数据化分析：用数据化解难题，让分析更加有效 pdf下载

掌握数据分析的思维和工具
去伪存真、化繁为简，通过现象看本质，找到问题的根本原因，进而睿智地解决问题

在大数据时代，我们并不缺少数据，缺少的是利用数据分析的思维和工具去解决实际问题的能力。

数据化分析是运用恰当的方法和工具，对数据进行科学、有效的分析，从而提出有理有据、具有可操作性的建议，以解决现实中的难题。

本书主要介绍了数据分析的9 种思维、7 种工具、学习方法、基本方法、展现方法、制作数据分析报告的方法，以及数据分析的思维模型。

本书适合所有对数据分析感兴趣的读者阅读，特别是在工作或生活中需要经常跟数据接触的人，如数据分析师、产品经理、运营人员、管理人员、财务人员等。

林骥

应用数学硕士学位；曾在大学教授《高等数学》课程；2008 年开始从事数据分析相关工作，在企业担任数据分析部的总经理。

个人微信公众号“林骥”，其中主要分享数据分析的思维、工具、方法、模型和应用等内容；致力于用数据化解难题，让分析更加有效，用数据赋能成长。

数据化分析是一门技术活，需要分析思维、分析工具和分析方法三位一体，少了任何一个都不行。本书深入浅出地对这三个方面进行了剖析，有案例、有理论、有方法，特别适合天天与数据打交道的职场人阅读。并且作者对一些分析模型的讲解又能帮助读者更好地拓展立体分析思维、优化分析方法、增加业务分析深度。

——黄成明 《数据化管理》作者

众所周知，数据分析的关键在于用户需要结合实际的场景案例来分析、应用，以便并培养出系统的分析方法。本书结合实战进行讲解，有案例、有思维、有工具、有解决方案，以便提升读者的数据分析能力，使其学会跳出直觉看问题，从而可以更理性、更严谨地思考和解决商业问题，是一本值得好好去阅读、去品鉴的好书。

——邓凯 爱数圈创始人

在职场工作中，我们难免要跟数据打交道。数据分析不仅是收集和整理数据，还应往前一步，是洞察目标；往后一步，是给出建议。在本书中，作者既详细阐述了数据分析的底层思维，也给出了具体的方法和工具，帮助职场人用好数据、实现自身的跃迁。

——曹将 《高效学习》作者

随着大数据时代的到来，数据分析已成为职场人需要掌握的重要技能之一，受到了广大企业和职场人的重视。本书从分析思维到各种分析方法、工具、模型进行了介绍，帮助读者提升利用数据分析的思维和工具解决实际问题的能力，打通职场进阶通道。

——张文霖 《谁说菜鸟不会数据分析》作者

在互联网时代，数据分析已经成为一项基本能力，每个人都需要懂一点数据分析。如果你刚好也想学习数据分析，那么这本书值得一看。这本书不仅包含了数据分析思维、方法和常用工具等内容，还包含了数据分析的学习方法，让你在学习内容的同时掌握学习方法。

——张俊红 《对比Excel，轻松学习Python数据分析》作者

目录
第1 章 数据分析的9 种思维 / 001
1．1理解现状/001
目标思维 / 008
对比思维 / 020
细分思维 / 027
1．2分析原因/0032
溯源思维 / 032
相关思维 / 042
假设思维 / 047
1．3预测未来 /051
逆向思维 / 051
演绎思维 / 056
归纳思维 / 061
1．4 综合应用案例 / 068
应用目标思维 / 069
应用对比思维 / 070
应用细分思维 / 071
应用溯源思维 / 071
应用相关思维 / 072
应用假设思维 / 072
应用逆向思维 / 072
应用演绎思维 / 073
应用归纳思维 / 073
本 章 复 盘 / 075

第2 章 数据分析的工具 / 077
2．1 Excel：应用最广泛的数据分析工具之一 / 079
2．2 Tableau：敏捷的商务智能展现工具 / 080
2．3 SQL：结构化的查询语言 / 081
2．4 SPSS：老牌的统计分析工具 / 082
2．5 SAS：强大的统计分析工具 / 083
2．6 R：专业的数据分析工具 / 084
2．7 Python：重要的数据分析工具 / 085
本 章 复 盘 / 086

第3 章 数据分析的学习方法 / 087
3．1 数据分析学习指南 / 089
3．2 精准搜索学习资料 / 093
3．3 高效学习的6 种方法 / 095
3．4 高效学习的36 种思维 / 097
3．5 数据分析的精进之道 / 112
数据分析的材质 / 112
数据分析的造型 / 113
数据分析的装饰 / 114
数据分析的工艺 / 115
数据分析的层级 / 116
本 章 复 盘 / 117

第4 章 数据分析的基本方法 / 118
4．1 数据分析的5 个步骤 / 120
确认数据源是否正确 / 120
判断变化的程度如何 / 120
判断数据变化的周期如何 / 120
数据变化的前、后发生了什么 / 121
细分维度有哪些 / 121
4．2 数据分析的8 个状态 / 123
新的需求 / 123
需求确认 / 123
数据确认 / 125
实现中 / 125
交付 / 126
复盘 / 126
等待 / 127
拒绝 / 127
4．3 数据分析的指标体系 / 128
利用鱼骨图找到关键指标 / 128
从业务逻辑出发建立指标体系 / 129
用二八法则管理指标体系 / 129
4．4 提高数据敏感度 / 131
4．5 用数据解决实际问题 / 134
用流程解决问题 / 134
通过分解找到关键问题 / 135
通过交叉视点锁定原因 / 136
依据方程式制定对策 / 136
用数据讲故事 / 137
4．6 数据分析的 9 个问题 / 138
本 章 复 盘 / 140

