我爱电子书-《数据挖掘与数据化运营实战: 思路、方法、技巧与应用》| pdf + epub + mobi + awz3, 高清版, 带目录，Kindle版, 多看精排版下载

注重体验与质量的电子书资源下载网站

分类于: 计算机基础互联网云计算&大数据人工智能设计

简介

数据挖掘与数据化运营实战: 思路、方法、技巧与应用豆 7.2分

资源最后更新于 2020-03-29 03:11:07

作者：卢辉

出版社：出版社机械工业出版社

出版日期：2013-06

ISBN：9787111426509

文件格式： pdf

标签：互联网运营数据挖掘限时特价数据分析大数据数据化运营

简介· · · · · ·

本书是目前有关数据挖掘在数据化运营实践领域比较全面和系统的著作，也是诸多数据挖掘书籍中为数不多的穿插大量真实的实践应用案例和场景的著作，更是创造性地针对数据化运营中不同分析挖掘课题类型，推出一一对应的分析思路集锦和相应的分析技巧集成，为读者提供“菜单化”实战锦囊的著作。作者结合自己数据化运营实践中大量的项目经验，用通俗易懂的“非技术”语言和大量活泼生动的案例，围绕数据分析挖掘中的思路、方法、技巧与应用，全方位整理、总结、分享，帮助读者深刻领会和掌握“以业务为核心，以思路为重点，以分析技术为辅佐”的数据挖掘实践应用宝典。本书共19章，分为三个部分：基础篇（第1～4章）系统介绍了数据分析挖掘和数据化运营的相关背景、数据化运营中“协调配合”的核心，以及实践中常见分析项目类型；实战篇（第6～13章）主要介绍实践中常见的分析挖掘技术的实用技巧，并对大量的实践案例进行了全程分享展示；思想意识篇（第5章，第14～19章）主要是有关数据分析师的责任、意识、思维的培养和提升的总结和探索，以及一些有效的项目质控制度和经典的方法论介绍。卢辉：阿里巴巴商业智能部数据分析专家，从事数据库营销和数据化运营分析多年，曾在不同行业以商务拓展(BD)经理、项目经理、市场营销部经理、高级咨询顾问、数据分析专家的身份亲历大量的数据库营销和互联网行业数据化运营应用项目。目前在阿里巴巴主要从事数据化运营的数据挖掘规划、项目管理、实施，拥有比较丰富的互联网行业数据化运营项目经验。关注数据化运营的规划和数据挖掘项目的管理。

