What problems does this book solve?

不知从何学起：用72个问答构建数据分析学习地图，明确底层认知、思维方法、工具技术的进阶路径。分析方法不会用：系统讲解对比、细分、归因、漏斗、RFM等分析方法，解决业务场景不知选哪种方法的困惑。工具技术不扎实：覆盖Excel、SQL、Python、PowerBI四大工具的高频操作与实战流程，快速补齐技术短板。分析结果难落地：通过项目落地思维与以终为始的思考逻辑，帮助把分析结论转化为业务决策与行动。

Who is this book for?

数据分析初学者：希望系统入门数据分析，建立完整知识框架，少走弯路。业务与产品人员：需要用数据支撑决策，提升分析思维与落地能力。转行求职者：想进入数据分析领域，快速掌握核心方法与工具技术。初级数据分析师：工作中遇到方法或工具瓶颈，需要系统查漏补缺。

How should I read this book?

按章节顺序阅读：先读底层认知与思维方法，再进入工具技术，避免只学工具不懂业务。重点精读第2章：思维方法篇是全书核心，决定分析质量，建议反复阅读并做笔记。工具篇边学边练：Excel、SQL、Python、PowerBI部分配合真实数据动手操作。带着问题查读：将本书作为学习地图，遇到具体问题直接定位对应问答延伸学习。

What will I learn from this book?

完整知识框架：掌握数据分析从认知、思维到工具、落地的全链路体系。分析方法工具箱：熟练运用对比、细分、归因、漏斗、RFM等常用分析方法。四大工具实战能力：具备Excel、SQL、Python、PowerBI解决业务问题的能力。业务落地思维：学会以终为始，把分析结论转化为可执行的业务动作。避坑与职业认知：了解常见分析陷阱与岗位发展路径，规划成长方向。

E-BOOK 数据分析师手记：数据分析72个核心问题精解

PDF

《数据分析师手记：数据分析72个核心问题精解》[90M]百度网盘|pdf下载|亲测有效

📥 PDF 电子书 · 百度网盘 · 约 40M 📖 清华大学出版社京东自营官方旗舰店 🌐 zh-CN 📅 Published 2,023

39

Downloads

4.8

Rating

64.0MB

File Size

PDF

Python SQL 数据分析数据思维商业分析

📦 Download Book

📥 Get Now PDF 👁️ Preview

不知从何学起：用72个问答构建数据分析学习地图，明确底层认知、思维方法、工具技术的进阶路径。
分析方法不会用：系统讲解对比、细分、归因、漏斗、RFM等分析方法，解决业务场景不知选哪种方法的困惑。
工具技术不扎实：覆盖Excel、SQL、Python、PowerBI四大工具的高频操作与实战流程，快速补齐技术短板。
分析结果难落地：通过项目落地思维与以终为始的思考逻辑，帮助把分析结论转化为业务决策与行动。

📖 Book Introduction

产品特色

内容简介

《数据分析师手记：数据分析72个核心问题精解》从底层认知、思维方法、工具技术、项目落地及展望出发，使用问答的形式对数据分析中的72个核心知识点进行讲解，构建了数据分析的知识框架，带领读者认识数据分析背后的奥妙。读者可以用本书作为学习地图，针对具体的方法、技术进行延伸学习。

前言/序言

前言

为什么要学习数据分析

以往在增量时代，每天都有新的领域、新的市场被开发。尤其是在互联网、电商等领域的红利期，似乎只要做好单点的突破就能获得市场。在那个时代，业务运营主要依靠经验和直觉驱动。例如跨境电商领域初期，凭借世界工厂平台的优势，国内厂家只需基于经验选品即可大卖。

但是随着规则的成熟，更多玩家的进入，市场从蓝海变为红海，进入存量期，仅靠经验驱动的增长模式不再有效。还是拿跨境电商举例：由于卖家剧增，海外市场饱和，跨境电商进入存量运营时代，已经不存在绝对的蓝海市场，每个细分领域都有许多竞争对手。

此时，要求商家从粗放运营转为精细化运营，由经验驱动转为数据驱动，而这个转变中最重要的一点就是数据，也就是用数据分析报告决定市场是否值得投入，用数据选品，用数据做经营分析，用数据管理库存。

