具体描述
本书以互联网企业中常见数据运营场景为切入点，以工作中实际面临解决的问题为案例，从方法、技术、业务、实践4个维度讲述数据运营的场景及应用方式。书中从实践出发，结合工作中数据运营经验，以应用案例为主线，通过业务分析+代码实践这种更“接地气”的方式讲述数据的应用。书中对于搭建数据监控指标体系、数据分析、数据挖掘、ABTest、埋点策略、用户画像建模等常见数据运营方式做了详细的介绍。
作者简介
赵宏田，
毕业于中国地质大学（武汉）和武汉大学，获工学和经济学双学士学位，现在某跨境电商从事大数据开发相关工作。拥有丰富的数据分析和数据化运营经验，负责过经营分析、SEO/SEM流量数据仓库建设、竞品爬虫、企业BI搭建，以及多家公司用户画像项目的从0到1搭建。业余时间喜欢对工作中关键点进行总结和积累，开源项目的贡献者，知乎专栏作者，撰写了大量专业文章，广受好评。
博客地址：https://zhuanlan.zhihu.com/pythoncrawl
开源贡献地址：https://github.com/HunterChao
江丽萍，
统计学硕士，某互联网医疗公司数据分析师。从事经营分析及数据运营多年，曾在不同行业以研究员、项目经理、咨询顾问、数据分析专家的身份参与大量的数据运营项目，拥有丰富的互联网数据运营项目经验。曾在某公司成功带领小组打通公司层面数据，对关键业务条线从业务流、数据流进行流程化梳理；推动公司数据产品实现由0到1的突破。希望能将数据分析与业务运营结合的更加紧密，以数据驱动运营，以数据推动业务。
李宁，
中国商业联合会数据分析专业委员会特聘专家，现就职于某外卖订餐平台，担任数据专家。先后在艾瑞、携程从事数据相关工作。乐于分享，维护着微信公众号“数据自由之路”（dataFreeLife），分享自己在数据和运营方面的经验和心得，同时是知乎、36大数据和51CTO等媒体的专栏作家。曾多次被行业内的各种数据峰会邀请担任分享嘉宾，并以评审专家身份参与由中数委牵头的《中国大数据人才培养标准（第1版）》的编审工作。
目录信息
前 言
基 础 篇
第1章 概述：数据运营基础 002
1.1 大数据时代 002
1.2 企业数据应用方式 004
1.3 数据运营的岗位职责 007
1.4 数据运营应掌握的技能 009
1.5 本章小结 013
第2章 业务：数据驱动运营 014
2.1 如何用数据驱动运营 014
2.1.1 定义数据分析目标 014
2.1.2 目标分解与聚焦 016
2.1.3 数据运营重点 019
2.2 流量运营分析 021
2.2.1 流量运营规划 021
2.2.2 流量分析 023
2.2.3 解读PV、UV 027
2.2.4 跳出率分析 029
2.2.5 漏斗图分析 030
2.2.6 A/B测试 032
2.3 用户运营分析 033
2.3.1 用户分群 034
2.3.2 用户行为分析 040
2.3.3 用户生命周期价值 047
2.4 本章小结 051
?第3章 报表：数据管理模板 052
3.1 个性化数据管理报告—Excel 054
3.1.1 创建报告的准备工作 054
3.1.2 报告自动化步骤 055
3.1.3 从数据源表到数据转化表 056
3.1.4 报告正文展示 062
3.1.5 自动化报表脚本 064
3.2 搭建数据分析报告模板—PPT 066
3.2.1 业务指标梳理（搭建运营监控指标体系） 067
3.2.2 分析思路与框架 078
3.2.3 图表展现 079
3.2.4 数据与结论 080
3.2.5 报告布局与排版 081
3.2.6 PPT随Excel模板自动更新 084
3.3 本章小结 085
应 用 篇
?第4章 理论：数据分析方法 088
4.1 数据分析理论模型 088
4.1.1 4P营销理论 089
4.1.2 5W2H分析法 090
4.1.3 PEST分析方法 092
4.1.4 SWOT 093
4.1.5 逻辑树 095
4.2 数据分析方法与运用场景 095
4.2.1 多维分析 095
4.2.2 趋势分析 097
4.2.3 综合评价法 101
4.2.4 转化分析 103
4.2.5 数据挖掘方法 106
4.3 可视化：常用图表的特点及适用场合 106
4.3.1 环形图 107
4.3.2 矩阵图 108
4.3.3 组合图 112
4.3.4 文字云 118
4.4 AB Test的原理与实现 125
4.4.1 AB Test的原理 126
4.4.2 AB Test的埋点与报表部署 128
4.4.3 AB Test的分析方法 129
4.4.4 AB Test的常见误区 132
4.5 埋点策略与实现 134
4.5.1 utm来源埋点 135
4.5.2 页面PV埋点 137
