Part 1——數據分析基礎與商業思維


第 1 章 數據分析的商業思維

1-1 數據分析核心導論——從觀念到職涯發展

????1-1-1 數據分析的定義與商業價值

????1-1-2 數據分析的六大黃金流程

????1-1-3 業界四大常用數據分析方法

????1-1-4 實務情境落地——用一間手搖飲店看懂四大分析

????1-1-5 商業核心驅動—如何定義業務的「北極星指標」

????1-1-6 數據分析師的 T 型能力模型

????1-1-7 數據分析師的產業職涯與發展路徑

????1-1-8 數據分析的產業應用場景

1-2 多維度資料分析架構——OLAP 的核心思考

????1-2-1 線上分析處理與資料方塊概念

????1-2-2 OLAP 的核心操作

????1-2-3 OLAP 在描述性與診斷性分析中的角色

????1-2-4 數據分析師的轉譯思考

1-3 Pandas 基本操作

????1-3-1 資料讀取與寫入

????1-3-2 描述性統計

????1-3-3 資料選取

????1-3-4 條件式資料過濾

????1-3-5 資料排序

????1-3-6 分組與聚合(Groupby)

????1-3-7 Pandas 樞紐分析表

1-4 本書的學習地圖——以實務案例貫穿全書


第 2 章 從原始資料到可信資料

前言—讓資料從「混亂」變成「可信」

2-1 資料型別與結構一致性

????2-1-1 初步資料檢查

????2-1-2 資料欄位型別與結構辨識

????2-1-3 型別錯誤與轉換問題

????2-1-4 類別資料清理與轉型

????2-1-5 時間資料與格式問題

2-2 缺失值處理

????2-2-1 缺失值檢查與分布觀察

????2-2-2 缺失值的本質分類

????2-2-3 缺失值處理策略

2-3 離群值與資料合理性

????2-3-1 離群值檢測方法

????2-3-2 離群值處理方法

2-4 資料轉換與基礎特徵工程

????2-4-1 類別資料編碼

????2-4-2 時間欄位拆解

????2-4-3 分箱

????2-4-4 衍生特徵

2-5 資料品質與合理性檢查

????2-5-1 數值範圍檢查

????2-5-2 業務規則驗證

????2-5-3 重複值檢查

????2-5-4 資料一致性問題

結語——資料清理的本質，是建立「可信資料」


第 3 章 資料視覺化——從繪圖到商業溝通

前言——圖表不是裝飾，而是決策介面

3-1 視覺化基礎—從資料整理到第一張圖

????3-1-1 為什麼資料視覺化如此重要？

????3-1-2 Pandas、Matplotlib 與 Seaborn

????3-1-3 三大套件繪製直方圖比較

3-2 視覺感知心理學——大腦如何「看到圖」

????3-2-1 前注意屬性——大腦如何快速注意重點

????3-2-2 格式塔原理——大腦如何自動整理資訊

3-3 選對圖表——數據關係決定視覺呈現

????3-3-1 比較類——柱狀圖與折線圖

????3-3-2 組成類——堆疊圖、圓餅圖與環形圖

????3-3-3 分佈類——直方圖與箱型圖

????3-4-4 關聯類——散點圖與氣泡圖

????3-3-5 時間序列類—趨勢圖與移動平均

3-4 商業視覺化與圖表設計原則

????3-4-1 好圖表的核心——資訊優先於裝飾

????3-4-2 如何用圖表說故事

????3-4-3 視覺化中的認知陷阱與誤導

結語——圖表的終點，是理解與決策


第 4 章 EDA——從資料中發現規律

前言——EDA 不是畫圖，而是理解資料的方式

4-1 單一變數分析——資料本身長什麼樣？

????4-1-1 資料分布的第一印象

????4-1-2 集中趨勢——平均數 vs 中位數

????4-1-3 離散程度——資料穩不穩定？

4-2 兩變數關係——資料之間有沒有互動？

????4-2-1 相關性初探——有沒有線性關係？

????4-2-2 散點圖中的模式

????4-2-3 類別 vs 數值——群組差異

4-3 標準化與尺度調整——讓資料可以被公平比較

????4-3-1 Min-Max 正規化

????4-3-2 Z-score 標準化

????4-3-3 正規化與標準化在 EDA 中的角色

4-4 分群與結構——資料是否有隱藏結構？

????4-4-1 類別分布——誰最多？

????4-4-2 群體差異——不同群行為不同嗎？

????4-4-3 長尾與極端群體

????4-4-4 群體與行為差異

4-5 從觀察到假設——EDA 的核心輸出

????4-5-1 電商 EDA 案例

結語——EDA 的價值，是讓資料開始「說話」


第 5 章 數據分析中的統計思維

5-1 前言——用統計思維建立可信的數據決策

????5-1-1 隨機性與資料分布

????5-1-2 標準差與業務穩定性

????5-1-3 變異係數與相對風險

????5-1-4 大數法則與肥尾效應

5-2 抽樣與信賴推論

????5-2-1 常見抽樣方法

????5-2-2 樣本量與估計精度

????5-2-3 信心區間與不確定性

5-3 假設檢定與 A/B 測試

????5-3-1 虛無假設與 p 值

????5-3-2 t 檢定與雙組比較

5-4 變異數分析(ANOVA)

