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 云计算&大数据
简介
Python数据分析与数据化运营(第2版): 数据分析与决策技术丛书 豆 0.0分
资源最后更新于 2020-03-29 00:59:06
作者:宋天龙
出版社:出版社机械工业出版社
出版日期:2019-06
ISBN:9787111627760
文件格式: pdf
标签: 运营 计算机 编程语言 程序设计 数据分析 Python 数据分析与决策技术丛书
简介· · · · · ·
这是一本将数据分析技术与数据使用场景深度结合的著作,从实战角度讲解了如何利用Python进行数据分析和数据化运营。畅销书全新、大幅升级,第1版近乎100%的好评,第2版不仅将Python升级到了*新的版本,而且对具体内容进行了大幅度的补充和优化。作者是有10余年数据分析与数据化运营的大数据专家,书中对50余个数据工作流知识点、14个数据分析与挖掘主题、4个数据化运营主题、8个综合性案例进行了全面的讲解,能让数据化运营结合数据使用场景360°落地。全书一共9章,分为两个部分:第一部分(第1—4章)Python数据分析与挖掘,首先介绍了Python和数据化运营的基本知识,然后详细讲解了Python数据获取(结构化和非结构化)、预处理、分析和挖掘的关键技术和经验,包含10大类预处理经验、14个数据分析与挖掘主题,50余个知识点。第二部分(第5—9章)Python数据化运营,这是本书的核心,详细讲解了会员运营、商品运营、流量运营和内容运营4大主题,以及提升数据化运营价值的方法。每个运营主题中都包含了基本知识、评估指标、应用场景、数据分析模型、数据分析小技巧、数据分析大实话以及2个综合性的应用案例。宋天龙,大数据技术专家,触脉咨询合伙人兼副总裁,前Webtrekk中国区技术和咨询负责人(Webtrekk,德国最大的在线数据分析服务提供商)。擅长数据挖掘、建模、分析与运营,精通端到端数据价值场景设计、业务需求转换、数据结构梳理、数据建模与学习以及数据工程交付。在电子商务、零售、银行、保险等多个行业拥有丰富的数据项目工作经验,参与过集团和企业级数据体系规划、DMP与数据仓库建设、大数据产品开发、网站流量系统建设、个性化智能推荐与精准营销、企业大数据智能等。参与实施客户案例包括联合利华、Webpower、德国OTTO集团电子商务(中国)、Esprit中国、猪八戒网、顺丰优选、乐视商城、泰康人寿、酒仙网、国美在线、迪信通等。著有多部畅销书:《Python数据分析与数据化运营》《网站数据挖掘与分析:系统方法与商业实践》《企业大数据系统构建实战:技术、架构、实施与应用》
目录
前言
第1章 Python和数据化运营
1.1 用Python做数据化运营
1.2 数据化运营所需的Python相关工具和组件
1.3 内容延伸:Python的OCR和tensorflow
1.4 第1个用Python实现的数据化运营分析实例、销售预测
1.5 本章小结
第2章 数据化运营的数据来源
2.1 数据化运营的数据来源类型
2.2 使用Python获取运营数据
2.3 内容延伸:读取非结构化网页、文本、图像、视频、语音
2.4 本章小结
第3章 10条数据化运营不得不知道的数据预处理经验
3.1 数据清洗:缺失值、异常值和重复值的处理
3.2 将分类数据和顺序数据转换为标志变量
3.3 大数据时代的数据降维
3.4 解决样本类别分布不均衡的问题
3.5 数据化运营要抽样还是全量数据
3.6 解决运营数据的共线性问题
3.7 有关相关性分析的混沌
3.8 标准化,让运营数据落入相同的范围
3.9 离散化,对运营数据做逻辑分层
3.10 内容延伸:非结构化数据的预处理
3.11 本章小结
第4章 跳过运营数据分析和挖掘的“大坑”
4.1 聚类分析
4.2 回归分析
4.3 分类分析
4.4 关联分析
4.5 异常检测分析
4.6 时间序列分析
4.7 路径、漏斗、归因和热力图分析
4.8 其他数据分析和挖掘的忠告
4.9 内容延伸1:非结构化数据的分析与挖掘
4.10 内容延伸2:AutoML——自动化数据挖掘与机器学习
4.11 本章小结
第5章 会员数据化运营
5.1 会员数据化运营概述
5.2 会员数据化运营关键指标
5.3 会员数据化运营应用场景
5.4 会员数据化运营分析模型
5.5 会员数据化运营分析小技巧
5.6 会员数据化运营分析的“大实话”
5.7 案例:基于RFM的精细化用户管理
5.8 案例:基于嵌套Pipeline和FeatureUnion复合数据工作流的营销响应预测
5.9 本章小结
第6章 商品数据化运营
6.1 商品数据化运营概述
6.2 商品数据化运营关键指标
6.3 商品数据化运营应用场景
6.4 商品数据化运营分析模型
6.5 商品数据化运营分析小技巧
6.6 商品数据化运营分析的“大实话”
6.7 案例:基于Gradient Boosting的自动超参数优化的销售预测
6.8 案例:基于集成算法GBDT和RandomForest的投票组合模型的异常检测
6.9 本章小结
第7章 流量数据化运营
7.1 流量数据化运营概述
7.2 八大流量分析工具
7.3 流量采集分析系统的工作机制
7.4 流量数据与企业数据的整合
7.5 流量数据化运营指标
7.6 流量数据化运营应用场景
7.7 流量数据化运营分析模型
7.8 流量数据化运营分析小技巧
7.9 流量数据化运营分析的“大实话”
7.10 案例:基于自动节点树的数据异常原因下探分析
7.11 案例:基于自动K值的KMeans广告效果聚类分析
7.12 本章小结
第8章 内容数据化运营
8.1 内容数据化运营概述
8.2 内容数据化运营指标
8.3 内容数据化运营应用场景
8.4 内容数据化运营分析模型
8.5 内容数据化运营分析小技巧
8.6 内容数据化运营分析的“大实话”
8.7 案例:基于潜在狄利克雷分配的内容主题挖掘
8.8 案例:基于多项式贝叶斯的增量学习的文本分类
8.9 本章小结
第9章 数据化运营分析的终极秘籍
9.1 撰写出彩的数据分析报告的5个建议
9.2 数据化运营支持的4种扩展方式
9.3 提升数据化运营价值度的5种途径
9.4 本章小结
附录
附录A 公开数据集
附录B Python数据工具箱