本书共分为三个部分，第一部分是理论基础，讲述从事电子商务数据分析前需要了解前导的理论知识，每个理论知识点都配备教学例子。第二部分是技术方法，介绍了数据采集和数据清洗的专业方法。第三部分是应用场景，介绍了主要数据平台的使用，市场分析、运营分析方法、商务报告的撰写。 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、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考试的参考用书。
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。
蒋长兵，副教授，博士，硕士生导师。浙江工商大学电子商务系主任；国家级电子商务虚拟仿真实验教学中心副主任，浙江省跨境电子商务省级重点实验教学示范中心主任。作为课程主持人获国家级一流本科课程1门、参与1门，作为核心完成人获国家级教学成果二等奖1项。出版各类专著、编著、译著40多部，论文80多篇；组织浙江省跨境电子商务新形态立体化教材13部；主持省级课程4门，省级以上教学项目4项，省级教材4部，教改专著1部，省部级及以上科研项目10多项。主讲的《Excel数据分析与可视化》/《Office高级应用》(省一流课程)、《网络新媒体营销》、《实验室探索与研究》颇受学生欢迎。 陈海城 浙江师范大学等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》。
第 一篇 理论基础
第 1章 电商数据分析导论 2
1.1 认知数据分析 2
1.1.1 什么是数据分析 2
1.1.2 数据分析的作用 2
1.1.3 数据分析的标准流程 4
1.2 电商数据分析的技能图谱 6
1.2.1 数学和统计学 7
1.2.2 运筹学 7
1.2.3 数据分析方法论 8
1.2.4 数据分析工具 8
1.2.5 电商数据指标体系 9
1.3 数据分析在电商中的应用 9
1.3.1 数据诊断 10
1.3.2 数据复盘 10
1.3.3 市场分析 10
1.3.4 竞争分析 11
1.3.5 渠道分析 11
1.3.6 活动及广告分析 11
1.3.7 产品分析 12
1.3.8 库存分析 12
1.3.9 消费者分析 12
1.4 统计学基础 13
1.4.1 统计学的来源及特点 13
1.4.2 统计的基本概念 13
1.4.3 统计的工作过程 15
1.4.4 统计的研究方法 16
1.5 运筹学基础 17
1.5.1 博弈论和运筹学 17
1.5.2 运筹学的模型 18
1.5.3 规划求解的经典问题 19
1.6 数据分析的专业名词 21
1.6.1 维度和分类数据 21
1.6.2 度量 21
1.6.3 粒度 21
1.6.4 量纲和单位 21
1.6.5 数据集、事实表和维度表 22
1.6.6 算法和函数 22
1.6.7 模型 22
1.7 电商数据来源及指标体系 22
1.7.1 数据来源及统一 22
1.7.2 数据口径 22
1.7.3 基础数据指标 23
1.7.4 常用分析度量 23
1.7.5 建立数据指标体系 24
1.8 本章小结 25
1.9 习题 25
第 2章 数据分析方法论 26
2.1 基本方法 26
2.1.1 对比法 27
2.1.2 拆分法 28
2.1.3 排序法 28
2.1.4 分组法 29
2.1.5 交叉法 29
2.1.6 降维法 30
2.1.7 增维法 31
2.1.8 指标法 31
2.1.9 图形法 32
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） 37
2.2.4 熵值法 38
2.2.5 漏斗分析法 40
2.2.6 矩阵分析法 43
2.2.7 多维分析法 45
2.2.8 时间序列分析法 47
2.2.9 相关性分析法 50
2.2.10 杜邦分析法 53
2.3 本章小结 54
2.4 习题 54
第二篇 专业方法
第3章 数据采集方法 56
3.1 数据采集的基础知识 56
3.1.1 爬虫权限申明 56
3.1.2 URL构成原理 56
3.1.3 网站的构成 57
3.1.4 HTML请求与响应 58
3.2 数据采集 59
3.2.1 静态数据采集 59
3.2.2 动态数据采集 64
