數據分析原理：6步解決業務分析難題

第1章　數據分析始於懂業務，切於指標體系  001
1.1　怎樣才叫懂業務並高於業務視角  002
1.1.1　懂業務的三個標準 003
1.1.2　什麼是高於業務視角 008
1.2　如何才能成為懂業務的專家  014
1.2.1　多想一步，不做只為完成工作的“機器人”  015
1.2.2　主動思考，培養批判性思維 018
1.3　四步法建立指標體系  021
1.3.1　指標的含義 021
1.3.2　指標體系的定義 022
1.3.3　指標體系建立的四個步驟 023
1.4　五大行業的業務目標和指標體系  028
1.4.1　能源行業的目標和指標體系——以中石化為例 029
1.4.2　政務行業的目標和指標體系——以粵省事為例 033
1.4.3　金融行業的目標和指標體系——以建行App 為例 035
1.4.4　教育行業的目標和指標體系——以騰訊課堂為例 037
1.4.5　互聯網行業的目標和指標體系 039
 
第2章　良好的目標拆解能夠讓分析事半功倍 043
2.1　目標拆解的核心法則  044
2.1.1　MECE 法則是什麼 045
2.1.2　如何做到完全窮盡和相互獨立 046
2.1.3　MECE 法則實踐案例 051
2.2　利用公式法進行拆解  055
2.2.1　公式法的定義 055
2.2.2　生活中的問題用公式法拆解 055
2.2.3　銷售中的問題用公式法拆解 057
2.2.4　互聯網中的問題用公式法拆解 059
2.3　利用路徑法進行拆解  064
2.3.1　路徑法的定義 064
2.3.2　路徑法的案例：分析某清理工具App 的日活趨勢 064
2.4　利用模組法進行拆解  068
2.4.1　模組法的定義 069
2.4.2　模組法的案例：利用商業畫布模型拆解商業問題 069
 
第3章　數據的選取對最終分析產生關鍵性的影響 075
3.1　常見的數據類型和獲取途徑  076
3.1.1　數據的類型 076
3.1.2　數據的獲取管道 078
3.1.3　外部競爭對手數據的獲取 081
3.1.4　內部數據的提取 082
3.2　選取數據和數據預處理  092
3.2.1　選取數據的原則 092
3.2.2　數據預處理 095
 
第4章　業務模組決定分析方法的適用場景 103
4.1　行業分析  104
4.1.1　行業分析的目的確認 105
4.1.2　系統性數據搜集和整理 108
4.1.3　找到行業的痛點 112
4.1.4　形成自己的策略和觀點 114
4.2　市場規模預測分析  117
4.2.1　時間序列預測法 117
4.2.2　用戶構成預測法 121
4.3　管道品質評估  125
4.3.1　管道的定義、分類和管理   126
4.3.2　管道品質分析法   128
4.3.3　管道反作弊分析法 133
4.4　產品分析  136
4.4.1　產品的功能設計合理性分析 136
4.4.2　產品的健康度分析 143
4.4.3　產品精細化分群運營分析 145
4.5　運營活動分析  150
4.5.1　活動目標拆解分析法 152
4.5.2　設計活動內容之選品分析法 155
4.5.3　活動前上線預熱之優惠券行銷分析 157
4.5.4　活動正式上線之指標體系日常監控分析 160
4.5.5　活動後效果複盤之整體效果分析 161
4.6　用戶增長分析  163
4.6.1　用戶留存率增長分析 165
4.6.2　用戶流失率降低分析 171
 
第5章　推演、組織、驗證出正確的結論  177
5.1　合理推演，避免謬誤，從而得出正確的結論  178
5.1.1　過度簡化因果謬誤 178
5.1.2　滑坡謬誤 180
5.1.3　忽略常見原因謬誤 182
5.1.4　事後歸因謬誤 183
5.1.5　以偏概全謬誤 184
5.2　分析結論的組織：金字塔原理的使用  186
5.2.1　結論的三個層次 186
5.2.2　什麼是金字塔原理 189
5.2.3　如何運用金字塔原理 190
5.3　多數分析結論都需要靠AB 測試來驗證  193
5.3.1　AB 測試的應用場景  193
5.3.2　AB 測試四步法  194
5.3.3　AB 測試的常見誤區  198
 
第6章　數據分析的展現方式 201
6.1　圖表是數據分析結論的最直觀展現方式  202
6.1.1　“圖表三千，只取一瓢” 203
6.1.2　根據論證邏輯，選擇合適的圖表 203
6.1.3　錦上添花的其他圖表類型 209
6.1.4　圖表需要優化：圖表優化的三大原則 211
6.2　分析報告能把數據分析的結論和思考進一步昇華  216
6.2.1　克服拖延症最好的辦法：“先把手弄髒” 216
6.2.2　搭好基礎框架就完成了至少80% 的工作  216
6.2.3　細心打磨，增強專業說服力 217
6.3　把數據分析的結論娓娓道來  218
6.3.1　彙報是達到業務目的的手段 218
6.3.2　用講故事的邏輯組織你的彙報 220
6.3.3　優秀彙報的成熟模型：SCQA 和ZUORA 222
6.3.4　說在最後：準備好面對問題和挑戰 225

周文全，暨南大學畢業，10多年工作經驗，先後在中國電信、阿里巴巴、騰訊從事資料分析工作，億級App商業增長負責人。微信公眾號“資料分析學習之道” 運營者，教授全網暢銷課“Spring資料分析思維案例實戰”。優秀講師，創作型職場從業者，擅長思維發散、問題分析與解決、探索新技術。
 
黃怡媛，本科為暨南大學經濟學專業，碩士為英國巴斯大學創業與管理專業。畢業後在騰訊、阿裡巴巴等國內一線互聯網企業工作，參與過億級toC產品的運營，也參與過toB產品從0到1的搭建，有5年多的產品運營和資料運營經驗。擅長業務分析和策略制定，關注商業和科技行業動向，樂於探索新領域。
 
馬炯雄，本科為廣東工業大學資訊管理與資訊系統專業。畢業後在騰訊工作，有超過十年的產品運營和資料分析經驗，對問題的拆解和資料指標體系的搭建有自己獨特的見解和方法。