在大數(shù)據(jù)時代，我們并不缺少數(shù)據(jù)，缺少的是利用數(shù)據(jù)分析的思維和工具去解決實際問題的能力。數(shù)據(jù)化分析是運用恰當?shù)姆椒ê凸ぞ撸瑢?shù)據(jù)進行科學、有效的分析，從而提出有理有據(jù)、具有可操作性的建議，以解決現(xiàn)實中的難題。本書主要介紹了數(shù)據(jù)分析的9 種思維、7 種工具、學習方法、基本方法、展現(xiàn)方法、制作數(shù)據(jù)分析報告的方法，以及數(shù)據(jù)分析的思維模型。本書適合所有對數(shù)據(jù)分析感興趣的讀者閱讀，特別是在工作或生活中需要經常跟數(shù)據(jù)接觸的人，如數(shù)據(jù)分析師、產品經理、運營人員、管理人員、財務人員等。
掌握數(shù)據(jù)分析的思維和工具
去偽存真、化繁為簡，通過現(xiàn)象看本質，找到問題的根本原因，進而睿智地解決問題
為什么要寫這本書
2008 年，作者開始從事數(shù)據(jù)分析工作，學習運用數(shù)據(jù)分析的思維和工具，來解決現(xiàn)實世界中的各種難題，并積累了一些數(shù)據(jù)分析的實戰(zhàn)經驗。
2012 年，作者給自己起了一個網名叫數(shù)據(jù)化分析，當時的想法是運用恰當?shù)姆椒ê凸ぞ撸瑢?shù)據(jù)進行科學、有效的分析。
2016 年，作者給數(shù)據(jù)化分析賦予了新的內涵：用數(shù)據(jù)化解難題，讓分析更加有效。數(shù)據(jù)化分析比數(shù)據(jù)分析多了一個化字，以突出化解難題的作用。數(shù)據(jù)化分析從收集數(shù)據(jù)開始，到改善數(shù)據(jù)，再到分析數(shù)據(jù)和化解難題，然后又反過來收集更多的數(shù)據(jù)，形成了一個用數(shù)據(jù)解決實際問題的增強回路。
數(shù)據(jù)化分析不是把數(shù)據(jù)收集、整理好就完成任務了，而是需要運用恰當?shù)姆椒ê凸ぞ撸瑢?shù)據(jù)進行科學、有效的分析，從而提出有理有據(jù)、具有可操作性的建議，以解決現(xiàn)實中的難題。
在大數(shù)據(jù)時代，我們并不缺少數(shù)據(jù)，缺少的是利用數(shù)據(jù)分析的思維和工具去解決實際問題的能力。掌握數(shù)據(jù)分析的思維和工具，可以讓我們去偽存真、化繁為簡，通過現(xiàn)象看本質，找到問題的根本原因，進而睿智地解決問題。
為了幫助讀者提升利用數(shù)據(jù)分析的思維和工具解決實際問題的能力，作者把自己十多年的數(shù)據(jù)分析實戰(zhàn)經驗總結、分享，并編寫了這本書，希望能夠對讀者有所幫助或啟發(fā)。作者相信，那些能夠對數(shù)據(jù)進行有效分析的人，在解決實際問題時，能夠做出更加明智的決策。
誰適合閱讀這本書
本書適合所有對數(shù)據(jù)分析感興趣的讀者閱讀，特別是在工作或生活中需要經常跟數(shù)據(jù)接觸的人，如數(shù)據(jù)分析師、產品經理、運營人員、管理人員、財務人員等。
閱讀建議
紙上得來終覺淺，絕知此事要躬行。
建議讀者在閱讀本書時，不要只是簡單地瀏覽，而是要采用精讀或主題閱讀的方式，把本書作為參考書或一個引子，主動進行深入的思考，領悟本書中數(shù)據(jù)分析的脈絡，并且學以致用，把數(shù)據(jù)分析的思維、工具、方法和模型內化為自己的，并應用到日常的工作和生活中，讓自己真正長期受益。
請讀者千萬不要局限于專業(yè)知識，而要多去了解業(yè)務的實際情況，多接觸一些其他學科的知識（如經濟學、心理學等），也能對工作起到很好的促進作用。
數(shù)據(jù)分析必須結合業(yè)務場景才能開展。