3.3 本章小结 67
3.4 习题 67
第4章 数据清洗方法 68
4.1 数据规整 68
4.1.1 数据类型 68
4.1.2 缺失值和异常值处理 69
4.2 数据合并与分组 69
4.2.1 纵向合并 69
4.2.2 横向合并 72
4.2.3 数据分组 76
4.3 数据变形 77
4.3.1 数据透视 77
4.3.2 数据逆透视 77
4.4 本章小结 78
4.5 习题 78
第三篇 应用场景
第5章 运营与数据平台 80
5.1 百度指数 80
5.1.1 趋势研究 80
5.1.2 需求图谱 81
5.1.3 人群画像 82
5.2 阿里指数 82
5.2.1 行业大盘 83
5.2.2 属性细分 84
5.2.3 采购商素描 85
5.2.4 阿里排行 86
5.3 生意参谋 88
5.3.1 首页 88
5.3.2 实时数据 90
5.3.3 流量和商品 92
5.3.4 交易和服务 95
5.3.5 市场数据 98
5.4 本章小结 100
5.5 习题 100
第6章 运营诊断与复盘 101
6.1 店铺诊断 101
6.1.1 杜邦分析法建模诊断 101
6.1.2 相关性分析法诊断 105
6.2 店铺复盘 108
6.2.1 复盘的步骤 108
6.2.2 全店复盘案例 109
6.2.3 利润与投产比复盘案例 112
6.3 本章小结 113
6.4 习题 113
第7章 宏观市场分析 114
7.1 市场容量分析 114
7.1.1 市场容量分析思路 114
7.1.2 市场容量汇总 114
7.1.3 市场容量可视化 116
7.2 市场趋势分析 122
7.2.1 市场趋势分析思路 122
7.2.2 市场趋势分析可视化 122
7.2.3 同比和环比计算 125
7.2.4 组合图创建与设置 126
7.2.5 预测工作表创建 128
7.3 本章小结 129
7.4 习题 129
第8章 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 133
8.1.3 基于渠道的市场细分 136
8.2 品牌分析 138
8.2.1 品牌集中度 138
8.2.2 品牌矩阵分析 140
8.3 竞争分析 141
8.3.1 竞争环境分析 141
8.3.2 市场售价分析 146
8.3.3 竞争对手的选择 150
8.3.4 竞争对手数据跟踪 152
8.3.5 竞争对手分析 152
8.4 本章小结 167
8.5 习题 167
第9章 流量运营分析 168
9.1 渠道分析 168
9.1.1 传统流量渠道分析 168
9.1.2 内容渠道分析 175
9.2 活动及广告分析 177
9.2.1 活动分析 177
9.2.2 广告分析 180
9.3 本章小结 184
9.4 习题 184
第 10章 产品运营分析 185
10.1 产品分析 185
10.1.1 产品结构分析 185
10.1.2 产品矩阵 196
10.1.3 产品生命周期分析 201
10.1.4 产品销售分析 203
10.2 库存分析 209
10.2.1 库存绩效分析 209
10.2.2 补货模型 211
10.3 本章小结 217
10.4 习题 217
第 11章 消费者运营分析 218
11.1 消费者分布 218
11.1.1 消费者地域分布 218
11.1.2 消费者行为习惯分析 222
11.2 RFM模型 225
11.2.1 RFM模型理论及计算方法 225
11.2.2 RFM计算实例 226
11.3 复购分析 232
11.3.1 消费者复购率计算与分析 232
11.3.2 复购间隔分析 236
11.3.3 复购产品归因分析 240
11.4 消费者舆情分析 246
11.4.1 评价词频分析 246
11.4.2 评价情感分析 249
11.5 本章小结 253
11.6 习题 253
第 12章 数据报告撰写与商业分析
案例 254
12.1 数据报告撰写 254
12.1.1 数据报告类型 254
12.1.2 数据报告撰写流程 254
12.1.3 数据报告撰写技巧 255
12.2 商业分析案例 260
12.2.1 市场分析 260
12.2.2 用户舆情分析 261
12.2.3 互联网话题分析（新媒体和知识
付费方向） 263
书单推荐
