数据分析思维：分析方法和业务知识

面对工作，你是否经常遇到以下问题：有一堆繁杂数据，怎么利用？软件很熟练，怎么跟需求结合？结论太简单，领导不满意，怎么深入？分析完数据，如何得结论、提建议？找到新工作，如何快速掌握该行业的知识？阅读本书，给你答案！

《数据分析思维：分析方法和业务知识》分为两大部分：“方法篇”和“实战篇”。

“方法篇”介绍了数据分析中常用的业务指标、分析方法以及如何用数据分析解决问题的步骤。

“实战篇”讲解了如何应用第一篇的方法来解决工作中的问题，分享十二个行业（国内电商、跨境电商、金融信贷、金融第三方支付、家政、旅游、在线教育、运营商、内容、房产、汽车、零售）的业务知识，以及该行业内用数据分析解决问题的实例。每个行业都包括业务模式、业务指标、案例分析三方面的内容。

通过本书的学习，你会熟悉数据分析的方法，并将其灵活应用在自己所处的行业中。

本书由猴子·数据分析学院的成员共同编写。猴子，中国科学院大学硕士，“猴子·数据分析学院”创始人，公众号“猴子数据分析”创始人，前IBM工程师。其“分析方法”课程入围知乎年度口碑榜TOP十，首创的“闯关游戏学习数据分析模式”深受用户喜欢。

第1篇 方法

第1章 业务指标

1.1 如何理解数据？

1.2 常用的指标有哪些？

1.2 如何选择指标？

1.4 指标体系和报表

第2章 分析方法

2.1 5W2H分析方法

2.2 逻辑树分析方法

2.3 行业分析方法

2.4 多维度拆解分析方法

2.5 对比分析方法

2.6 假设检验分析方法

2.7 相关分析方法

2.8 群组分析方法

2.9 RFM分析方法

2.10 AARRR模型分析方法

2.11 漏斗分析方法

第3章 用数据分析解决问题

3.1 数据分析解决问题的过程

3.2 如何明确问题？

3.3 如何分析原因？

3.4 如何提出建议？

3.5 总结

第2篇 实战

第4章 国内电商行业

4.1 业务知识

4.2 案例分析

第5章 跨境电商行业

5.1 业务知识

5.2 案例分析

第6章 金融信贷行业

6.1 业务知识

6.2 案例分析

第7章 金融第三方支付行业

7.1 业务知识

7.2 案例分析

第8章 家政行业

8.1 业务知识

8.2 案例分析

第9章 旅游行业

9.1 业务知识

9.2 案例分析

第10章 在线教育行业

10.1 业务知识

10.2 案例分析

第11章 运营商行业

11.1 业务知识

11.2 案例分析

第12章 内容行业

12.1 业务知识

12.2 案例分析

第13章 房产行业

13.1 业务知识

13.2 案例分析

第14章 汽车行业

14.1 业务知识

14.2 案例分析

第15章 零售行业

15.1 业务知识

15.2 案例分析

附录 常见的业务面试题

参考文献

前 言

数据分析不是某个固定的职位，而是人工智能时代的通用能力。你会看到各行各业的招聘中都会要求应聘者具备数据分析能力。所以，具备数据分析能力可以极大地提升你在职场中的竞争力。

然而，很多人掌握了数据分析工具（如Excel、SQL、Python等），面对工作还是不知道如何

展开分析，经常会遇到下面这些问题：

（1）手里拿了一堆数据，却不知道怎么去利用；

（2）业务部门不满意，总觉得你分析得不深入；

（3）准备面试或找到新工作后，不知道如何快速掌握该行业的业务知识。

为了帮助从事数据分析相关工作的读者解决以上问题，具备数据分析的能力，我邀请从猴

子·数据分析学院毕业，并且已经从事数据分析相关工作多年的学员一起编写了这本书。

本书分为两篇，第一篇为“方法”，介绍了指标、分析方法以及如何用数据分析解决问题。

为了将方法的原理展示清楚，本篇内容特意用了比较少的数据。

第二篇为“实战”，介绍如何应用第一篇的方法来解决工作中的问题。将在这一篇分享来自

不同行业的业务知识，以及如何用数据分析解决问题的案例，每一章都从业务模式、业务指标、案例分析三个方面展开。

通过本书的学习，你会熟悉数据分析的方法，并将其灵活应用在自己所处的行业中。这样当

你在工作中遇到新的问题时，也能够知道如何展开分析。需要读者注意的是，数据分析工具的操作不在本书讲解范围内，本书重点介绍的是面对问题，如何展开分析的数据分析思维。

本书第1～3章由猴子编写；第4章由徐婷、张磊编写；第5章由陈俊宇编写；第6章由冯傲、周荣技、宋飞编写；第7章由李凯旋编写；第8章由胡彪编写；第9章由刘英华编写；第10章由刘凯悦编写；第11章由韦春敏编写；第12章由王丹编写；第13章由郑露编写；第14章由吴桐、陈旭清编写；第15章由蔡婉芳、岳航运编写。

在公众号“猴子数据分析”对话框回复“资料”获取本书的案例数据，还可以获得更多关

于数据分析的学习资料。也可回复“投稿”获取投稿信箱 ，和我们分享你所在行业的案例，我们将选择优秀内容，增补到书籍的下一版中。也欢迎你在豆瓣写下本书书评，发送截图到公众号对话框，可领取神秘福利。由于作者水平有限，书中疏漏之处在所难免。在感谢您选择本书的同时，也希望您能够把对本书的意见和建议告诉我们。

作者