Python电商数据分析实战(微课版)

Python电商数据分析
分享 推荐 1 收藏 82 阅读 3.1K
陈海城 (作者) 978-7-115-62163-4

关于本书的内容有任何问题,请联系 许金霞

1.本书秉持理论与实践相结合的理念,讲解以物流数据、网店运营数据、销售数据、客服数据、客户数据、市场数据、产品数据等核心数据的采集、处理、分析及可视化。
2.本书以业务流程为主线,采用数据分析的相关技术方法,并结合场景应用,将理论与实践融合。案例均来源于真实的行业数据,并提供大量的案例及完备的数据资源。
3.配备微课视频及丰富的教学资源。
¥59.80 ¥50.83 (8.5 折)
教学资源仅供教师教学使用,转载或另作他用版权方有权追究法律责任。

内容摘要

全书共分为3篇。第一篇是理论基础篇,讲解从事电子商务数据分析前需要了解的理论知识,每个理论知识点都结合案例做详细的解析。第二篇是专业方法篇,介绍数据采集和数据清洗的专业方法。第三篇是应用场景篇,介绍运营与数据平台的应用、运营诊断与复盘的方法、宏观市场分析、市场细分及竞争分析、流量运营分析、产品运营分析、消费者运营分析及商务报告的撰写等。
本书既可以作为高等院校电子商务专业、商务数据分析与应用专业、大数据分析与应用专业等本专、科学生的专业课教材,也可以作为实务工作者学习电子商务数据分析的基础知识以及报考商务数据分析相关资格证的参考用书。

