《游戏数据分析实战》主要针对游戏策划、游戏运营、游戏数据分析、产品数据分析挖掘、数据平台开发维护人员 及对数据分析感兴趣的读者，介绍怎样利用数据分析游戏生命周期中各阶段遇到的问题。 《游戏数据分析实战》主要分为三部分：第一部分主要介绍游戏数据分析相关指标体系，通过这套体系，可以初步 监控游戏整体运营情况；第二部分主要介绍游戏正式发行前期的市场调研、渠道用户质量分析、竞品 分析及投资收益预测，对游戏品质进行定位，评估正式上线后的效果；第三部分主要对游戏正式发行 后的用户流失、活跃用户分类、付费习惯、版本迭代效果、区服合并等主要问题进行深入探讨，实现 游戏的精益化运营。 《游戏数据分析实战》的特色是以详细案例为主，通过 SPSS、Excel 等工具逐步展示实施步骤。通过手把手的方式 让读者快速掌握游戏数据分析方法。

《游戏数据分析实战》主要针对游戏策划、游戏运营、游戏数据分析、产品数据分析挖掘、数据平台开发维护人员 及对数据分析感兴趣的读者，介绍怎样利用数据分析游戏生命周期中各阶段遇到的问题。 《游戏数据分析实战》主要分为三部分：第一部分主要介绍游戏数据分析相关指标体系，通过这套体系，可以初步 监控游戏整体运营情况；第二部分主要介绍游戏正式发行前期的市场调研、渠道用户质量分析、竞品 分析及投资收益预测，对游戏品质进行定位，评估正式上线后的效果；第三部分主要对游戏正式发行 后的用户流失、活跃用户分类、付费习惯、版本迭代效果、区服合并等主要问题进行深入探讨，实现 游戏的精益化运营。 《游戏数据分析实战》的特色是以详细案例为主，通过 SPSS、Excel 等工具逐步展示实施步骤。通过手把手的方式 让读者快速掌握游戏数据分析方法。

本书由实战经验丰富的两位数据分析师执笔，首先介绍了商业领域里通用的数据分析框架，然后根据该框架，结合8个真实的案例，详细解说了通过数据分析解决各种商业问题的流程，让读者在解决问题的过程中学习各种数据分析方法，包括柱状图、交叉列表统计、A/B测试、多元回归分析、逻辑回归分析、主成分分析、聚类、决策树分析、机器学习等。特别是书中使用的数据都是未经清洗的原始数据，能够让读者了解真实的数据分析流程，避免纸上谈兵。

本书由实战经验丰富的两位数据分析师执笔，首先介绍了商业领域里通用的数据分析框架，然后根据该框架，结合8个真实的案例，详细解说了通过数据分析解决各种商业问题的流程，让读者在解决问题的过程中学习各种数据分析方法，包括柱状图、交叉列表统计、A/B测试、多元回归分析、逻辑回归分析、主成分分析、聚类、决策树分析、机器学习等。特别是书中使用的数据都是未经清洗的原始数据，能够让读者了解真实的数据分析流程，避免纸上谈兵。

本书结合实战案例介绍了Eviews软件的使用方法。首先介绍了Eviews软件的整体架构和设计理念，然后围绕截面数据、时间序列、面板数据 3 种典型类型的数据，介绍了Eviews软件的功能。通过配合实战案例，本书重点介绍了Eviews的操作步骤、指令和输出结果的解读。 本书分为23章，主要内容有Eviews简介、Eviews的安装、初识Eviews、工作文件、对象、序列、组、样本、图形、图形工具、截面数据的基础性分析、回归分析、定性因变量模型、受限因变量模型、分位数回归模型、工具变量、岭回归和LASSO、主成分分析、因子分析、时间序列的基础性分析、ARIMA 模型、GARCH 模型、面板数据模型。 本书内容通俗易懂，案例丰富，实用性强，特别适合 Eviews的入门用户和进阶用户阅读，也适合对经济计量学、金融计量学、统计学感兴趣的读者阅读。另外，本书也适合政府部门、研究机构从事经济管理工作的人士使用。

本书在着重解决游戏分析的基本认识、方法之外，还有更多对于业务理解的思考，从解决问题入手，以游戏为佳切入点，辐射整个数据分析领域，并完成大部分理论和基础数据的解读分析。本书分为两大部分：第壹部分贯穿了从基本的游戏数据分析概念、分析师的定位、数据指标认识、游戏数据分析方法论、统计学运用、渠道流量经营到具体的产品每个阶段用户的数据运营知识。第二部分则重点阐述运用R语言和数据挖掘的知识，深入探讨游戏数据分析的高阶知识。