第5 章 数据分析的展现方法 / 142
5．1 数据分析展现的重要原则 / 144
5．2 数据分析展现的常用方法 / 146
5．3 数据分析展现的图表选择 / 150
类别比较 / 150
时间趋势 / 151
占比构成 / 152
关联 / 153
分布 / 154
增强 / 155
单值 / 156
提示 / 156
本 章 复 盘 / 157

第6 章 制作数据分析报告的方法 / 158
6．1 数据分析报告的3 个层级 / 162
是什么 / 162
为什么 / 162
怎么办 / 162
6．2 数据分析报告的4 种情景 / 165
首次数据分析报告 / 165
常规数据分析报告 / 165
问题数据分析报告 / 166
总结数据分析报告 / 166
6．3 数据分析报告的5 类问题 / 167
是多少 / 167
好不好 / 167
为什么 / 168
会怎样 / 168
怎么办 / 168
6．4 数据分析报告的6 个步骤 / 170
明确目标 / 170
数据收集 / 170
数据处理 / 171
数据分析 / 171
数据展现 / 172
结论建议 / 172
6．5 数据分析报告的7 个模块 / 173
标题封面 / 173
目录导航 / 174
背景说明 / 174
思路方法 / 174
结论建议 / 175
分析正文 / 175
附录及封底 / 176
6．6 数据分析报告的8 种颜色 / 177
红色 / 177
橙色 / 178
黄色 / 178
绿色 / 178
蓝色 / 179
紫色 / 179
黑色 / 180
灰色 / 180
本 章 复 盘 / 182

第7 章 数据分析的思维模型 / 184
7．1 理解现状类思维模型 / 187
正态分布模型 / 187
幂律分布模型 / 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 分析原因类思维模型 / 201
杜邦分析模型 / 201
矩阵分析模型 / 203
RFM 分析模型 / 209
销售漏斗模型 / 212
聚类分析模型 / 215
KＡＮＯ分析模型 / 216
标杆分析模型 / 218
7．3 预测未来类思维模型 / 220
决策树分析模型 / 220
生命周期模型 / 223
福格行为模型 / 224
夏普利值模型 / 225
A/B 测试模型 / 227
线性回归模型 / 230
本 章 复 盘 / 233
后 记 / 234
致 谢 / 235
参 考 文 献 / 236

为什么要写这本书

2008 年，作者开始从事数据分析工作，学习运用数据分析的思维和工具，来解决现实世界中的各种难题，并积累了一些数据分析的实战经验。

2012 年，作者给自己起了一个网名叫“数据化分析”，当时的想法是运用恰当的方法和工具，对数据进行科学、有效的分析。

2016 年，作者给“数据化分析”赋予了新的内涵：用数据化解难题，让分析更加有效。“数据化分析”比“数据分析”多了一个“化”字，以突出“化解难题”的作用。数据化分析从收集数据开始，到改善数据，再到分析数据和化解难题，然后又反过来收集更多的数据，形成了一个用数据解决实际问题的增强回路。

数据化分析不是把数据收集、整理好就完成任务了，而是需要运用恰当的方法和工具，对数据进行科学、有效的分析，从而提出有理有据、具有可操作性的建议，以解决现实中的难题。

在大数据时代，我们并不缺少数据，缺少的是利用数据分析的思维和工具去解决实际问题的能力。掌握数据分析的思维和工具，可以让我们去伪存真、化繁为简，通过现象看本质，找到问题的根本原因，进而睿智地解决问题。

为了帮助读者提升利用数据分析的思维和工具解决实际问题的能力，作者把自己十多年的数据分析实战经验总结、分享，并编写了这本书，希望能够对读者有所帮助或启发。作者相信，那些能够对数据进行有效分析的人，在解决实际问题时，能够做出更加明智的决策。

谁适合阅读这本书

本书适合所有对数据分析感兴趣的读者阅读，特别是在工作或生活中需要经常跟数据接触的人，如数据分析师、产品经理、运营人员、管理人员、财务人员等。

阅读建议

“纸上得来终觉浅，绝知此事要躬行。”

建议读者在阅读本书时，不要只是简单地浏览，而是要采用精读或主题阅读的方式，把本书作为参考书或一个引子，主动进行深入的思考，领悟本书中数据分析的脉络，并且学以致用，把数据分析的思维、工具、方法和模型内化为自己的，并应用到日常的工作和生活中，让自己真正长期受益。

请读者千万不要局限于专业知识，而要多去了解业务的实际情况，多接触一些其他学科的知识（如经济学、心理学等），也能对工作起到很好的促进作用。

数据分析必须结合业务场景才能开展。

数据分析必须符合业务目标才有意义。

数据分析必须付诸行动才能创造价值。

读者服务

如果读者在阅读本书的过程中有任何问题、意见或建议，敬请进入作者的微信公众号“林骥”，在菜单栏中找到“答疑通道”→“书的答疑”，即可进入本书的专属答疑通道，在这里可以给作者留言，也可以和其他读者一起交流学习。

作者通过该通道可以调整本书中任何需要增补或修改的内容，让本书像一棵树一样不断生长，内容不断完善。