本书结合Python和数据化运营两个方面,在数据分析工作流程和数据化运营主题结合的基础上,通过指标、模型、方法、案例配合工具的形式,详细介绍了如何使用Python来支持数据化运营,尤其是传统工具无法满足的应用场景。
本书第1版上市后,得到来自各行各业很多好友和读者的支持和反馈,在此致以感谢!第2版在第1版基础上做了很多优化甚至重写,还新增了很多内容。
01 / 核心内容
10大类数据预处理经验
14个数据分析与挖掘主题
50余个数据工作流知识点
4大核心数据化运营主题
8个经典综合性案例
数据化运营结合数据使用场景360°落地
02 / 新增的内容
l基于AnacondaPython环境的安装和配置
lJupyter基础工具的用法
l基于Pandasget_dummies做标志转换
l特征选择的降维中新增feature_selection配合SelectPercentileVarianceThresholdRFESelectFromModel做特征选择
l特征转换的降维中新增PCALDAFAICA数据转换和降维的具体方法
l特征组合的降维中新增基于GBDTPolynomialFeaturesgplearngenetic方法做组合特征
l分类算法中新增使用XGboost做分类应用,以及配合graphviz输出矢量图形
lpyecharts的数据可视化的应用和操作
lPython通过rpy2调用R程序,实现关联算法的挖掘
lPython通过rpy2调用auto.airma实现自动ARIMA的应用
l自动化数据挖掘与机器学习的理论、流程、知识和应用
03 / 目录
1章 Python和数据化运营
本章将首先介绍Python与数据化运营的基本内容,然后围绕数据化运营分析所需的Python相关工具进行介绍,最后通过一个入门级别的案例,介绍如何将Python用于数据化运营。
2章 数据化运营的数据来源
本章将从数据类型和数据来源两个方面介绍数据化运营的数据来源,在第3部分我们还会简单介绍有关读取非结构化数据集的知识,包括网页抓取数据、文本、图像、视频、语音等,用来进行数据化的整体数据资源的整合。
3章 10条数据化运营不得不知道的数据预处理经验
数据预处理是数据化运营过程中的重要环节,它直接决定了后期所有数据工作的质量和价值输出。从数据预处理的主要内容看,包括数据清洗、转换、归约、聚合、抽样等。本章将摒弃理论和方法说教,直接介绍预处理本身可能遇到的问题及应对方法。
4章 跳过运营数据分析和挖掘的“大坑”
本章内容涵盖聚类、回归、分类、关联、异常检测、时间序列、路径分析、漏斗分析、归因分析、热力图分析及其他统计分析相关话题;有关聚类、回归、分类、关联、异常检测和时间序列的部分,本章通过Python程序辅助功能实现。
5章 会员数据化运营
从本章开始,我们将介绍数据化运营的具体应用,包括会员数据化运营、商品数据化运营、流量数据化运营、内容数据化运营。本章将从会员数据化运营的概述、关键指标、应用场景、数据分析模型、分析小技巧、分析大实话以及实际案例几个方面展开,逐步介绍有关会员数据化运营的方方面面。
6章 商品数据化运营
商品运营是销售型公司的核心工作之一。本章将围绕商品数据化运营展开,内容包括概述、关键指标、应用场景、分析模型、分析小技巧、分析“大实话”及应用案例。
7章 流量数据化运营
流量(Teaffic)是企业获得用户的第一步,对于大多数需要“自力更生”的企业而言,流量是企业运营的命脉之一,没有流量就没有一切。本章将围绕流量运营的相关话题,从流量采集处理工具、流量数据与企业数据的整合、流量运营指标、流量数据化运营分析模型、流量分析小技巧和“大实话”等方面展开,最后通过两个案例介绍如何做流量建模分析。
8章 内容数据化运营
内容运营是信息化媒体运营的核心,对于此类公司而言,内容即公司的核心价值。本章将围绕内容运营的相关话题展开,包括分析指标、应用场景、分析模型、分析小技巧、分析大实话。最后通过两个案例介绍如何通过Python做内容数据化支持。
04 / 超低价预售
无门槛5元券:3GUEJS
复制无门槛券添加购物车进入结算页面输入优惠码
继续阅读
阅读原文