从这个角度来看，数据分析已然成为了大数据时代各个岗位的通用能力。因此，为了保持竞争力，任何人都有必要用数据分析能力武装自己：利用数据思维分析问题，依靠数据支撑决策。

如何开始 — 数据分析师胜任力模型

由于“数据分析”是一门综合学科，相关的知识点繁杂不一，许多初学者会有一种不知如何开始的迷茫感。

大家都知道《西游记》中孙悟空会 72 般变化，《列仙传》中给出的神仙也是 72 位，传说中黄帝战蚩尤也是经过了 72 战才胜利。可见人们对“72”这个数字的认知和接受程度较深。

因此，有多年数据分析工作经验的笔者团队汇总并撰写了 72 个数据分析核心问题，沉淀出了完整的数据分析能力知识体系，帮助读者全面认识“数据分析”。

下图是数据分析师胜任力模型，包括底层认知、业务场景、能力三板斧三个部分：首先，底层认知是对数据的基本认知，强调数据思维的应用。其次，业务场景指的是“只有对业务有足够的理解，才能开展分析工作”，而这里

包括了用户、产品、场景三个方面。最后，才是硬实力对应的能力三板斧，包括工具技术、项目能力、思维方法。

底层认知、业务场景、能力三板斧共同铸造了完整的数据分析能力，相辅相成，而本书则是围绕着它们展开介绍。

本书内容介绍

1. 底层认知

本书第 1 章主要讲解数据分析中的底层认知。在建立数据分析思维之前，应该先在底层认知达成共识。什么是认知？是对事物底层逻辑的了解，是对世界万物的判断。认知的本质就是做决定，也就是说，为了帮助判断数据分析中每个决策的有效性（选择什么指标、分析方法？接下来做什么？等等），需要先建立底层认知。

本书第 1 章通过 11 个问题对数据分析的底层认知进行详细的讨论。这一步，我们需要对数据分析的概念进行讨论：数据分析是什么？数据分析的价值点在哪里？

（1）数据分析是什么？

大家在求职过程中会发现，同样是数据分析师岗位，但是面试的内容千差万别，有考查机器学习、统计学等专业能力的，也有考查市场 / 行业分析的，还有考查产品分析的。此时就有读者问，这些真的是数据分析该做的吗？

我们从字面上拆解，数据分析 = 数据 + 分析，进一步拆解：数据能力 = 统计学 + 机器学习 + 建模能力 + 工具使用 + …… 分析能力 = 经营分析 + 用户分析 + 产品分析 + ……

这就是认知上的偏差：当一些读者认为数据分析就是用 Excel 做表、用 Python 写脚本、用机器学习建模时，其实求职市场对数据分析师的要求更为完整。

既然说数据分析 = 数据 + 分析，那分析的本质是什么？当我们在谈论“分析”时，一般会谈论以下几点：

●发生了什么—追溯过去，了解真相。

●为什么发生—洞察事物发生的本质，寻找根源。

●未来可能发生什么—掌握事物发展的规律，预测未来。

●我们该怎么做—基于已经知道的“发生了什么” “为什么会发生”“未来可能发生什么”的分析，确定可以采取的措施。

分析的本质，即面临各种问题时，能通过数据找到问题，准确地定位问题，准确地

找到问题产生的原因，为下一步的改进找到机会点，也就是所谓的“数据驱动”。

在数据分析相关岗位求职的过程中，读者会发现有许多不同的职位名称，这些职位

有什么区别联系？详细内容可参阅 “第6问：数据分析领域主要的岗位有哪些？”

回过头来看，数据分析到底是什么？笔者团队认为，数据分析是一个利用数据能力

做分析的过程：发现问题，分析原因，然后给出落地建议。这还是一个“解构”的过程：

从整体到局部，从一般到特殊，从面到线到点，不断下钻剖析，找到具体可落地的点。

同时，也是从业务到数据，再回到业务的过程：起点是业务需求，需要专业分析师转换为数据问题，最终的分析结论需要回到业务场景中落地。

在这个过程中，数据分析师需要借助指标，甚至是多指标编制的指标体系进行业务洞察。本书第3、4问将围绕指标展开论述。

（2）数据分析的价值点在哪里？

社群中，经常会看到关于数据分析师价值的讨论：数据分析师天花板很低。还有一些劝退数据分析的文章。这些脱离场景、只讲问题不讲解决方案的内容除了徒增焦虑外，别无用处。

为了更好地了解数据分析的定位，有必要对其起源进行讨论，只有了解为什么市场会产生数据分析师岗位的需求，才能清楚这个岗位在业务运营中的作用定位。（详细内容可参阅“第2问：数据分析是怎么来的？”）