4.5.3 单击埋点native 139
4.5.4 单击埋点hybrid 141
4.5.5 业务埋点 142
4.5.6 曝光埋点 144
4.5.7 埋点常见问题 145
4.6 本章小结 146
?第5章 案例：竞品数据对标分析 148
5.1 网络爬虫基础知识 148
5.1.1 开发环境准备 149
5.1.2 Web前端基础 149
5.1.3 解析网页 152
5.1.4 数据存储 159
5.2 网站结构分析 166
5.3 Scrapy爬虫架构 168
5.3.1 items模块 170
5.3.2 pipelines模块 171
5.3.3 settings模块 172
5.3.4 爬虫模块 173
5.4 数据爬取与解析 174
5.5 项目优化与改进 177
5.5.1 爬虫脚本部署在服务器端 178
5.5.2 分布式爬虫的实现 178
5.6 反爬手段及应对机制 179
5.6.1 禁止IP请求 180
5.6.2 禁止非浏览器访问 180
5.6.3 ajax加载目标数据 181
5.6.4 需要登录后才能访问 182
5.6.5 手机App页面数据抓取 182
5.7 本章小结 184
?第6章 案例：某互联网医疗产品用户特征分析 185
6.1 应用背景与分析维度 185
6.2 基于用户细分的行为分析 186
6.3 用户来源渠道分析 190
6.4 基于前端展示的用户行为分析 191
6.5 产品改进与运营建议 195
6.6 本章小结 195
?第7章 案例：RFM用户价值模型应用 196
7.1 应用背景与目标 196
7.2 基于规则的划分 198
7.3 基于聚类方法的划分 203
7.4 本章小结 209
?第8章 案例：用户流失分析与预测 210
8.1 应用背景与目标 210
8.2 问题分析与模型构建 211
8.3 数据处理与结果 212
8.3.1 确定用户流失周期 212
8.3.2 抽取训练数据建立决策树模型 214
8.3.3 线上部署脚本定期监测流失用户 221
8.3.4 流失用户分析 224
8.4 问题定位与解决方案 226
8.5 本章小结 229
?第9章 案例：站内文章自动分类打标签 230
9.1 应用背景与目标 230
9.2 问题分析与模型构建 231
9.3 案例中主要应用的技术 232
9.3.1 数据预处理 232
9.3.2 TF-IDF词空间向量转换 233
9.3.3 文章关键词提取 234
9.3.4 朴素贝叶斯分类 235
9.4 数据处理与模型检验 235
9.4.1 文本分词处理（数据分类与数据预处理） 236
9.4.2 数据结构处理 238
9.4.3 计算文本的TF-IDF权重矩阵 240
9.4.4 用朴素贝叶斯方法分类文章 242
9.5 本章小结 245
提 高 篇
?第10章 应用：用户画像建模 248
10.1 用户画像简介 248
10.1.1 什么是用户画像 249
10.1.2 用户画像模型及应用场景 250
10.1.3 数仓架构及项目流程 254
10.2 用户画像管理 257
10.2.1 模块化开发 257
10.2.2 存储方式 259
10.2.3 更新机制 259
10.3 业务背景 262
10.3.1 案例背景介绍 262
10.3.2 数据仓库相关表介绍 262
10.4 用户画像建模 267
10.4.1 业务需求梳理 267
10.4.2 用户标签体系及开发内容 268
10.4.3 用户画像开发流程 274
10.4.4 时间衰减系数 279
10.4.5 标签权重配置 280
10.5 用户画像数据开发 282
10.5.1 建立用户属性画像 283
10.5.2 建立用户行为画像 289
10.5.3 建立用户偏好画像 303
10.5.4 建立群体用户画像 308
10.5.5 画像效果验收 313
10.5.6 画像数据质量管理 314
10.6 用户画像应用方式 317
10.6.1 业务精细化运营 317
10.6.2 数据分析 319
10.6.3 精准营销 319
10.6.4 用户个性化推荐 322
10.7 本章小结 323
· · · · · · (收起)
读后感
用户评价
