前言
第1章　什麼是數據分析1
1.1　一眼就看到結論還需要數據分析嗎1
1.1.1　企業數據量2
1.1.2　數據復雜度2
1.1.3　數據顆粒度3
1.2　數據分析能給我們帶來什麼4
1.2.1　瞭解數據的整體狀況4
1.2.2　快速查詢數據5
1.2.3　數據之間關係的探索5
1.2.4　業務預測6
1.3　數據分析的幾大抓手6
1.3.1　足夠多的數據6
1.3.2　數據質量6
1.3.3　閤適的工具7
1.3.4　分析結果的呈現7
1.4　數據分析的流程7
1.4.1　數據采集7
1.4.2　數據整理8
1.4.3　製錶11
1.4.4　數據分析11
1.4.5　數據展示（呈現）12
1.5　如何成為數據分析高手12
1.5.1　“拳不離手，麯不離口”12
1.5.2　熟練掌握常用工具12
1.5.3　最好能編點程序13
1.5.4　一定要通曉業務14
第2章　數據分析的理論、工具、模型15
2.1　基本概念和術語15
2.1.1　基本概念15
2.1.2　術語22
2.2　選擇稱手的軟件工具26
2.2.1　EXCEL27
2.2.2　VBA27
2.2.3　Access27
2.2.4　SPSS28
2.2.5　XLSTAT29
2.2.6　Modeler29
2.2.7　R語言30
2.3　在分析需求和模型之間搭起橋梁30
2.3.1　識彆需求30
2.3.2　分解需求30
2.3.3　選擇工具和模型31
第3章　數據采集與整理32
3.1　數據采集的幾條重要原則32
3.1.1　要足夠“復雜”32
3.1.2　要足夠“細”33
3.1.3　要有“跨度”33
3.1.4　要有可行性34
3.2　用“逐步推進法”推測需要的數據34
3.3　耗時耗力的數據整理過程35
3.3.1　重復、空行、空列數據刪除36
3.3.2　缺失值的填充和分析39
3.3.3　數據間邏輯的排查45
3.4　數據量太大瞭怎麼辦47
3.4.1　放到數據庫中處理47
3.4.2　用專業工具處理47
3.4.3　數據抽樣51
第4章　數據分析的基礎：製錶（上）53
4.1　以數據閤並為目標的製錶53
4.1.1　跨工作錶閤並53
4.1.2　跨工作簿閤並55
4.2　以數據篩選為目標的製錶56
4.2.1　普通數據篩選57
4.2.2　高級篩選60
4.2.3　計算篩選62
4.2.4　函數篩選63
4.3　以獲得概要數據為目標的製錶64
4.3.1　分類匯總方法64
4.3.2　數據透視錶匯總68
第5章　數據分析的基礎：製錶（下）70
5.1　“七個百分比”讓你懂得大部分錶格類型70
5.1.1　行總計的百分比70
5.1.2　列總計的百分比73
5.1.3　全部總計的百分比74
5.1.4　父行（列）的百分比74
5.1.5　纍計占比75
5.1.6　環比78
5.1.7　同比79
5.2　分組功能經常讓分析峰迴路轉81
5.2.1　文本的分組81
5.2.2　等步長的數據分組83
5.2.3　不等步長的數據分組86
5.2.4　日期型的分組88
5.3　隨意生成各種派生指標89
5.3.1　添加字段89
5.3.2　添加項91
5.4　從大數據庫中挑選要分析的數據：Microsoft Query92
5.5　強大的SQL97
5.5.1　SQL的基本語法97
5.5.2　SQL的應用97
第6章　數據掃描：給數據做體檢100
6.1　在EXCEL中給數據做掃描100
6.2　SPSS中給數據做掃描103
6.3　在Modeler中給數據做掃描105
6.4　其他相應的指標108
第7章　數據標注：給數據上色110
7.1　大數據塊的整體標注111
7.1.1　突齣顯示單元格規則111
7.1.2　特殊數據選取規則112
7.2　根據業務邏輯在數據中標注上色113
7.2.1　數據條、色階、圖標集的應用113
7.2.2　規則的理解115
7.2.3　根據業務需求改變規則118
7.3　采用公式實現復雜強大的數據標注119
7.3.1　理解邏輯錶達式的含義119
7.3.2　復雜邏輯公式的應用120
7.4　如何在一張錶格中實現多種標注規則123
7.4.1　多規則的應用123
7.4.2　如何理解“遇真則停止”125
第8章　找到數據中的“特殊分子”127
8.1　什麼是異常值127
8.2　異常值的判斷標準128
8.3　用繪圖技巧找到異常值129
8.3.1　散點圖129
8.3.2　麵闆圖130
8.4　用公式函數法發掘異常值135
8.5　三倍標準差法137
第9章　相關分析與決策樹140
9.1　Pearson相關140
9.1.1　應用場景141
9.1.2　輸齣指標的解析141
9.2　典型相關分析145
9.2.1　操作步驟145
9.2.2　結果解讀147
9.3　決策樹149
9.3.1　什麼時候需要用決策樹149
9.3.2　決策樹的操作和指標解釋150
第10章　聚類155
10.1　多維度數據的分類怎麼辦155
10.1.1　低維度數據的分類方法155
10.1.2　高維度數據的分類需求157
10.1.3　常用的聚類操作介紹157
10.2　聚類的煩惱1：如何麵對數量級差彆大的數據165
10.3　聚類的煩惱2：如何判斷聚類的質量167
第11章　迴歸168
11.1　如何尋找現有數據的內在規律168
11.1.1　什麼是數據擬閤169
11.1.2　多元綫性迴歸171
11.2　logistic迴歸173
11.2.1　迴歸（客戶“買”與“不買”）173
11.2.2　多元logistic迴歸（多個品牌的選擇）176
11.2.3　多元有序logistic迴歸181
第12章　關聯分析183
12.1　因果關係的弱化183
12.2　關聯分析的指標184
12.2.1　支持度184
12.2.2　置信度185
12.2.3　提升度185
12.3　什麼樣的數據適閤做關聯分析186
12.3.1　商超數據186
12.3.2　金融數據186
12.3.3　生産質量數據187
12.4　關聯分析的具體操作187
第13章　預測191
13.1　什麼是預測，預測的準確度高嗎191
13.2　移動平滑193
13.3　指數平滑194
13.3.1　二次指數平滑194
13.3.2　三次指數平滑195
13.4　對周期性數據的分解198
13.5　ARIMA預測法201
第14章　高級繪圖技巧206
14.1　怎樣纔算圖畫得好206
14.2　雙軸圖的技巧和運用207
14.3　不同數量級數據的高效對比展示211
14.4　數據標簽的妙用215
14.5　圖形中的重點標注221
14.6　繪圖美學—多點審美素養222
14.6.1　整體布局222
14.6.2　綫型的選擇223
14.6.3　色彩對比223
後記　數據分析經驗之我見224
· · · · · · (收起)