????5-4-1 組間差異與組內波動

????5-4-2 事後檢定—─找出真正的優勝方案

????5-4-3 效果量——顯著不等於重要

結語—─統計學在數據分析中的價值


Part 2——商業分析方法與決策診斷


第 6 章 趨勢與對比分析

前言——數據真正的價值，不在數字本身

6-1 對比的力量

????6-1-1 數據孤島的悲劇

????6-1-2 對比的五個核心維度

6-2 同比與環比——如何辨識真正的成長

????6-2-1 環比——短期策略的溫度計

????6-2-2 同比——排除季節性的長期座標

????6-2-3 增長的陷阱——當環比與同比發生衝突

????6-2-4 複合增長率——數據的長線定海神針

????6-2-5 偽成長與假衰退——數據誤判的常見陷阱

????6-2-6 滾動同比——避免季節錯覺的進階同比分析

6-3 移動平均——從噪音中看見趨勢

????6-3-1 核心概念——用「平均」對抗「噪音」

????6-3-2 黃金交叉與趨勢轉折

6-4 指數化分析

????6-4-1 指數化——看見真正的成長軌跡

結語——分析趨勢，不只是觀察數字


第 7 章 交叉分析與根因診斷

前言——從異常現象到問題定位

7-1 交叉分析

????7-1-1 維度與指標

????7-1-2 分層分析的重要性

????7-1-3 商務強度矩陣

????7-1-4 從交叉表發現機會與風險

7-2 貢獻度分析

????7-2-1 貢獻度分析的核心概念

????7-2-2 實作範例——商品貢獻度分析

????7-2-3 Pareto 分析——找出最值得優先處理的商品

7-3 異常分析

????7-3-1 異常值與商業訊號

????7-3-2 實戰演練——門市營收異常診斷

7-4 根因分析

????7-4-1 RCA 與描述性分析的差異

????7-4-2 假說驅動分析

????7-4-3 四層下鑽法

????7-4-4 從現象到決策——資料到行動的閉環

7-5 根因分析實戰案例報告

結語——從數據觀察者到問題診斷者


第 8 章 客戶分析與分群策略

前言——從異常現象到問題定位

8-1 客戶價值分析

????8-1-1 客戶分析的核心思維

8-2 RFM 模型

????8-2-1 RFM 的商業邏輯

????8-2-2 建立客戶分群矩陣——將行為數據轉譯為營運戰略

????8-2-3 基於 RFM 的多維交叉排查

8-3 客戶留存分析

????8-3-1 留存率與生命週期防線

????8-3-2 流失率與流失弱訊號偵測

????8-3-3 回購率的商務盲點

????8-3-4 世代分析與時序矩陣

????8-3-5 客戶生命週期價值的動態估算

8-4 客戶分群實戰

????8-4-1 K-Means 分群

????8-4-2 高價值客群辨識

????8-4-3 機器學習分群實作

????8-4-4 在 OLAP 中利用 K-Means 標籤進行多維下鑽

結語——從數據矩陣回歸「人本決策」的分析思維


第 9 章 漏斗分析與根因診斷

前言—從轉換率到根因診斷

9-1 漏斗模型與轉換路徑分析

????9-1-1 漏斗分析的本質——結構化拆解

????9-1-2 Funnel 分析前的資料可信度檢查

????9-1-3 從事件流建立漏斗

????9-1-4 漏斗轉換率與流失率之雙軌計算

????9-1-5 視覺化漏斗與雙軌指標診斷

9-2 多維漏斗分析

????9-2-1 多維漏斗的建構心法與維度選擇

????9-2-2 實作多維漏斗矩陣

????9-2-3 視覺化多維漏斗——群組對比圖實作

9-3 時間維度下的漏斗動態觀測

????9-3-1 漏斗轉換的時間窗效應

????9-3-2 佇列分析與漏斗指標的時序漂移

9-4 漏斗瓶頸的質化根因深度下鑽

????9-4-1 行為流向還原——從漏斗事件到流失原因建模

9-5 從診斷到落地——漏斗優化策略與 A/B 測試驅動

????9-5-1 減少漏斗摩擦力的營運與產品藥方

????9-5-2 利用 A/B 測試科學驗證漏斗優化成效

結語——數據分析的終點不是報表，而是改變結果


Part 3——預測分析與商業決策實戰


第 10 章 A/B 測試與數據決策實務

10-1 前言——從實驗數據到產品決策

????10-1-1 實戰沙盒——資料集介紹與分析架構

????10-1-2 數據初步檢查

10-2 實驗設計的核心

????10-2-1 為什麼需要北極星指標

????10-2-2 玩家路徑與 Gate 設計

????10-2-3 核心指標定義——D1、D7 與 LTV