直接下载

简介

数据挖掘与数据化运营实战: 思路、方法、技巧与应用 豆 7.2分

简介· · · · · ·

目录

推荐序

前言

为什么要写这本书

读者对象

勘误和支持

如何阅读本书

致谢

第1章 什么是数据化运营

1.1 现代营销理论的发展历程

1.1.1 从4P到4C

1.1.2 从4C到3P3C

1.2 数据化运营的主要内容

1.3 为什么要数据化运营

1.4 数据化运营的必要条件

1.4.1 企业级海量数据存储的实现

1.4.2 精细化运营的需求

1.4.3 数据分析和数据挖掘技术的有效应用

1.4.4 企业决策层的倡导与持续支持

1.5 数据化运营的新现象与新发展

1.6 关于互联网和电子商务的最新数据

第2章 数据挖掘概述

2.1 数据挖掘的发展历史

2.2 统计分析与数据挖掘的主要区别

2.3 数据挖掘的主要成熟技术以及在数据化运营中的主要应用

2.3.1 决策树

2.3.2 神经网络

2.3.3 回归

2.3.4 关联规则

2.3.5 聚类

2.3.6 贝叶斯分类方法

2.3.7 支持向量机

2.3.8 主成分分析

2.3.9 假设检验

2.4 互联网行业数据挖掘应用的特点

第3章 数据化运营中常见的数据分析项目类型

3.1 目标客户的特征分析

3.2 目标客户的预测（响应、分类）模型

3.3 运营群体的活跃度定义

3.4 用户路径分析

3.5 交叉销售模型

3.6 信息质量模型

3.7 服务保障模型

3.8 用户（买家、卖家）分层模型

3.9 卖家（买家）交易模型

3.10 信用风险模型

3.11 商品推荐模型

3.11.1 商品推荐介绍

3.11.2 关联规则

3.11.3 协同过滤算法

3.11.4 商品推荐模型总结

3.12 数据产品

3.13 决策支持

第4章 数据化运营是跨专业、跨团队的协调与合作

4.1 数据分析团队与业务团队的分工和定位

4.1.1 提出业务分析需求并且能胜任基本的数据分析

4.1.2 提供业务经验和参考建议

4.1.3 策划和执行精细化运营方案

4.1.4 跟踪运营效果、反馈和总结

4.2 数据化运营是真正的多团队、多专业的协同作业

4.3 实例示范数据化运营中的跨专业、跨团队协调合作

第5章 分析师常见的错误观念和对治的管理策略

5.1 轻视业务论

5.2 技术万能论

5.3 技术尖端论

5.4 建模与应用两段论

5.5 机器万能论

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 数据挖掘项目完整应用案例演示

6.1 项目背景和业务分析需求的提出

6.2 数据分析师参与需求讨论

6.3 制定需求分析框架和分析计划

6.4 抽取样本数据、熟悉数据、数据清洗和摸底

6.5 按计划初步搭建挖掘模型

6.6 与业务方讨论模型的初步结论，提出新的思路和模型优化方案

6.7 按优化方案重新抽取样本并建模，提炼结论并验证模型

6.8 完成分析报告和落地应用建议

数据挖掘与数据化运营实战: 思路、方法、技巧与应用豆 7.2分

第1章　什么是数据化运营

1.1　现代营销理论的发展历程

1.1.1　从4P到4C

1.1.2　从4C到3P3C

1.2　数据化运营的主要内容

1.3　为什么要数据化运营

1.4　数据化运营的必要条件

1.4.1　企业级海量数据存储的实现

1.4.2　精细化运营的需求

1.4.3　数据分析和数据挖掘技术的有效应用

1.4.4　企业决策层的倡导与持续支持

1.5　数据化运营的新现象与新发展

1.6　关于互联网和电子商务的最新数据

第2章　数据挖掘概述

2.1　数据挖掘的发展历史

2.2　统计分析与数据挖掘的主要区别

2.3　数据挖掘的主要成熟技术以及在数据化运营中的主要应用

2.3.1　决策树

2.3.2　神经网络

2.3.3　回归

2.3.4　关联规则

2.3.5　聚类

2.3.6　贝叶斯分类方法

2.3.7　支持向量机

2.3.8　主成分分析

2.3.9　假设检验

2.4　互联网行业数据挖掘应用的特点

第3章　数据化运营中常见的数据分析项目类型

3.1　目标客户的特征分析

3.2　目标客户的预测（响应、分类）模型

3.3　运营群体的活跃度定义

3.4　用户路径分析

3.5　交叉销售模型

3.6　信息质量模型

3.7　服务保障模型

3.8　用户（买家、卖家）分层模型

3.9　卖家（买家）交易模型

3.10　信用风险模型

3.11　商品推荐模型

3.11.1　商品推荐介绍

3.11.2　关联规则

3.11.3　协同过滤算法

3.11.4　商品推荐模型总结

3.12　数据产品

3.13　决策支持

第4章　数据化运营是跨专业、跨团队的协调与合作

4.1　数据分析团队与业务团队的分工和定位

4.1.1　提出业务分析需求并且能胜任基本的数据分析

4.1.2　提供业务经验和参考建议

4.1.3　策划和执行精细化运营方案

4.1.4　跟踪运营效果、反馈和总结

4.2　数据化运营是真正的多团队、多专业的协同作业

4.3　实例示范数据化运营中的跨专业、跨团队协调合作

第5章　分析师常见的错误观念和对治的管理策略

5.1　轻视业务论

5.2　技术万能论

5.3　技术尖端论

5.4　建模与应用两段论

5.5　机器万能论

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　数据挖掘项目完整应用案例演示

6.1　项目背景和业务分析需求的提出

6.2　数据分析师参与需求讨论

6.3　制定需求分析框架和分析计划

6.4　抽取样本数据、熟悉数据、数据清洗和摸底

6.5　按计划初步搭建挖掘模型

6.6　与业务方讨论模型的初步结论，提出新的思路和模型优化方案

6.7　按优化方案重新抽取样本并建模，提炼结论并验证模型

6.8　完成分析报告和落地应用建议

6.9　制定具体的落地应用方案和评估方案

6.10　业务方实施落地应用方案并跟踪、评估效果

6.11　落地应用方案在实际效果评估后，不断修正完善

6.12　不同运营方案的评估、总结和反馈

6.13　项目应用后的总结和反思

第7章　数据挖掘建模的优化和限度

7.1　数据挖掘模型的优化要遵循有效、适度的原则

7.2　如何有效地优化模型

7.2.1　从业务思路上优化

7.2.2　从建模的技术思路上优化