數(shù)據(jù)分析必須符合業(yè)務目標才有意義。
數(shù)據(jù)分析必須付諸行動才能創(chuàng)造價值。
讀者服務
如果讀者在閱讀本書的過程中有任何問題、意見或建議，敬請進入作者的微信公眾號林驥，在菜單欄中找到答疑通道書的答疑，即可進入本書的專屬答疑通道，在這里可以給作者留言，也可以和其他讀者一起交流學習。
作者通過該通道可以調整本書中任何需要增補或修改的內容，讓本書像一棵樹一樣不斷生長，內容不斷完善。
林驥
應用數(shù)學碩士學位；曾在大學教授《高等數(shù)學》課程；2008 年開始從事數(shù)據(jù)分析相關工作，在企業(yè)擔任數(shù)據(jù)分析部的總經理。個人微信公眾號主要分享數(shù)據(jù)分析的思維、工具、方法、模型和應用等內容；致力于用數(shù)據(jù)化解難題，讓分析更加有效，用數(shù)據(jù)賦能成長。
目錄
第1 章 數(shù)據(jù)分析的9 種思維 / 001
1.1理解現(xiàn)狀/001
目標思維 / 008
對比思維 / 020
細分思維 / 027
1.2分析原因/0032
溯源思維 / 032
相關思維 / 042
假設思維 / 047
1.3預測未來 /051
逆向思維 / 051
演繹思維 / 056
歸納思維 / 061
1.4 綜合應用案例 / 068
應用目標思維 / 069
應用對比思維 / 070
應用細分思維 / 071
應用溯源思維 / 071
應用相關思維 / 072
應用假設思維 / 072
應用逆向思維 / 072
應用演繹思維 / 073
應用歸納思維 / 073
本 章 復 盤 / 075
第2 章 數(shù)據(jù)分析的工具 / 077
2.1 Excel：應用最廣泛的數(shù)據(jù)分析工具之一 / 079
2.2 Tableau：敏捷的商務智能展現(xiàn)工具 / 080
2.3 SQL：結構化的查詢語言 / 081
2.4 SPSS：老牌的統(tǒng)計分析工具 / 082
2.5 SAS：強大的統(tǒng)計分析工具 / 083
2.6 R：專業(yè)的數(shù)據(jù)分析工具 / 084
2.7 Python：重要的數(shù)據(jù)分析工具 / 085
本 章 復 盤 / 086
第3 章 數(shù)據(jù)分析的學習方法 / 087
3.1 數(shù)據(jù)分析學習指南 / 089
學習方法 / 089
學習內容 / 090
學習路徑 / 091
3.2 精準搜索學習資料 / 093
3.3 高效學習的6 種方法 / 095
3.4 高效學習的36 種思維 / 097
3.5 數(shù)據(jù)分析的精進之道 / 112
數(shù)據(jù)分析的材質 / 112
數(shù)據(jù)分析的造型 / 113
數(shù)據(jù)分析的裝飾 / 114
數(shù)據(jù)分析的工藝 / 115
數(shù)據(jù)分析的層級 / 116
本 章 復 盤 / 117
第4 章 數(shù)據(jù)分析的基本方法 / 118
4.1 數(shù)據(jù)分析的5 個步驟 / 120
確認數(shù)據(jù)源是否正確 / 120
判斷變化的程度如何 / 120
判斷數(shù)據(jù)變化的周期如何 / 120
數(shù)據(jù)變化的前、后發(fā)生了什么 / 121
細分維度有哪些 / 121
4.2 數(shù)據(jù)分析的8 個狀態(tài) / 123
新的需求 / 123
需求確認 / 123
數(shù)據(jù)確認 / 125
實現(xiàn)中 / 125
交付 / 126
復盤 / 126
等待 / 127
拒絕 / 127
