《数据化运营速成手册》是2017年4月电子工业出版社出版的书籍，作者是胡晨川。
内容提要
《数据化运营速成手册》用于提升互联网公司员工的数据应用能力，即数据化运营能力。首先，从最常用的数据图表切入，帮助执行层正确地绘图，管理层正确地看图；接着，梳理运营中最基本的数据应用知识，涉及数据获取、数据清洗、数据认知、分析框架、指标体系、运营实验等内容。然后，介绍作者认为必要的统计学知识，包括假设检验、方差分析、回归分析和时间序列分解，并引入了管理科学中的规划求解方法。最后，介绍了数据分析工具的发展趋势，并分享了作者近些年的工作及学习心得。
《数据化运营速成手册》适用于互联网公司的数据分析师、运营人员、产品经理和
中层管理人员。
图书目录
第1章全面认识数据图表1
1.1 详解数据图表的基本构成1
1.2 控制数据图表中的信息量9
1.3 真的需要作图吗10
第2章建立数据图表的认知14
2.1 利用散点图探究数据间的关系14
2.1.1 最基本的散点图样例15
2.1.2 散点图的制作16
2.1.3 散点图的变种1：添加平滑线19
2.1.4 散点图的变种2：利用气泡图观察更多指标间的关系20
2.1.5 散点图的变种3：用分类矩阵形成决策22
2.1.6 散点图的局限性23
2.2 利用柱形图将“对比”做到极致24
2.2.1 利用累加柱形图对比数据结构的变化25
2.2.2 多指标组合对比27
2.2.3 用平均值优化单指标的对比29
2.2.4 用瀑布图观察总量分解后的对比32
2.2.5 如何正确对比数值指标与比率指标33
2.3 用折线图观察时间序列数据35
2.3.1 如何观察趋势36
2.3.2 探寻趋势变化的原因38
2.4 利用面积图观察数据结构的变化趋势44
2.4.1 观察动态的数据结构变化：堆积面积图44
2.4.2 用于队列分析：堆积面积图45
2.5 用雷达图进行静态的多维对比48
2.6 其他类型图表概述50
2.6.1 使用饼图的6个“坑”50
2.6.2 提升视觉冲击力：树状图52
2.6.3 量化流程各环节间的转化率：漏斗图52
第3章数据图表进阶54
3.1 数据图表到底是什么55
3.2 如何正确地选择图表59
3.3 数据图表中的细节60
3.3.1 图表背景和绘图区背景60
3.3.2 坐标轴65
3.3.3 灵活使用辅助线68
3.3.4 线性趋势线的应用69
3.3.5 应用移动平均趋势线做时间序列的预测72
3.3.6 添加信息增强线74
3.3.7 用标注线指示必要的信息75
3.4 能让图表升级的高级技巧76
3.4.1 运用组合图表增加信息承载量76
3.4.2 运用子母图增加图表中的信息量79
3.4.3 条件格式中的几项实用功能80
3.4.4 使用迷你图表压缩空间85
3.4.5 用不等宽技术优化柱形图和条形图86
3.4.6 使用Bullet图进行绩效评价的可视化89
第4章数据化运营的基础知识93
4.1 最基本的数据获取能力94
4.1.1 认知数据库的一般构造94
4.1.2 能够阅读最基本的取数代码95
4.1.3 用Excel获取数据98
4.2 快速认知数据105
4.2.1 仔细审核数据源的质量106
4.2.2 提升数据集的质量107
4.2.3 统一数据类型和单位111
4.2.4 描述统计分析111
4.2.5 利用相关系数理解数据之间的关系122
4.2.6 通过多维交叉深入认知数据集125
4.3 几套有用的分析思维框架132
4.3.1 66 法则与SQVID 原则133
4.3.2 麦肯锡的“七步成诗”135
4.4 创造指标，应用指标141
4.4.1 什么是指标142
4.4.2 如何设计高质量的指标143
4.4.3 指标组合：综合指数143
4.4.4 需要关注哪些核心指标144
4.5 运营活动的量化148
4.5.1 优秀的运营活动应具备哪些要素148
4.5.2 需要哪些过程型和结果型指标149
4.5.3 如何评价运营活动149
4.5.4 从纵向与横向两个角度全面对比151
4.5.5 一种更严谨的测试效果量化方法：DID 154
4.5.6 相似活动间效果的对比155
4.5.7 关于运营活动量化的小结156
4.6 数据化运营的思维方式156
4.8 小结170
第5章快速提升量化分析能力. 171
5.1.2 让大数定律给你自信175
5.1.3 窥一斑而见全豹：中心极限定理176
5.2 使用假设检验进行理性的推断177
5.2.1 统计分布是一切推断的基础179
5.2.2 以正态分布为例，阐述假设检验的过程181
5.2.3 双侧检验与单侧检验183
5.2.4 假设检验的细节补充184
5.3 利用方差分析辨别方案的有效性185
5.3.1 用户激活措施的有效性判断186
5.3.2 运用置信区间增强数值估计的可靠性189
5.3.3 两两比较寻找最精确的结论190
5.3.4 理解方差分析的思维191
5.4 浅谈回归技术的应用191
5.4.1 因变量与自变量的相关关系是回归的基础191
5.4.2 线性回归建模的详细过程192
5.4.3 线性回归分析中的注意点204
5.5 用时间序列分解模型观察波动204
5.5.1 怎样观察时间序列数据205
5.5.2 何为时间序列分解206
5.5.3 时间序列分解的步骤解析208
5.5.4 时间序列分解方法的应用局限性212
5.6 如何优化调查问卷213
5.6.1 态度型问题，增加选项以支撑量化分析214
5.6.2 问题要有必要且贴合业务需求215
5.6.3 设置过滤器，识别无效回答215
5.6.4 避免双重问题和一重半问题216
5.6.5 动态地调查，设置问题库以保障多次调查的质量216
第6章科学地决策217
6.1 从数据中形成决策217
6.2 线性规划是什么219
6.3 线性规划建模的操作过程220
6.3.1 建立逻辑清晰的表格220
6.3.2 设置输出单元格、目标单元格与可变单元格之前的运算关系221
6.3.3 设置线性规划建模参数222
6.4 如何从数据中形成决策223
6.5.1 资源分配模型224
6.5.2 成本收益平衡模型226
6.5.3 网络配送模型227
6.5.4 混合模型229
6.6 线性规划模型小结231
第7章应用优秀的工具233
7.1 互联网数据分析工具的演进234
7.1.1 流量时代234
7.1.2 用户时代235
7.1.3 订单时代235
7.2 行为事件分析工具的简单介绍236
7.3 数据分析平台简介及趋势238
7.3.1 数据展现238
7.3.2 数据处理238
7.3.3 数据收集239
7.4 值得推荐的小工具240
7.4.1 团队协作工具240
7.4.2 其他小工具241
第8章工作经验杂谈242
8.1 这些年犯过的错误242
8.1.1 迷信业务模型，浪费公司资源243
8.1.2 活跃率陷阱244
8.1.3 不加选择地进行数据追踪245
8.1.4 为了KPI 而做数据分析246
8.1.5 忽略数据质量的保障机制247
8.1.6 轻视业务执行，重视数据表现248
8.1.7 不重视数据认知，盲目建模248
8.1.8 只重视完成任务，忽略了团队成员的个人发展需求249
8.2 认清数据分析的边界250
8.2.1 数据库并不能记录一切250
8.2.2 不可能分离多重因素影响251
8.2.3 数据不能替代逻辑推理251
8.2.4 预测的根基未必牢固251
8.2.5 大多数人会因数据而变懒252
8.3 我们需要读些什么书252