《商业策略数据分析》内容简介

本书作为CDA LEVEL Ⅱ考试教材，打破传统的知识整合模式，从EDIT（探索、诊断、指导和工具）数字化工作模型的角度进行讲解，在介绍知识概念的同时，还讲解了在进行商业策略数据分析时应遵循的整体思维和思考方式，以达到业务宏观分析与用户微观洞察相结合、使用科学的方式进行数据分析的教学目标。本书分为5部分，分别讲解EDIT模型、数据处理与可视化、根因分析、业务优化，以及数据治理与数据模型管理。其中第一部分就是第1章的内容，第二部分包含第2章和第3章，第三部分包含第4—8章，第四部分包含第9—11章，第五部分包含第12—14章，每章分别针对当前部分的问题进行分析与处理。
CDA数据科学研究院，2013年，大数据行业方兴未艾，CDA数据科学研究院孕育而生，是国内率先成立的专注于数据科学领域的专业研究团队。
CDA数据科学研究院汇集数据行业专家，团队具有专业的学术素养、精湛的研究水平、扎实的企业实战经验，丰富的行业资源，通过对各类企业、社会组织等进行全面、系统、深入的调查和访问，从而获得紧跟技术发展的经验与数据，并结合数据行业的未来发展方向进行系统的研究，不断研发新的知识体系和技术应用。
近十年来，CDA数据科学研究院秉持“专业性、前沿性、科学性”的定位，深耕数据分析、大数据、人工智能等核心领域，持续推进数据科学的行业发展。
未来，CDA数据科学研究院也将顺应数字化时代浪潮，持续开拓创新，继续加大数据科学领域的内容建设，推进人才数字化赋能，助力企业数字化转型。

作品目录

内容简介
CDA，数字化人才的身份认证
前言
第1章：EDIT模型概述
1.1、探索阶段
1.2、诊断阶段
1.3、指导阶段
1.4、工具支持
1.5、本章练习题
第2章：数据处理
2.1、使用pandas读取结构化数据
2.2、数据整合
2.3、数据清洗
2.4、本章练习题
第3章：指标体系与数据可视化
3.1、Python可视化
3.2、描述性统计分析与绘图
3.3、指标体系
3.4、本章练习题
第4章：数据采集与数据预处理
4.1、数据采集方法
4.2、市场调研和数据录入
4.3、数据预处理基础
4.4、本章练习题
第5章：宏观业务分析方法
5.1、矩阵分析法
5.2、连续型变量降维
5.3、主成分分析法
5.4、因子分析
5.5、多维尺度分析
5.6、本章练习题
第6章：用户标签体系与用户画像
6.1、标签体系的整体框架
6.2、标签的分类
6.3、用户画像
6.4、实战案例：用Python实现用户画像
6.5、本章练习题
第7章：使用统计学方法进行变量有效性测试
7.1、假设检验
7.2、方差分析
7.3、列联表分析与卡方检验
7.4、线性回归
7.5、逻辑回归
7.6、本章练习题
第8章：使用时间序列分析方法做预报
8.1、认识时间序列
8.2、效应分解法
8.3、平稳时间序列分析ARMA模型
8.4、非平稳时间序列分析ARIMA模型
8.5、ARIMA建模方法总结
8.6、本章练习题
第9章：用户分群方法
9.1、用户细分与聚类
9.2、聚类分析的基本概念
9.3、聚类模型的评估
9.4、层次聚类
9.5、K-means聚类算法
9.6、聚类事后分析：决策树应用
9.7、本章练习题
第10章：业务流程分析与流程优化
10.1、价值流程图
10.2、对比测试
10.3、本章练习题
第11章：运筹优化模型
11.1、线性规划
11.2、整数规划
11.3、二次规划
11.4、本章练习题
第12章：数据治理
12.1、数据治理的驱动因素
12.2、数据治理体系
12.3、如何开展数据治理
12.4、本章练习题
第13章：数据模型管理
13.1、数据分类
13.2、数据建模
13.3、数据建模案例
13.4、数据仓库体系和ETL
13.5、本章练习题
第14章：智能对话分析与预测
14.1、导入数据
14.2、数据探索
14.3、可视化展示
14.4、逻辑回归模型
第15章：CDA职业发展
15.1、CDA职业概述
15.2、CDA认证简介
15.3、CDA持证人与会员