Python数据分析与数据化运营

Python数据分析与数据化运营

作者:宋天龙

出版社:机械工业

出版年:2017年10月

ISBN:9787111584605

所属分类:散文随笔

书刊介绍

《Python数据分析与数据化运营》内容简介

Python在数据分析领域得到了越来越广泛的应用。第一部分着眼于风险对股市指数期权的价值、股票、利率的影响。第二部分介绍套利定价理论、离散时间内风险中性估值,持续时间,介绍了两种流行的期权定价方法。最后,第三部分介绍市场估值工作的整个过程。
本书从运营数据来源、经验总结、走过的哪些坑,延伸到会员运营、商品运营、流量运营、数据化运营的终极诀窍,全面系统地讲解了数据化运营的方法论,是不可多得的运营参考资料。

作品目录

赞誉
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、第一个用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:11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、如何解决运营数据源的冲突问题
3.6、数据化运营要抽样还是全量数据
3.7、解决运营数据的共线性问题
3.8、有关相关性分析的混沌
3.9、标准化,让运营数据落入相同的范围
3.10、离散化,对运营数据做逻辑分层
3.11、数据处理应该考虑哪些运营业务因素
3.12、内容延伸:非结构化数据的预处理
3.13、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:非结构化数据的分析与挖掘
4.10、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的用户价值度分析
5.8、案例:基于AdaBoost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:基于超参数优化的Gradient
Boosting的销售预测
6.8、案例:基于LogisticRegression、RandomForest、Bagging概率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、8大流量分析工具
7.3、如何选择第三方流量分析工具
7.4、流量采集分析系统的工作机制
7.5、流量数据与企业数据的整合
7.6、流量数据化运营指标
7.7、流量数据化运营应用场景
7.8、流量数据化运营分析模型
7.9、流量数据化运营分析小技巧
7.10、流量数据化运营分析的“大实话”
7.11、案例:基于自动节点树的数据异常原因下探分析
7.12、案例:基于自动K值的KMeans广告效果聚类分析
7.13、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(LDA)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

相关推荐

微信二维码