10-3 實戰 A/B 測試——從隨機分派到因果推論

????10-3-1 建立實驗假設——延後門檻是否真的更好？

????10-3-2 分組均衡性檢查——樣本與 SRM 風險防線

????10-3-3 偏差程度的量化——SRM 是大問題還是可接受雜訊？

????10-3-4 A/A 測試概念引入——驗證實驗系統的零偏誤

10-4 頻率派檢定 vs 貝氏推論——加速產品決策的兩種思維

????10-4-1 傳統 p-value 的限制

????10-4-2 貝氏 A/B Testing 原理——Beta-Binomial 後驗分佈

????10-4-3 機率模擬實作——使用蒙地卡羅方法進行貝氏 A/B 比較

10-5 分群分析——挖掘隱藏在平均數下的真相

????10-5-1 辛普森悖論的商務風險

????10-5-2 依玩家涉入程度分群分析

10-6 預期損失與商務落地決策

????10-6-1 風險量化

????10-6-2 決策門檻設定——從統計顯著到商業可行性

????10-6-3 結合統計結果與開發成本的最終博弈

????10-6-4 實驗不是終點，而是下一輪優化的起點

結語——數據不是答案，而是降低決策風險的方法


第 11 章 用戶流失預測與機器學習防禦系統

11-1 前言——從「靜態留存」到「動態預測」的流失分析框架

????11-1-1 實戰沙盒——資料集介紹與分析架構

????11-1-2 數據初步檢查

11-2 特徵工程與特徵篩選

????11-2-1 數值型特徵的陷阱

????11-2-2 類別變數的商務轉譯

????11-2-3 衍生特徵——商業訊號的重建

????11-2-4 基準線設定——模型價值的起點，而非比較結果

11-3 模型構建與效能評估

????11-3-1 特徵選擇與基準模型建立

????11-3-2 確立評價體系

????11-3-3 精準度與召回率的取捨

????11-3-4 F1-Score 與 ROC-AUC

11-4 商務決策落地——從流失預測到獲利最佳化

????11-4-1 建立流失挽回的 ROI 模型

????11-4-2 挽回機率的變動敏感度分析

????11-4-3 流失挽回的決策分層——避免資源錯配與利潤稀釋

11-5 模型優化與模型解釋性分析

????11-5-1 交叉驗證

????11-5-2 超參數調優

????11-5-3 模型解釋性分析

????11-5-4 SHAP 相依圖分析——尋找風險臨界點

結語——從預測模型走向可執行的決策系統


第 12 章 回歸分析——鑽石定價與價值挖掘

12-1 前言——從價格表象到價值建模

????12-1-1 實戰沙盒——資料集介紹與分析架構

????12-1-2 數據初步檢查

12-2 數據預處理——從原石到精琢特徵

????12-2-1 數據清洗——排除異常與不合理紀錄

????12-2-2 類別編碼——等級排序與市場語言轉譯

????12-2-3 相關性掃描——價格驅動因子與結構辨識

12-3 線性回歸實作——建立商業定價基準

????12-3-1 線性回歸的商業意義——從預測工具到定價語言

????12-3-2 係數的商業意義——從參數到決策規則

????12-3-3 截距的意義——定價邏輯中的「地板價」是否存在？

????12-3-4 模型評估——R2 衡量了多少價格波動？

????12-3-5 模型評估——使用 MAE 與 RMSE 評估定價誤差

12-4 殘差分析——診斷模型的偏見與盲點

????12-4-1 殘差分布圖——檢查誤差是否符合常態分佈

????12-4-2 模型優化方向——使用多項式迴歸

????12-4-3 模型優化方向——使用 log 對數轉換

????12-4-4 模型優化方向——同時使用多項式與對數轉換

????12-4-5 穩健性檢驗——K-Fold 交叉驗證

12-5 商業決策應用——溢價預警與自動採購決策

????12-5-1 溢價分析——從殘差中尋找市場錯價機會

????12-5-2 區間估計——從單點預測到風險定價

????12-5-3 模擬情境——市場結構變動下的庫存價值重估

結語——從價格預測到價值洞察


第 13 章 時序分析與商業預警實戰

前言——從解釋過去到預測未來

????13-1 時間序列的本質——從靜態數據到動態系統

????13-1-1 時間不只是維度，而且是生成機制

????13-1-2 趨勢、季節性與隨機性的三分結構

????13-1-3 商業數據中的慣性與延遲效應

13-2 預測的前提——資料是否「可預測」