这本《数据化运营》的装帧设计着实让人眼前一亮，封面那种深邃的蓝色调，配上简洁有力的白色字体，立刻营造出一种专业而又现代的氛围。我拿到书的时候，首先翻阅的是目录，发现它的章节编排逻辑非常清晰，从基础的数据思维建立，到具体的数据分析工具应用，再到如何将数据洞察转化为实际的运营策略，每一步都衔接得非常顺畅。我特别欣赏作者在介绍一些复杂概念时所采用的类比方式，比如将用户生命周期比作一场马拉松，生动形象，一下子就把枯燥的理论拉到了我们日常能理解的范畴。书里穿插了许多作者亲身经历的案例，那些案例背景描述得非常详尽，让人仿佛置身于那个具体的业务场景中，去思考我们自己如果遇到同样的问题会怎么做。更难得的是，它并没有仅仅停留在“要用数据”的口号上，而是深入探讨了数据治理、数据质量控制这些常常被忽视但至关重要的环节，这对于任何想从根本上提升运营效率的人来说，都是宝贵的财富。整体阅读下来，感觉就像是跟一位经验丰富、思路清晰的资深运营专家进行了一次深度对谈，收获的不仅仅是方法论，更是对未来运营工作方向的坚定信心。
这本书的阅读体验，与其说是在学习一门课程，不如说是在参与一场跨学科的思辨之旅。它的语言风格有一种英式的严谨和逻辑美感，段落之间环环相扣，几乎没有一句废话。我印象最深的是作者在讨论“运营的本质”时，将运营活动与博弈论中的纳什均衡概念进行了类比，这种跨界思维的碰撞极具启发性。书中对“数据伦理”和“隐私保护”在运营活动中的重要性也给予了足够的重视，这在当下这个数据安全日益敏感的时代，显得尤为难能可贵。它不仅教我们如何“做大蛋糕”，更提醒我们要“公平且负责任地分享蛋糕”。我把它推荐给我的几位年轻的实习生，他们反馈说，这本书让他们明白了，运营工作绝非简单的“发帖、加粉、做活动”，而是一门建立在严密逻辑和深刻用户理解之上的科学艺术。读完之后，我感觉自己看待任何一个线上活动，都会不自觉地去分析其背后的数据驱动逻辑，这是一种思维模式上的彻底重塑。
我是一个偏向于感性决策的管理者，过去常常觉得数据分析太冰冷，总觉得它会扼杀创意的火花。然而，阅读完这本《数据化运营》之后，我的这种固有认知被彻底颠覆了。作者巧妙地论证了数据与创意之间绝非对立关系，而是相辅相成的“双螺旋结构”。书中关于“如何通过数据发现用户未被满足的情感需求”的章节令我印象深刻，它教会我如何利用用户反馈数据和行为数据交叉分析，去捕捉那些隐藏在冰冷数字背后的用户心声和潜在的创新机会点。这种将人文关怀融入量化分析的方法论，对我这样一个重视用户体验的领导者来说，无疑是一剂强心针。全书的论述风格非常沉稳，引用的理论基础扎实，但表达上又充满温度，仿佛在提醒我们，所有的技术和模型，最终服务的对象依然是活生生的人。读完后，我感觉自己对“数据驱动”的理解从一个工具层面，提升到了战略思维的高度，学会了如何让数据成为激发团队创新的催化剂。
说实话，我之前看过不少关于增长黑客和A/B测试的书籍，但大多都停留在理论框架的层面，真正实操起来总感觉缺了那么一块关键的拼图。这本书的价值就在于它极度注重“落地性”。它花了大量的篇幅讲解如何构建一套行之有效的数据指标体系，而不是一味堆砌KPI。作者非常犀利地指出了当前很多企业在数据应用中常见的“无效数据陷阱”——即收集了很多数据，却不知道如何有效解读和应用。书中对漏斗分析和用户分群的讲解简直是教科书级别的精细，我尤其记住了关于“次日留存率”的几种不同计算口径的讨论，那种对细节的锱铢必较，恰恰是决定运营成败的关键。当我合上这本书准备去复盘我手头的一个产品推广项目时，我赫然发现，之前我遗漏了某个关键路径上的转化节点监控，这本书直接帮我补上了这个致命的漏洞。它的语言风格非常直接，不拖泥带水，很多句子都像是直接从一线实战中提炼出来的“战术口诀”，读起来酣畅淋漓，让人忍不住想要立刻打开后台开始操作验证。
从技术层面上讲，这本书的广度令人惊叹，但更让我佩服的是它的深度和前瞻性。它没有仅仅停留在目前市面上主流的SaaS分析工具的使用说明上，而是探讨了如何构建一个可持续迭代的数据分析平台。书中对于“指标体系的动态调整”和“算法推荐模型的冷启动策略”的讨论，显示出作者对行业前沿趋势有着深刻的洞察力。我特别留意了其中关于“归因模型”的论述，那部分内容非常尖锐地指出了传统点击归因的局限性，并提出了几种更符合现代多触点营销环境的解决方案思路。虽然有些涉及到比较底层的技术原理，但作者通过图形化说明和流程图的辅助，极大地降低了理解门槛。对于那些希望带领团队进行系统性数据架构升级的CTO或者技术负责人来说，这本书提供的绝对不是简单的操作指南，而是一份具有前瞻性的技术路线图。它促使我们跳出日常的报表制作，去思考更宏大的数据基础设施建设。
代码相关及excel相关的直接略过了，其他作为科普级别的写的还行。（书里有一个表格把环比和同比的概念弄混，数据算错了...
书中罗列了数据运营的各种方法，学习的顺序也是循序渐进，有实例代码，每个阶段开始时期的人看了本书都能少走弯路。但是，从描述性统计对比分析，到k-means聚类算法用户画像，这个跨度也太大了吧= =
书中罗列了数据运营的各种方法，学习的顺序也是循序渐进，有实例代码，每个阶段开始时期的人看了本书都能少走弯路。但是，从描述性统计对比分析，到k-means聚类算法用户画像，这个跨度也太大了吧= =
很实用的书！
零基础可以看 稍微有点概念看大概率是没啥收货