在业务运营中，定位是重要的起点，理解数据分析价值在企业如何落地，能帮助读者解疑答惑。（详细内容可参阅“第9问：数据分析的产出价值是什么？”）

2.业务场景

前面，我们讨论过数据分析是一个从业务需求出发再回归业务的过程。从这个角度做定义的目的是强调业务场景的重要性：脱离业务场景的分析往往无法落地。

根据业务经验，笔者团队总结了一套便于理解的模型：业务场景 = 用户+产品+场景。

也就是说，要理解业务，就要了解用户，熟悉产品，明确分析所处的场景。它们决定了分析的目标、处理逻辑以及落地建议。

此部分在第60~63问有更详细的介绍。

3.能力三板斧

对数据分析有了底层认知、了解业务场景后，就需要有看得见、摸得着的“招式”来行动：通过思维方法、工具技术和项目能力这三板斧组成不同的招式以应对多变的问题。

经常看到有人说数据分析如做饭，如果是这样的话，工具技术就是铲子、铁锅、勺子等器皿，思维方法就是切配、烹饪、打荷等手法，项目能力则是最后的装盘上菜。

（1）思维方法。

本书第2章主要讲解数据分析中的思维方法。

很多人学做饭，可能是因为在抖音或B站看到某个美食视频，然后就开始按照视频展示的步骤备料烹饪。这个过程，也就是数据分析中学习思维方法的过程。数据分析要先有思维方法，才能谈得上分析。

刚开始学做饭时，通常先学基础的煎、炒、炸、烤、煮、蒸、焖、拌等烹饪方式。

这些基础的能力在数据分析中就是统计学、相关分析、归因分析等通用分析思维。

正如美食有八大菜系，分别满足不同地域人群的口味，数据分析在不同场景下，也有不同的“分析招式”来满足不同的业务需求：

●用户分析：同期群分析、漏斗分析、RFM用户分层模型等；

●产品分析：竞品分析、帕累托分析等；

●商业分析： PEST分析、SWOT分析等；

●……

（2）工具技术。

本书第3章主要讲解数据分析中的工具技术。

习得了做饭的方法后，就可以选择几件趁手的器皿，来提高烹饪效率。之所以不是先选择器皿再研究做饭流程，是因为工具始终是工具，完成同一个目标或许有多种工具可以实现，再不济用原始的土灶也能烧饭。对于部分复杂的烹饪需求，则需要选择特定

的器皿才能完成。

对于初学者而言，建议学习“高性价比”的分析工具，如Excel、SQL、Python、PowerBI等。

（3）项目能力。

本书第4章主要讲解数据分析中的项目落地。

菜做好后一定要及时出锅、装盘、上菜，项目能力强调的是数据分析项目在业务侧的落地。理论的分析方法如何在业务场景中落地赋能，如何体现数据价值，这是很多企业数据团队在讨论的课题。

首先，理解并刻意练习落地思维对数据分析价值的体现大有裨益（第54~57问）。

其次，学习实际场景中数据分析如何落地驱动业务的案例，能为实操提供参考（第64~67问）。

数据分析项目价值落地的“最后一公里”是报告呈现，学会用数据讲故事，横向跨部门沟通、向上汇报都依赖结构化思维，“报告呈现”（第68~70问）会有详细的讨论。

小结

本书定位于数据分析的知识框架，更多是横向地补充知识范围，故因篇幅所限，单个知识的纵向深度无法穷尽，但本书已经针对各知识点的核心及高频问题进行回答。在阅读的过程中，倘若对某个知识点有深入学习、探索实践应用的进一步需求，读者可以通过知乎等平台补充学习，在本书的基础上，针对核心方法论，对技术工具做延伸的阅读学习。

此外，笔者团队准备了一份与本书搭配使用的小册子，请扫码获取。本书勘误、知识加餐等内容也会放在小册子中。

可以关注笔者团队的微信公众号：木木自由、数据分析星球、饼干哥哥数据分析，这三个公众号专注于数据分析思维、方法、工具、项目能力及案例的分享。

作者

查看全部↓