本书在着重解决游戏分析的基本认识、方法之外，还有更多对于业务理解的思考，从解决问题入手，以游戏为佳切入点，辐射整个数据分析领域，并完成大部分理论和基础数据的解读分析。本书分为两大部分：第壹部分贯穿了从基本的游戏数据分析概念、分析师的定位、数据指标认识、游戏数据分析方法论、统计学运用、渠道流量经营到具体的产品每个阶段用户的数据运营知识。第二部分则重点阐述运用R语言和数据挖掘的知识，深入探讨游戏数据分析的高阶知识。

内容简介 本书是Python数据分析与挖掘领域的公认的事实标准，第1版销售超过10万册，销售势头依然强劲，被国内100余所高等院校采用为教材，同时也被广大数据科学工作者奉为经典。 作者在大数据挖掘与分析等领域有10余年的工程实践、教学和创办企业的经验，不仅掌握行业的*新技术和实践方法，而且洞悉学生和老师的需求与痛点，这为本书的内容和形式提供了强有力的保障，这是本书第1版能大获成功的关键因素。 全书共13章，分为三个部分，从技术理论、工程实践和进阶提升三个维度对数据分析与挖掘进行了详细的讲解。 第壹部分 基础篇（第1～5章） 主要讲解了Python数据分析与挖掘的工具和技术理论，包括数据挖掘的基础知识、Python数据挖掘与建模工具、数据挖掘的建模过程，以及挖掘建模的常用算法和原理等内容。 第二部分 实战篇（第6～12章） 通过工程实践案例讲解了数据挖掘技术在金融、航空、零售、能源、制造、电商等行业的应用。在案例组织结构上，本书按照“介绍案例背景与挖掘目标→阐述分析方法与过程→完成模型构建”的顺序进行，在建模过程关键环节，穿插程序实现代码。*后，通过上机实践加深对案例应用中的数据挖掘技术的理解。 第三部分 提高篇（第13章） 重点讲解了基于Python引擎的开源数据挖掘建模平台（TipDM）的功能和使用方法，以航空公司客户价值分析为案例，介绍了如何使用该平台快速搭建数据分析与挖掘工程。 本书不仅提供TipDM这样的上机实践环境，而且还提供配套的案例建模数据、Python源代码、教学PPT。

内容简介 这既是一本能带领读者零基础快速掌握Python数据分析方法与流程的工具书，又是一本从电商出发指导读者解决各类数据分析问题的实用指南。 首先，本书以Python数据分析中使用率极高的Pandas为切入点，注重对数据分析思维和技能的培养，详细讲解了Pandas的操作以及数据分析的方法，可覆盖80%以上的数据分析应用场景，为数据分析师打下坚实基础。 然后，本书以电商这个广大读者熟知且普适性极强的业务领域为依托，通过大量案例讲解了报表自动化、行业机会挖掘、用户分层、用户分群、用户偏好分析、同期群分析、指标波动归因分析、品牌分析等8大电商场景的数据分析方法，理论与案例深度融合。 本书以实用为本，聚焦重点，Python数据分析常用的高频功能不到Python数据分析能力的20%，本书去繁就简，只专注于能解决大部分问题的重点模块。本书以实战制胜，案例牵引，从表层直观地看，这些案例能解决各种电商业务问题；从深层仔细地分析，作者的本意实则是通过对这些案例抽丝剥茧，手把手教读者在实战中掌握数据分析的通用思维、方法和技能。 所以，如果你是关注电商业务的数据分析师，本书针对常见电商数据分析场景给出了具体的方法和解决方案，可照搬使用；如果你是一位没有任何数据分析基础的小白，这本书更加适合你，不仅能快速掌握数据分析的基本思维和方法，而且能在大量案例中获得实战技能和经验。

Spark大数据技术还在如火如荼地发展，Spark中国峰会的召开，各地meetup的火爆举行，开源软件Spark也因此水涨船高，很多公司已经将Spark大范围落地并且应用。Spark使用者的需求已经从最初的部署安装、运行实例，到现在越来越需要通过Spark构建丰富的数据分析应用。写一本Spark实用案例类的技术书籍，是一个持续了很久的想法。由于工作较为紧张，最初只是将参与或学习过的Spark相关案例进行总结，但是随着时间的推移，最终还是打算将其中通用的算法、系统架构以及应用场景抽象出来，并进行适当简化，也算是一种总结和分享。