数据运营之路掘金数据化时代张明明pdf下载pdf下载

数据运营之路掘金数据化时代张明明百度网盘pdf下载

作者:
简介:本篇主要提供数据运营之路掘金数据化时代张明明pdf下载
出版社:
出版时间:
pdf下载价格:9.00¥


预览


内容介绍



基本信息

书名:数据运营之路掘金数据化时代
书号:9787121396861
定价:79.00
作者/编者: 张明明
出版社:电子工业出版社
出版时间: 2020年10月



编辑推荐


本书是全面搭建数据运营体系 首著

是更适合*企业的数据运营实践方法论

可协助企业在数据运营的道路上少走弯路

其中有工具和方法,还有大量实战案例

更有作者15年相关从业经验的总结

便于读者快速上手具体的运营问题

书中的知识和见解可以复用于很多企业

这是一本多年数据运营实战的总结之作

也是一本搭建数据运营体系的指导之作

可以说是整个数据行业的“宝贵财富”

不同的读者都将从本书中获益匪浅

初入数据行业的大学毕业生可找到快速上手的方法

入行五年到八年左右的*人士可收获更丰富的行业案例

企业管理者可了解数据运营如何为业务创造价值,以及如何从0到1搭建和管理数据团队



内容简介

随着互联网的逐步深入,各行各业在线上线下均产生了大量的数据,如何让这些数据产生价值成为每一个企业亟待解决的问题。不仅如此,随着我国新基建的加快推进,大数据和人工智能的发展犹如腾云之势,而数据作为新基建中“流淌的血液”,已经成为新时代下的金矿和石油。在这一波澜壮阔的时代背景下,为数据运营搭建系统化的体系及建立数据运营方法论则是运营工作进入下一个阶段的必由之路。

本书首次全面地搭建数据运营体系,并借由笔者的亲历经验,融合跨国企业与本土企业的优势,提出更适合*企业当下发展的数据运营实践方法论,助力企业赶上数据运营的发展浪潮。 本书将数据运营里晦涩的内容以丰富的图例和生动化的语言进行阐释,帮助初入数据行业的大学毕业生找到快速上手的方法,也给入行五年到八年左右的*人士提供了更丰富的行业案例。

不仅如此,由于本书从价值出发的定位及其实用性,非常适合企业管理者阅读,帮助企业管理者了解数据运营如何为业务创造价值,以及协助管理者从0到1搭建和管理数据团队。希望这本书可以成为一本数据运营的经典读物,成为一本帮助企业了解数据如何创造价值的“百宝书”。



作者简介

张明明,现任美菜网决策支持部负责人,数据运营高级总监。

历任贝壳/链家数据运营总监、阿里巴巴商业分析*、电力大数据公司联合创始人。

十五年跨国消费品公司、创业公司以及市场研究公司从业经历,积累了丰富商业数据研究、系统搭建与企业信息整合相关实践经验,对企业整合分析、市场与消费者研究、数据应用市场等有深入的理解。北京大学国家发展研究院MBA,在行高分讲师,GIAC全球互联网架构师大会数据商业化分论坛的出品人。



目录

0 数据运营概论 / 25   

1 基础篇 / 39   

1.1  如何制定好的目标 / 41

1.2  用目标、预测值和门槛值管理日常业务 / 51

1.3  做好指标统一的基础工作 / 55

2 效率篇 / 63   

2.1  如何通过数据驱动盈利提升 / 65

2.2  如何通过数据驱动品质运营 / 75

2.3  如何通过数据驱动销售效率提升 / 80

2.4  如何通过数据评估组织效能 / 96

3 商品篇 / 101   

3.1  如何通过数据驱动商品力提升 / 103

3.2  如何通过数据做品类管理 / 106

3.3  你想要的爆品模型 / 112

4 用户与增长篇 / 123   

4.1  如何通过数据建立用户运营能力 / 125

4.2  制作一份七分熟客单价分析 / 130

4.3  用户价值提升三板斧 / 136

5 组织篇 / 141   

5.1  数据人才对于企业的价值 / 143

5.2  培养一个数据人才要多久 / 147

5.3  如何发挥数据人才的价值 / 150

5.4  如何招募到适合自己公司的数据人才 / 154

5.5  数据运营团队的岗位职责与任职要求 / 157

6 实用篇 / 163   

6.1  分析师的黑匣子:需求拆解 / 165

6.2  分析报告的基本功和展现形式 / 170

6.3  如何确认模型可用 / 174

6.4  如何归纳出可用的结论 / 177

6.5  如何开展*的数据培训 / 180

6.6  小白分析师快速上手需要的一点基础工作 / 184

6.7  做数据工作如何好好沟通 / 189

7 行业篇 / 193   

7.1  传统零售企业如何快速切入新零售 / 195

7.2  说一说数据金矿在哪里 / 206

8 思维篇 / 211   

8.1  怎么建立量化体系 / 213

8.2  数据的有趣之处和挑战 / 217