數(shù)據(jù)化運(yùn)營速成手冊

第1章 全面認(rèn)識數(shù)據(jù)圖表 1
1.1 詳解數(shù)據(jù)圖表的基本構(gòu)成 1
1.2 控制數(shù)據(jù)圖表中的信息量 9
1.3 真的需要作圖嗎 10
第2章 建立數(shù)據(jù)圖表的認(rèn)知 14
2.1 利用散點圖探究數(shù)據(jù)間的關(guān)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(biāo)間的關(guān)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(shù)據(jù)結(jié)構(gòu)的變化 25
2.2.2 多指標(biāo)組合對比 27
2.2.3 用平均值優(yōu)化單指標(biāo)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(shù)值指標(biāo)與比率指標(biāo) 33
2.3 用折線圖觀察時間序列數(shù)據(jù) 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(shù)據(jù)結(jié)構(gòu)的變化趨勢 44
2.4.1 觀察動態(tài)的數(shù)據(jù)結(jié)構(gòu)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(dá)圖進(jìn)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(zhuǎn)化率：漏斗圖 52
第3章 數(shù)據(jù)圖表進(jìn)階 54
3.1 數(shù)據(jù)圖表到底是什么 55
3.2 如何正確地選擇圖表 59
3.3 數(shù)據(jù)圖表中的細(xì)節(jié) 60
3.3.1 圖表背景和繪圖區(qū)背景 60
3.3.2 坐標(biāo)軸 65
3.3.3 靈活使用輔助線 68
3.3.4 線性趨勢線的應(yīng)用 69
3.3.5 應(yīng)用移動平均趨勢線做時間序列的預(yù)測 72
3.3.6 添加信息增強(qiáng)線 74
3.3.7 用標(biāo)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(yùn)用組合圖表增加信息承載量 76
3.4.2 運(yùn)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(shù)優(yōu)化柱形圖和條形圖 86
3.4.6 使用Bullet圖進(jìn)行績效評價的可視化 89
第4章 數(shù)據(jù)化運(yùn)營的基礎(chǔ)知識 93
4.1 最基本的數(shù)據(jù)獲取能力 94
4.1.1 認(rèn)知數(shù)據(jù)庫的一般構(gòu)造 94
4.1.2 能夠閱讀最基本的取數(shù)代碼 95
4.1.3 用Excel獲取數(shù)據(jù) 98
4.2 快速認(rèn)知數(shù)據(jù) 105
4.2.1 仔細(xì)審核數(shù)據(jù)源的質(zhì)量 106
4.2.2 提升數(shù)據(jù)集的質(zhì)量 107
4.2.3 統(tǒng)一數(shù)據(jù)類型和單位 111
4.2.4 描述統(tǒng)計分析 111
4.2.5 利用相關(guān)系數(shù)理解數(shù)據(jù)之間的關(guān)系 122
4.2.6 通過多維交叉深入認(rèn)知數(shù)據(jù)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(biāo)，應(yīng)用指標(biāo) 141
4.4.1 什么是指標(biāo) 142
4.4.2 如何設(shè)計高質(zhì)量的指標(biāo) 143
4.4.3 指標(biāo)組合：綜合指數(shù) 143
4.4.4 需要關(guān)注哪些核心指標(biāo) 144
4.5 運(yùn)營活動的量化 148
4.5.1 優(yōu)秀的運(yùn)營活動應(yīng)具備哪些要素 148
4.5.2 需要哪些過程型和結(jié)果型指標(biāo) 149
4.5.3 如何評價運(yùn)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(yán)謹(jǐn)?shù)臏y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(guān)于運(yùn)營活動量化的小結(jié) 156
4.6 數(shù)據(jù)化運(yùn)營的思維方式 156
4.7 運(yùn)營數(shù)據(jù)報告的必備要素 167
4.8 小結(jié) 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(jìn)行預(yù)測 171
5.1.1 利用全概率公式的一個例子 174
5.1.2 讓大數(shù)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(shè)檢驗進(jìn)行理性的推斷 177
5.2.1 統(tǒng)計分布是一切推斷的基礎(chǔ) 179
5.2.2 以正態(tài)分布為例，闡述假設(shè)檢驗的過程 181
5.2.3 雙側(cè)檢驗與單側(cè)檢驗 183
5.2.4 假設(shè)檢驗的細(xì)節(jié)補(bǔ)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(yùn)用置信區(qū)間增強(qiáng)數(shù)值估計的可靠性 189
5.3.3 兩兩比較尋找最精確的結(jié)論 190
5.3.4 理解方差分析的思維 191
5.4 淺談回歸技術(shù)的應(yīng)用 191
5.4.1 因變量與自變量的相關(guān)關(guān)系是回歸的基礎(chǔ) 191
5.4.2 線性回歸建模的詳細(xì)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(shù)據(jù) 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(yīng)用局限性 212
5.6 如何優(yōu)化調(diào)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(wù)需求 215
5.6.3 設(shè)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(diào)查，設(shè)置問題庫以保障多次調(diào)查的質(zhì)量 216
第6章 科學(xué)地決策 217
6.1 從數(shù)據(jù)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(shè)置輸出單元格、目標(biāo)單元格與可變單元格之前的運(yùn)算關(guān)系 221
6.3.3 設(shè)置線性規(guī)劃建模參數(shù) 222
6.4 如何從數(shù)據(jù)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(wǎng)絡(luò)配送模型 227
6.5.4 混合模型 229
6.6 線性規(guī)劃模型小結(jié) 231
第7章 應(yīng)用優(yōu)秀的工具 233
7.1 互聯(lián)網(wǎng)數(shù)據(jù)分析工具的演進(jìn) 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(shù)據(jù)分析平臺簡介及趨勢 238
7.3.1 數(shù)據(jù)展現(xiàn) 238
7.3.2 數(shù)據(jù)處理 238
7.3.3 數(shù)據(jù)收集 239
7.4 值得推薦的小工具 240
7.4.1 團(tuán)隊協(xié)作工具 240
7.4.2 其他小工具 241
第8章 工作經(jīng)驗雜談 242
8.1 這些年犯過的錯誤 242
8.1.1 迷信業(yè)務(wù)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(jìn)行數(shù)據(jù)追蹤 245
8.1.4 為了KPI 而做數(shù)據(jù)分析 246
8.1.5 忽略數(shù)據(jù)質(zhì)量的保障機(jī)制 247
8.1.6 輕視業(yè)務(wù)執(zhí)行，重視數(shù)據(jù)表現(xiàn) 248
8.1.7 不重視數(shù)據(jù)認(rèn)知，盲目建模 248
8.1.8 只重視完成任務(wù)，忽略了團(tuán)隊成員的個人發(fā)展需求 249
8.2 認(rèn)清數(shù)據(jù)分析的邊界 250
8.2.1 數(shù)據(jù)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(shù)據(jù)不能替代邏輯推理 251
8.2.4 預(yù)測的根基未必牢固 251
8.2.5 大多數(shù)人會因數(shù)據(jù)而變懶 252
8.3 我們需要讀些什么書 252