????13-2-1 平穩性的商業意義

????13-2-2 觀察平穩性

????13-2-3 差分技術——把斜率拍扁

13-3 經典模型實戰——ARIMA 與自動化預測系統

????13-3-1 ARIMA 的結構拆解——AR/I/MA 的意義

????13-3-2 建立 ARIMA 模型

????13-3-3 建立 SARIMA 模型

????13-3-4 建立 SARIMAX 模型

13-4 Auto-ARIMA——從手動調參到自動搜尋

????13-4-1 統計學的裁判——AIC 與 BIC 的商業直覺

????13-4-2 Auto-ARIMA 實戰——自動搜尋不等於自動理解

????13-4-3 Auto-ARIMA 實戰——季節性的影響

????13-4-4 Auto-ARIMA 實戰——讓模型理解商業事件

13-5 預測區間——從單點預測到風險決策

????13-5-1 信心區間與預測區間的本質差異

????13-5-2 從歷史資料走向未來決策——SARIMAX 實戰預測

????13-5-3 數據工程的核心難題——未來外生變數從何而來

結語——讓數據成為企業的前瞻雷達


第 14 章 折扣與促銷策略分析——從業績表象到價值拆解

14-1 前言——從銷量表象到商業因果理解

????14-1-1 實戰沙盒——資料集介紹與分析架構

????14-1-2 數據初步檢查

14-2 促銷增量分析

????14-2-1 基準線——建立「如果沒有促銷」的參考座標

????14-2-2 增量業績計算——量化促銷活動的真實效果

????14-2-3 損益平衡點——這場仗打得值得嗎？

14-3 收益鏈分析——從引流商品到整體獲利

????14-3-1 關聯性檢驗——主機真的帶動配件嗎？

????14-3-2 促銷投資效益分析——從引流成本到整體損益評估

14-4 替代效應與業績侵蝕——成長背後的內部消耗

????14-4-1 市場結構拆解——主機與競品的位移真相

????14-4-2 品類淨利潤評估——警惕利潤空洞化

14-5 跨期需求移轉分析——促銷是否只是「向未來借業績」

????14-5-1 囤貨效應辨識——消失的訂單只是被提前了

????14-5-2 需求透支評估與活動排程——找回獲利的節奏

結語——從數字變動到商業邏輯的還原


第 15 章 服務補救效應與忠誠度歸因

15-1 前言——當危機成為忠誠度的起點

????15-1-1 實戰沙盒——服務與交易的數據縫合

????15-1-2 數據初步檢查——確保補救資料的行為真實性

15-2 服務失敗與心理帳戶——服務補救如何轉化為增量利潤

????15-2-1 服務補救悖論的定義——危機中的忠誠度飛躍

????15-2-2 期待落差與情緒槓桿——心理學視角的價值轉化

????15-2-3 沉默的代價——當離開沒有被說出口

15-3 數據實驗設計——如何界定「補救成功」的樣本？

????15-3-1 回顧性隊列的建構——從歷史資料中重建實驗

????15-3-2 排除異常值與偏誤

15-4 忠誠度升幅量化——計算「補救後」的行為變異

????15-4-1 再購頻次與存活分析——預測未來的購買節奏

????15-4-2 信任的變現能力——從客單價提升到生態系消費

15-5 客服中心的損益表——從成本中心到價值引擎

????15-5-1 補救成本 vs 利潤增量——建立財務歸因公式

????15-5-2 補救甜蜜點探尋——速度與金額的邊際效應

結語——服務補救的本質，是重新定價關係


第 16 章 基於「行為軌跡」的潛客評分系統

16-1 前言——從「盲目追蹤」到「精準捕獲」的意圖識別

????16-1-1 實戰沙盒——資料集介紹與分析架構

????16-1-2 數據初步檢查

16-2 商務邏輯與評分機制——資源配置的核心框架

????16-2-1 資源配置失衡與潛客優先級問題

????16-2-2 屬性維度評分實作——潛客資格的門檻建構

16-3 行為特徵工程——從數位軌跡到意圖熱力建模

????16-3-1 數位足跡權重化——行為價值的分層建模

????16-3-2 線上與線下的縫合——建立完整意圖軌跡

????16-3-3 行為評分實作與特徵持久化

16-4 建立動態評分模型

????16-4-1 時間衰減機制——建立具時效性的潛客評分

????16-4-2 建立潛客評分模型——用機率量化成交可能性

????16-4-3 商務落地應用——從潛客評分到資源配置決策

????16-4-4 模型監控與持續優化——建立可進化的潛客評分系統

結語——讓數據告訴你，下一位成交客戶是誰




?