诚邀您加入【人邮社大数据教师交流群】

目录

第 1章 1
电商数据分析导论 1
1.1 认知数据分析 1
1.1.1 数据分析的概念 1
1.1.2 数据分析的作用 1
1.1.3 数据分析的标准流程 3
1.2 电商数据分析的必备知识和工具 6
1.2.1 数学和统计学 6
1.2.2 运筹学 7
1.2.3 数据分析方法论 7
1.2.4 数据分析工具 8
1.2.5 电商数据指标体系 8
1.3 数据分析在电商中的应用 9
1.3.1 数据诊断 9
1.3.2 数据复盘 10
1.3.3 市场分析 10
1.3.4 竞争分析 10
1.3.5 渠道分析 10
1.3.6 活动及广告分析 11
1.3.7 产品分析 11
1.3.8 库存分析 11
1.3.9 消费者分析 11
1.4 统计学是数据分析的核心理论基础 12
1.4.1 统计学来源及特点 12
1.4.2 统计的基本概念 12
1.4.3 统计的工作过程 14
1.4.4 统计的研究方法 15
1.5 运筹学基础 16
1.5.1 博弈论和运筹学 16
1.5.2 运筹学的模型 17
1.5.3 规划求解的经典问题 18
1.6 数据分析的专业术语 20
1.6.1 维度和分类数据 20
1.6.2 度量和定量数据 20
1.6.3 粒度 20
1.6.4 量纲和单位 20
1.6.5 数据集、事实表和维度表 20
1.6.6 算法和函数 21
1.6.7 模型 21
1.7 电商数据来源及指标体系 21
1.7.1 数据来源 21
1.7.2 数据口径 21
1.7.3 基础数据指标 22
1.7.4 常用分析度量 22
1.7.5 建立数据指标体系 23
1.8 本章小结 24
1.9 习题 24
第 2章 25
数据分析方法论 25
2.1 基本方法 25
2.1.1 对比法 26
2.1.2 拆分法 26
2.1.3 排序法 27
2.1.4 分组法 28
2.1.5 交叉法 28
2.1.6 降维法 29
2.1.7 增维法 30
2.1.8 指标法 30
2.1.9 图形法 31
2.2 高级方法 33
2.2.1 SWOT分析法 33
2.2.2 描述性统计法 34
2.2.3 数据标准化(指数化) 39
2.2.4 熵值法 40
2.2.5 漏斗分析法 42
2.2.6 矩阵分析法 43
2.2.7 多维分析法 46
2.2.8 时间序列分析法 51
2.2.9 相关性分析法 53
2.2.10 杜邦分析法 56
2.3 本章小结 57
2.4 习题 57
第3章 58
数据采集方法 58
3.1 数据采集的基础知识 58
3.1.1 爬虫权限申明 58
3.1.2 URL构成原理 58
3.1.3 网站的构成 59
3.1.4 HTML请求与响应 60
3.2 数据采集 61
3.2.1 静态数据采集 61
3.2.2 动态数据采集 62
3.3 本章小结 65
3.4 习题 65
第4章 66
数据清洗方法 66
4.1 数据规整 66
4.1.1 数据类型 66
4.1.2 缺失值和异常值处理 67
4.2 数据合并与分组 67
4.2.1 纵向合并 67
4.2.2 横向合并 68
4.2.3 数据分组 71
4.3 数据变形 72
4.3.1 数据透视 72
4.3.2 数据逆透视 73
4.4 本章小结 74
4.5 习题 74
第三篇 应用场景篇 75
第5章 75
运营与数据平台 75
5.1 百度指数 75
5.1.1 趋势研究 75
5.1.2 需求图谱 76
5.1.3 人群画像 76
5.2 生意参谋 77
5.2.1 首页 78
5.3.2 实时数据 80
5.3.3 流量和商品 82
5.3.4 交易和服务 85
5.3.5 市场数据 88
5.4 本章小结 91
5.5 习题 92
第6章 93
运营诊断与复盘 93
6.1 店铺诊断 93
6.1.1 杜邦分析法建模诊断 93
6.1.2 相关性分析法诊断 97
6.2 店铺复盘 98
6.2.1 复盘的步骤 98
6.2.2 全店复盘案例 99
6.2.3 利润与投产比复盘案例 103
6.3 本章小结 105
6.4 习题 105
第7章 106
宏观市场分析 106
7.1 市场容量分析 106
7.1.1 市场容量分析思路 106
7.1.2 市场容量汇总 107
7.1.3 市场容量可视化 108
7.2 市场趋势分析 116
7.2.1 市场趋势分析思路 117
7.2.2 市场趋势可视化 117
7.2.3 同比和环比计算 121
7.2.4 组合图创建与设置 122
7.2.5 预测工作表创建 124
7.3 本章小结 128
7.4 习题 129
第8章 130
市场细分及竞争分析 130
8.1 市场细分 130
8.1.1 基于人群的市场细分 130
8.1.2 基于产品的市场细分 134
8.1.3 基于渠道的市场细分 136
8.2 品牌分析 139
8.2.1 品牌集中度 139
8.2.2 品牌矩阵分析 142
8.3 竞争分析 142
8.3.1 竞争环境分析 143
8.3.2 市场售价分析 146
8.3.3 竞争对手的选择 151
8.3.4 竞争对手数据跟踪 152
8.3.5 竞争对手分析 153
8.4 本章小结 168
8.5 习题 168
第9章 169
流量运营分析 169
9.1 渠道分析 169
9.1.1 传统流量渠道分析 169
9.1.2 内容渠道分析 176
9.2 活动及广告分析 182
9.2.1 活动分析 182
9.2.2 广告分析 185
9.3 本章小结 190
9.4 习题 190
第 10章 191
产品运营分析 191
10.1 产品分析 191
10.1.1 产品结构分析 191
10.1.2 产品矩阵 195
10.1.3 产品生命周期分析 199
10.1.4 产品销售分析 201
10.2 库存分析 207
10.2.1 库存绩效分析 208
10.2.2 补货模型 209
10.3 本章小结 213
10.4 习题 213
第 11章 214
消费者运营分析 214
11.1 消费者分布 214
11.1.1消费者地域分布 214
11.1.2消费者行为习惯分析 217
11.2 RFM模型 221
11.2.1 RFM模型理论及计算方法 221
11.2.2 RFM计算实例 222
11.3 复购分析 224
11.3.1消费者复购率计算与分析 224
11.3.2复购间隔分析 228
11.3.3复购产品归因分析 233
11.4 消费者舆情分析 236
11.4.1评价词频分析 236
11.4.2评价情感分析 237
11.5 本章小结 238
11.6 习题 238
第 1 2章 239
商务数据报告撰写与商业分析案例 239
12.1 数据报告撰写 239
12.1.1 数据报告类型 239
12.1.2 数据报告撰写流程 239
12.1.3 数据报告撰写技巧 240
12.2 商业分析案例 244
12.2.1 市场分析 245
12.2.2 用户舆情分析 246
12.2.3 互联网话题分析(新媒体和知识付费方向) 247
12.3 本章小结 249

读者评论

赶紧抢沙发哦!

我要评论

作者介绍

陈海城 多所院校的创业实践讲师及创业导师,数据分析专家,10年电商行业从业经验,代表畅销书:《Python3爬虫、数据清洗与可视化实战》《淘宝、天猫电商数据分析与挖掘实战》。

推荐用户

购买本书用户

相关图书

人邮微信
本地服务
教师服务
教师服务
读者服务
读者服务
返回顶部
返回顶部