企業每天都會生成大量種類繁多的數據，為了做出更明智的決策、發現問題并實現盈利，往往需要通過一些方法和工具將數據轉化為可行的方案。隨著大數據時代的到來，數據化運營已經成為商業智能中必不可缺的一個重要環節。在數據化運營過程中，需要數據分析師進行數據采集、數據清洗、數據建模、數據可視化和數據商業決策 5 項工作。 本書結合企業商業數據，分數據化運營基礎、企業中的數據化運營、數據化運營的業務流程、輔助決策式數據化運營、數據驅動式數據化運營、客戶數據化運營、產品數據化運營 7 章講述如何進行商業智能數據化運營。
王鑫，博士，中國傳媒大學信息工程學院數字媒體技術系副教授，主要研究方向包括大數據、信息可視化、信息存儲、云計算等多個方面，有10余年數據挖掘與信息可視化工作經驗。先后負責與參入《有線電視用戶大數據采集、分析、挖掘和決策支持系統》、《基于大數據面向新媒體的節目綜合評價系統架構和方法研究》、《電影大數據分析決策系統與商業智能》等多個項目，多次獲得“校科學技術獎”，并于2015年榮獲中國廣播電影電視社會組織聯合會頒發的“2015年度廣播影視科技創新獎”，2017年榮獲全國高校大數據教育聯盟頒發的“2017第二屆中國大數據創新百人獎”。
第 1 部分 開啟數據化運營之旅
第 1 章 數據化運營基礎 ................................................................................. 3
1.1 商業智能時代 ...................................................................................... 3
1.1.1 商業智能的歷史發展 .............................................................. 5
1.1.2 商業智能的研究領域 .............................................................. 7
1.2 數據化運營的概念與意義 .................................................................. 8
1.3 數據化運營的四個層次 .................................................................... 12
1.4 數據化運營應掌握的技能與工具 .................................................... 13
1.4.1 數據化運營的五種能力 ........................................................ 13
1.4.2 數據化運營的常見工具 ........................................................ 15
第 2 章 企業中的數據化運營 ........................................................................ 23
2.1 企業數據化運營必要性 .................................................................... 23
2.1.1 市場營銷策略 ........................................................................ 24
2.1.2 數據化運營誤區 .................................................................... 29
2.2 企業數據化運營場景 ........................................................................ 30
2.2.1 數據化運營在傳統行業中的應用 ........................................ 31
2.2.2 數據化運營的主要應用場景 ................................................ 33
2.2.3 數據化運營的應用案例 ........................................................ 34
2.3 企業數據化運營崗位職責 ................................................................ 43
2.3.1 數據化運營企業組織架構 .................................................... 44
2.3.2 數據化運營崗位類型 ............................................................ 46
第 2 部分 數據化運營思維
第 3 章 數據化運營的業務流程 .................................................................... 56
3.1 數據化運營流程圖 ............................................................................ 56
3.2 業務問題的定義與拆解 .................................................................... 59
3.3 數據獲取與網絡爬蟲 ........................................................................ 63
3.3.1 數據獲取方法 ........................................................................ 64
3.3.2 網絡爬蟲實戰 ........................................................................ 68
3.4 數據探索與預處理 ............................................................................ 72
3.4.1 數據探索 ................................................................................ 73
3.4.2 數據預處理 ............................................................................ 75
3.5 數據分析與挖掘 ................................................................................ 86
3.5.1 機器學習發展歷程 ................................................................ 86
3.5.2 機器學習分類 ........................................................................ 88
3.5.3 機器學習應用場景 ................................................................ 92
3.5.4 Python 常用機器學習庫 ........................................................ 93
3.6 數據可視化與數據決策 .................................................................... 95
3.6.1 統計圖表的正確使用方法 .................................................... 95
3.6.2 Python 常用的圖表呈現模塊 .............................................. 101
第 4 章 輔助決策式數據化運營 .................................................................. 108
4.1 基于回歸的數據化運營模型 .......................................................... 108
4.1.1 回歸分類與基本步驟 .......................................................... 111
4.1.2 一元線性回歸模型 .............................................................. 113
4.1.3 多元線性回歸模型 .............................................................. 116
4.1.4 非線性回歸模型 .................................................................. 119
4.1.5 含啞變量回歸模型 .............................................................. 123
4.1.6 邏輯回歸模型 ...................................................................... 125
4.1.7 Python 回歸分析案例.......................................................... 128
4.2 基于分類的數據化運營模型 .......................................................... 132
4.2.1 常見的準確率檢驗方法 ...................................................... 133
4.2.2 決策樹算法 .......................................................................... 135
4.2.3 樸素貝葉斯算法 .................................................................. 139
4.2.4 KNN 算法 ............................................................................ 141
4.2.5 支持向量機算法 .................................................................. 142
4.2.6 神經網絡算法 ...................................................................... 144
4.2.7 Python 分類分析案例.......................................................... 147
4.3 基于聚類的數據化運營模型 .......................................................... 149
4.3.1 聚類算法的分類 .................................................................. 150
4.3.2 Python 聚類分析案例.......................................................... 156
第 5 章 數據驅動式數據化運營 .................................................................. 162
5.1 層次分析最優解思維應用 .............................................................. 162
5.1.1 層次分析法步驟 .................................................................. 163
5.1.2 層次分析法優缺點 .............................................................. 176
5.1.3 Excel 層次分析法分析案例 ................................................ 178
5.2 線性規劃最優解思維應用 .............................................................. 182
5.2.1 線性規劃法分析案例 .......................................................... 184
5.2.2 Excel 線性規劃法求解 ........................................................ 190
5.3 節約里程最優解思維應用 .............................................................. 199
5.3.1 節約里程法分析案例 .......................................................... 200
5.3.2 Excel 節約里程法求解 ........................................................ 207
第 3 部分 數據化運營核心
第 6 章 客戶數據化運營：挖掘用戶需求，產品源于需求 ........................... 213
6.1 數據獲客，快速鎖定目標用戶 ...................................................... 213
6.1.1 傳統用戶行為數據獲取 ...................................................... 214
6.1.2 互聯網用戶行為數據獲取 .................................................. 220
6.1.3 用戶行為數據獲取方式對比 .............................................. 222
6.2 用戶畫像，精準定位用戶需求 ...................................................... 223
6.2.1 用戶畫像分析建模與應用場景 .......................................... 223
6.2.2 基于 RFM 的個體用戶畫像分析 ....................................... 228
6.2.3 基于聚類算法的群體用戶畫像分析 .................................. 237
6.3 用戶運營，覆蓋完整生命周期 ...................................................... 245
6.3.1 基于 AARRR 模型的用戶運營方法 .................................. 246
6.3.2 用戶生命周期與用戶價值體系 .......................................... 251
6.3.3 用戶運營方法與典型案例分析 .......................................... 253
第 7 章 產品數據化運營：人人都能做數據產品經理 .................................. 258
7.1 產品定位與產品設計 ...................................................................... 259
7.1.1 市場分析與企業戰略分析 .................................................. 260
7.1.2 基于 KANO 模型的產品功能設計 .................................... 268
7.1.3 基于 PSM 模型的產品價格設計 ........................................ 274
7.2 產品運營與產品優化 ...................................................................... 282
7.2.1 基于巴斯模型的產品銷售量預測 ...................................... 282
7.2.2 基于漏斗模型的產品運營分析 .......................................... 292
7.2.3 基于 A/B 測試的產品優化評估 ......................................... 298
參考文獻 ...................................................................................................... 303
新書資訊