Python数据分析与数据化运营

作品简介

Python在数据分析领域得到了越来越广泛的应用。第一部分着眼于风险对股市指数期权的价值、股票、利率的影响。第二部分介绍套利定价理论、离散时间内风险中性估值，持续时间，介绍了两种流行的期权定价方法。最后，第三部分介绍市场估值工作的整个过程。

本书从运营数据来源、经验总结、走过的哪些坑，延伸到会员运营、商品运营、流量运营、数据化运营的终极诀窍，全面系统地讲解了数据化运营的方法论，是不可多得的运营参考资料。

作品目录

• 赞誉
• 前言
• 第1章 Python和数据化运营
• 1.1 用Python做数据化运营
• 1.2 数据化运营所需的Python相关工具和组件
• 1.3 内容延伸：Python的OCR和TensorFlow
• 1.4 第一个用Python实现的数据化运营分析实例——销售预测
• 1.5 本章小结
• 第2章 数据化运营的数据来源
• 2.1 数据化运营的数据来源类型
• 2.2 使用Python获取运营数据
• 2.3 内容延伸：读取非结构化网页、文本、图像、视频、语音
• 2.4 本章小结
• 第3章 11条数据化运营不得不知道的数据预处理经验
• 3.1 数据清洗：缺失值、异常值和重复值的处理
• 3.2 将分类数据和顺序数据转换为标志变量
• 3.3 大数据时代的数据降维
• 3.4 解决样本类别分布不均衡的问题
• 3.5 如何解决运营数据源的冲突问题
• 3.6 数据化运营要抽样还是全量数据
• 3.7 解决运营数据的共线性问题
• 3.8 有关相关性分析的混沌
• 3.9 标准化，让运营数据落入相同的范围
• 3.10 离散化，对运营数据做逻辑分层
• 3.11 数据处理应该考虑哪些运营业务因素
• 3.12 内容延伸：非结构化数据的预处理
• 3.13 本章小结
• 第4章 跳过运营数据分析和挖掘的“大坑”
• 4.1 聚类分析
• 4.2 回归分析
• 4.3 分类分析
• 4.4 关联分析
• 4.5 异常检测分析
• 4.6 时间序列分析
• 4.7 路径、漏斗、归因和热力图分析
• 4.8 其他数据分析和挖掘的忠告
• 4.9 内容延伸：非结构化数据的分析与挖掘
• 4.10 本章小结
• 第5章 会员数据化运营
• 5.1 会员数据化运营概述
• 5.2 会员数据化运营关键指标
• 5.3 会员数据化运营应用场景
• 5.4 会员数据化运营分析模型
• 5.5 会员数据化运营分析小技巧
• 5.6 会员数据化运营分析的“大实话”
• 5.7 案例：基于RFM的用户价值度分析
• 5.8 案例：基于AdaBoost的营销响应预测
• 5.9 本章小结
• 第6章 商品数据化运营
• 6.1 商品数据化运营概述
• 6.2 商品数据化运营关键指标
• 6.3 商品数据化运营应用场景
• 6.4 商品数据化运营分析模型
• 6.5 商品数据化运营分析小技巧
• 6.6 商品数据化运营分析的“大实话”
• 6.7 案例：基于超参数优化的Gradient Boosting的销售预测
• 6.8 案例：基于LogisticRegression、RandomForest、Bagging概率投票组合模型的异常检测
• 6.9 本章小结
• 第7章 流量数据化运营
• 7.1 流量数据化运营概述
• 7.2 8大流量分析工具
• 7.3 如何选择第三方流量分析工具
• 7.4 流量采集分析系统的工作机制
• 7.5 流量数据与企业数据的整合
• 7.6 流量数据化运营指标
• 7.7 流量数据化运营应用场景
• 7.8 流量数据化运营分析模型
• 7.9 流量数据化运营分析小技巧
• 7.10 流量数据化运营分析的“大实话”
• 7.11 案例：基于自动节点树的数据异常原因下探分析
• 7.12 案例：基于自动K值的KMeans广告效果聚类分析
• 7.13 本章小结
• 第8章 内容数据化运营
• 8.1 内容数据化运营概述
• 8.2 内容数据化运营指标
• 8.3 内容数据化运营应用场景
• 8.4 内容数据化运营分析模型
• 8.5 内容数据化运营分析小技巧
• 8.6 内容数据化运营分析的“大实话”
• 8.7 案例：基于潜在狄利克雷分配（LDA）的内容主题挖掘
• 8.8 案例：基于多项式贝叶斯的增量学习的文本分类
• 8.9 本章小结
• 第9章 数据化运营分析的终极秘籍
• 9.1 撰写出彩的数据分析报告的5个建议
• 9.2 数据化运营支持的4种扩展方式
• 9.3 提升数据化运营价值度的5种途径
• 9.4 本章小结
• 附录
• 附录A 公开数据集
• 附录B Python数据工具箱