前言 业务导向的大数据分析

出版缘由

大数据概念的出现，使得数据分析、数据挖掘、机器学习等技术概念得到了广泛的认可和应用，特别是大数据在市场营销等领域的成功，使得大数据的应用快速地渗透到了各行各业。近几年备受关注的数字化转型，更是勾起了大家对大数据的兴趣。然而，如何利用大数据进行商业决策，解决企业管理、生产、运营的问题，有效支撑精准营销等大数据落地的问题，却依然让很多企业领导者和管理者头痛。大数据的理论听了无数遍，大数据的重要性也不容置疑，但大数据如何落地，如何培养出具有数据技术能力的人才，却依然找不到方向。

鉴于大数据的火爆，讲大数据课程的书籍多如牛毛，但依然有很多学员找不到合适的书籍来学习大数据技术。很多讲大数据趋势的书籍，只适合于领导者制定战略来参考；讲数据分析和数据挖掘技术的书籍，又过于理论化和数学化，只适合于计算机等专业人士学习。而那些真正能够实现大数据价值的人，其实是奋斗在各行各业的业务专家，恰恰也是他们，最需要利用大数据技术来解决实际业务问题。他们有着丰富的业务知识，但缺乏专业的数学知识，如果书籍过于理论化，他们学起来会极其困难；如果过于倾向应用，则无法指导落地。这些业务专家迫切需要以业务问题为导向，来构建数据思维和数据分析的知识体系和技能体系。

大数据是以业务为导向的。要让技术发挥出价值，需要以业务为导向，以商业目标为导向，来构建全面系统的技术能力。我在培训行业深耕多年，一直从事大数据公开课讲授和企业内训，深刻理解业务专家在大数据领域的困惑和难处，这促使我撰写本书来帮助他们用数据思维和数据技术来解决大量的业务问题，真正实现数据落地，实现数据与业务整合，真正发挥出数据的价值，而不仅仅停留在大数据概念层面或止步于单纯的数据公式面前。当然，如果他们愿意，也可以深入数据理论层面或技术原理层面去思考。

本书结构

本书围绕五大部分展开，共分为16章。

第Ⅰ部分：数据决策理论篇

这一部分主要介绍大数据的基本知识。从其基本概念出发，厘清数据的本质，理解大数据决策的底层逻辑，了解大数据决策的关键环节，重点是培养大数据意识和大数据思维。

第Ⅱ部分：数据分析基础篇

这一部分主要介绍数据分析的基础知识，从业务需求出发，介绍数据分析常见种类，重点是要学会数据分析的标准流程，学会围绕业务问题来搭建数据分析的框架，才不至于迷失在数据分析的各项技术中，才能够实现以业务为导向的大数据思维。

第Ⅲ部分：描述统计分析篇

这一部分主要介绍常规的描述统计知识，包括统计的操作模型、关键要素和分析步骤，重点介绍常用的统计分析方法、数据可视化，以及数据解读，帮助读者提取业务规律和业务特征，发现业务短板，进而利用数据来支撑业务和管理决策。

第Ⅳ部分：影响因素分析篇

这一部分主要介绍不同的影响因素分析。影响因素分析，也叫作相关性分析，用来探索多个事物之间的相互影响、相互制约、共同变化的关系。这些分析方法，可以帮助我们做根因分析，以及寻找影响业务的关键因素，也可用在数据建模时的特征选择。

第Ⅴ部分：统计推断分析篇

这一部分主要介绍常用的推断型分析方法。统计推断，即研究如何利用有限的样本数据来推断总体特征的方法。了解随机变量在不确定性中的确定性（统计规律），可掌握各种事件发生的概率分布特征，并利用事件概率来进行业务判断和决策，比如实现参数估计和假设检验等，这在制造业的产品质量评估、保险精算等方面使用较多。

读者对象

本书不是学术著作，本书的写作目的在于指导应用，帮助读者把理论知识应用于真实的业务场景，解决实际的业务问题。

本书基于业务问题，就如何搭建分析框架，厘清分析思路，按照标准分析步骤对数据进行恰当的预处理，选择合适的分析方法和分析模型，使用恰当的分析工具对数据进行分析，以及对分析结果进行可视化和符合业务要求的解读等内容展开讲解，致力帮助业务专家做出合适的业务判断，制定准确的业务策略。

所以，本书适合于要用数据来解决实际业务问题的人员，包括但不限于以下群体。

①业务线人员：需要用数据的思维来解决业务决策的问题；

②业务支撑部门：需要利用数据来支撑企业运营、市场营销策略制定；

③数据分析部门：需要掌握数据分析必备技能（分析方法、分析模型、可视化）。

工具要求

本书中的案例大多数都使用以下常用的分析工具。

（1）Microsoft Office Excel 2016及以上版本。

在使用前，需要将菜单专门加载到Excel中，具体操作过程和图示如下。

①单击“文件”，在弹出的窗口中，②单击“选项”，就打开了“Excel选项”。

③单击“加载项”,④单击“转到”按钮，于是弹出“加载项”窗格。

⑤在“可用加载宏”中，勾选“分析工具库”,⑥单击“确定”按钮，就可在“数据”主菜单中看到“分析”子菜单。

（2）IBM SPSS Statistics v25及以上版本。

学习方法

知识本身是结构化、体系化的，所以，学习也要系统地进行。

为了能够让读者更快地掌握数据分析技术，本书遵循“基本流程+基础知识+方法原理+操作步骤+案例应用”的框架来进行讲解，理论知识需要结合分析工具来完成整个数据分析的过程，这样才能够由浅入深，化繁为简，将数据分析技术呈现给读者。

在每部分或每章的前面，本书都会重点罗列相应的要点，包括数据分析过程、数据分析框架、数据建模流程、数据挖掘标准流程等。这是知识纲领，它总领了所有知识和技能的框架，必须重点掌握和理解。只有脑子中有框架，做事才会有条不紊，学到的知识才会散而不乱，并且将其有条理地存储在合适的位置，方便在需要的时候快速提取出来。

对于不同的分析方法和分析模型，要理解其含义和基本原理，了解其应用场景。所有的方法和模型，本书都列出了详细的操作步骤，希望大家能够跟着操作一遍，加深印象。对于工具输出的结果要理解和掌握，学会解读模型的含义。

赠送资源

本书附赠全书案例数据源文件，读者可以扫描下方二维码关注“博雅读书社”微信公众号，输入本书77页的资源下载码，即可获得本书的下载学习资源。

本书由具有多年一线大数据分析实战经验和教育培训经验的傅一航老师（联系邮箱fuyihang8@126.com）执笔编写。在本书的编写过程中，作者竭尽所能地为读者呈现最好、最全、最实用的内容，但仍难免有疏漏和不妥之处，敬请广大读者不吝指正。

读者邮箱：2751801073@qq.com。

资源下载码：sy2023