Много цифр. Анализ больших данных при помощи Excel



Казалось бы, термин «большие данные» понятен и доступен только специалистам. Но автор этой книги доказывает, что анализ данных можно организовать и в простом, понятном, очень эффективном и знакомом многим Excel. Причем не важно, сколько велик ваш массив данных. Техники, предложенные в этой книге, будут полезны и владельцу небольшого интернет-магазина, и аналитику крупной торговой компании. Вы перестанете бояться больших данных, научитесь видеть в них нужную вам информацию и сможете проанализировать предпочтения ваших клиентов и предложить им новые продукты, оптимизировать денежные потоки и складские запасы, другими словами, повысите эффективность работы вашей организации. Книга будет интересна маркетологам, бизнес-аналитикам и руководителям разных уровней, которым важно владеть статистикой для прогнозирования и планирования будущей деятельности компаний.

Рейтинг:
Добавить в избранные:
Автор:
Категория: Гуманитарные науки и искусство
Страниц: 91
Скачать Epub файл

1. Джон Форман Много цифр. Анализ больших данных при помощи Excel
2. Введение
3. Что я здесь делаю?
4. Рабочее определение науки о данных
5. Но подождите, а как же большие данные?
6. Кто я?
7. Кто вы?
8. Никаких сожалений – только электронные таблицы
9. Условные обозначения
10. Итак, начнем
11. 1. Все, что вы жаждали знать об электронных таблицах, но боялись спросить
12. Немного данных для примера
13. Быстрый просмотр с помощью кнопок управления
14. Быстрое копирование формул и данных
15. Форматирование ячеек
16. Специальная вставка
17. Вставка диаграмм
18. Расположение меню поиска и замены
19. Формулы поиска и вывода величины
20. Использование VLOOKUP/ВПР для объединения данных
21. Фильтрация и сортировка
22. Использование сводных таблиц
23. Использование формул массива
24. Решение задач с помощью «Поиска решения»
25. OpenSolver: хотелось бы обойтись без него, но это невозможно
26. Подытожим
27. 2. Кластерный анализ, часть I: использование метода k-средних для сегментирования вашей клиентской базы
28. Девочки танцуют с девочками, парни чешут в затылке
29. Реальная жизнь: кластеризация методом k-средних в электронном маркетинге
30. K-медианная кластеризация и асимметрическое измерение расстояний
31. Подытожим
32. 3. Наивный байесовский классификатор и неописуемая легкость бытия идиотом
33. Называя продукт Mandrill, ждите помех вместе с сигналами
34. Самое быстрое в мире введение в теорию вероятности
35. Использование правила Байеса для создания моделирования
36. Да начнется Excel-вечеринка!
37. Подытожим
38. 4. Оптимизационное моделирование: этот «свежевыжатый апельсиновый сок» не смешает себя сам
39. Зачем ученым, работающим с данными, нужна оптимизация?
40. Начнем с простого компромисса
41. Свежий, из сада – прямо в стакан… с небольшой остановкой на модель смешивания
42. Моделируем риски
43. Подытожим
44. 5. Кластерный анализ, часть II: сетевые графы и определение сообществ
45. Что такое сетевой граф?
46. Визуализируем простой граф
47. Краткое введение в Gephi
48. Строим граф из данных об оптовой торговле вином
49. Числовое значение ребра: очки и штрафные в модулярности графа
50. Переходим к кластеризации!
51. Туда и обратно: история Gephi
52. Подытожим
53. 6. Бабушка контролируемого искусственного интеллекта – регрессия
54. Погоди, ты что – беременна?
55. Не обольщайтесь!
56. Определение беременных покупателей РитейлМарта с помощью линейной регрессии
57. Предсказание беременных покупателей РитейлМарта с помощью логистической регрессии
58. Дополнительная информация
59. Подытожим
60. 7. Комплексные модели: огромная куча ужасной пиццы
61. Используем данные из главы 6
62. Бэггинг: перемешать, обучить, повторить
63. Нужно еще сильнее!
64. Бустинг: если сразу не получилось, бустингуйте и пробуйте снова
65. Подытожим
66. 8. Прогнозирование: дышите ровно, выиграть невозможно
67. Торговля мечами начата
68. Знакомство с временной последовательностью данных
69. Медленный старт с простым экспоненциальным сглаживанием
70. Возможно, у вас есть тренд
71. Экспоненциальное сглаживание Холта с корректировкой тренда
72. Мультипликативное экспоненциальное сглаживание Холта – Винтерса
73. Подытожим
74. 9. Определение выбросов: выделяющиеся не значит важные
75. Выбросы тоже (плохие?) люди!
76. Захватывающее дело Хадлум против Хадлум
77. Ни в чем не ужасен, плох во всем
78. Подытожим
79. 10. Переходим от таблиц к программированию
80. Налаживаем контакт с R
81. Настоящая научная работа с данными
82. Подытожим
83. Заключение
84. Где я? Что случилось?
85. Перед тем как попрощаться
86. Подходите ко всему творчески и будьте на связи!
87. Благодарности
88. Сноски
89. 1
90. 2
91. 3
БУРГЕР КИНГ
Я не робот!