng)用建議 18.1.7 課題(項(xiàng)目)的落地應(yīng)用和效果監(jiān)控反饋 18.2 質(zhì)量保障流程制度的重要性 18.3 如何支持與強(qiáng)化質(zhì)量保障流程制度 第19章 幾個(gè)經(jīng)典的數(shù)據(jù)挖掘方法論 19.1 SEMMA方法論 19.1.1 數(shù)據(jù)取樣 19.1.2 數(shù)據(jù)探索 19.1.3 數(shù)據(jù)調(diào)整 19.1.4 模式化 19.1.5 評(píng)價(jià) 19.2 CRISP-DM方法論 19.2.1 業(yè)務(wù)理解 19.2.2 數(shù)據(jù)理解 19.2.3 數(shù)據(jù)準(zhǔn)備 19.2.4 模型搭建 19.2.5 模型評(píng)估 19.2.6 模型發(fā)布 19.3 Tom Khabaza的挖掘9律
你還可能感興趣
我要評(píng)論
|