4.3 數(shù)據(jù)分析的指標體系 / 128
利用魚骨圖找到關鍵指標 / 128
從業(yè)務邏輯出發(fā)建立指標體系 / 129
用二八法則管理指標體系 / 129
4.4 提高數(shù)據(jù)敏感度 / 131
4.5 用數(shù)據(jù)解決實際問題 / 134
用流程解決問題 / 134
通過分解找到關鍵問題 / 135
通過交叉視點鎖定原因 / 136
依據(jù)方程式制定對策 / 136
用數(shù)據(jù)講故事 / 137
4.6 數(shù)據(jù)分析的 9 個問題 / 138
本 章 復 盤 / 140
第5 章 數(shù)據(jù)分析的展現(xiàn)方法 / 142
5.1 數(shù)據(jù)分析展現(xiàn)的重要原則 / 144
5.2 數(shù)據(jù)分析展現(xiàn)的常用方法 / 146
5.3 數(shù)據(jù)分析展現(xiàn)的圖表選擇 / 150
類別比較 / 150
時間趨勢 / 151
占比構成 / 152
關聯(lián) / 153
分布 / 154
增強 / 155
單值 / 156
提示 / 156
本 章 復 盤 / 157
第6 章 制作數(shù)據(jù)分析報告的方法 / 158
6.1 數(shù)據(jù)分析報告的3 個層級 / 162
是什么 / 162
為什么 / 162
怎么辦 / 162
6.2 數(shù)據(jù)分析報告的4 種情景 / 165
首次數(shù)據(jù)分析報告 / 165
常規(guī)數(shù)據(jù)分析報告 / 165
問題數(shù)據(jù)分析報告 / 166
總結數(shù)據(jù)分析報告 / 166
6.3 數(shù)據(jù)分析報告的5 類問題 / 167
是多少 / 167
好不好 / 167
為什么 / 168
會怎樣 / 168
怎么辦 / 168
6.4 數(shù)據(jù)分析報告的6 個步驟 / 170
明確目標 / 170
數(shù)據(jù)收集 / 170
數(shù)據(jù)處理 / 171
數(shù)據(jù)分析 / 171
數(shù)據(jù)展現(xiàn) / 172
結論建議 / 172
6.5 數(shù)據(jù)分析報告的7 個模塊 / 173
標題封面 / 173
目錄導航 / 174
背景說明 / 174
思路方法 / 174
結論建議 / 175
分析正文 / 175
附錄及封底 / 176
6.6 數(shù)據(jù)分析報告的8 種顏色 / 177
紅色 / 177
橙色 / 178
黃色 / 178
綠色 / 178
藍色 / 179
紫色 / 179
黑色 / 180
灰色 / 180
本 章 復 盤 / 182
第7 章 數(shù)據(jù)分析的思維模型 / 184
7.1 理解現(xiàn)狀類思維模型 / 187
正態(tài)分布模型 / 187
冪律分布模型 / 188
帕累托分析模型 / 191
本福特分析模型 / 192
同期群分析模型 / 194
SWOT 分析模型 / 195
PEST 分析模型 / 197
7.2 分析原因類思維模型 / 201
杜邦分析模型 / 201
矩陣分析模型 / 203
RFM 分析模型 / 209
銷售漏斗模型 / 212
聚類分析模型 / 215
KＡＮＯ分析模型 / 216
標桿分析模型 / 218
7.3 預測未來類思維模型 / 220
決策樹分析模型 / 220
生命周期模型 / 223
福格行為模型 / 224
夏普利值模型 / 225
A/B 測試模型 / 227
線性回歸模型 / 230
本 章 復 盤 / 233
后 記 / 234
致 謝 / 235
參 考 文 獻 / 236
新書資訊