这是一本将数据科学三要素——商业理解、量化模型、数据技术全面打通的实战性著作，是来自腾讯、滴滴、快手等一线互联网企业的数据科学家、数据分析师和算法工程师的经验总结，得到了SQLFlow创始人以及腾讯、网易、快手、贝壳找房、谷歌等企业的专家一致好评和推荐。
全书三个部分，内容相对独立，既能帮助初学者建立知识体系，又能帮助从业者解决商业中的实际问题，还能帮助有经验的专家快速掌握数据科学的Z新技术和发展动向。内容围绕非实验环境下的观测数据的分析、实验的设计和分析、自助式数据科学平台3大主题展开，涉及统计学、经济学、机器学习、实验科学等多个领域，包含大量常用的数据科学方法、简洁的代码实现和经典的实战案例。
第1部分（第1～6章）观测数据的分析技术
讲解了非实验环境下不同观测数据分析场景所对应的分析框架、原理及实际操作，包括消费者选择偏好分析、消费者在时间维度上的行为分析、基于机器学习的用户生命周期价值预测、基于可解释模型技术的商业场景挖掘、基于矩阵分解技术的用户行为规律发现与挖掘，以及在不能进行实验分析时如何更科学地进行全量评估等内容。
第二部分（第7～9章）实验设计和分析技术
从A／B实验的基本原理出发，深入浅出地介绍了各种商业场景下进行实验设计需要参考的原则和运用的方法，尤其是在有样本量约束条件下提升实验效能的方法及商业场景限制导致的非传统实验设计。
第三部分（第10～12章）自助式数据科学平台SQLFlow
针对性的讲解了开源的工程化的自助式数据科学平台SQLFlow，并通过系统配置、黑盒模型的解读器应用、聚类分析场景等案例帮助读者快速了解这一面向未来的数据科学技术。

谢梁，经济学博士，腾讯QQ浏览器副总经理、QQ浏览器数据负责人。CCF数据科学专委会创始委员，入选第1财经数据科学50人。曾任滴滴杰出数据科学家、美国微软云存储核心工程部首席数据科学家。

作者简介
序一
序二
前言
第一部分 观测数据的分析技术
第1章 如何分析用户的选择
1.1 选择行为的经济学理论
1.1.1 选择无处不在
1.1.2 选择行为的经济学理论
1.2 用户选择行为计量分析框架：DCM
1.2.1 从经济模型到计量模型
1.2.2 常用的DCM模型及应用场景
1.3 DCM模型的Python实践
1.3.1 软件包&数据格式
1.3.2 使用Logistics Regression分析自驾选择问题
1.3.3 使用 Multinomial Logit Model 分析完整交通方式选择问题
1.3.4 使用 Nested Logit Model 分析完整交通方式选择问题
1.4 本章小节
第2章 与时间相关的行为分析时间可变的行为分析
2.1 从“如何给二手车定价”案例说起
2.1.1 二手车定价背景
2.1.2 为什么不选择一般回归模型？
2.1.3 为什么选择生存分析？
2.2 生存分析的理论框架
2.2.2 生存函数及风险函数刻画
2.2.3 生存函数回归及生存概率的预测
2.3 生存分析在二手车定价案例中的应用实践
2.3.1 软件包&数据格式&数据入读
2.3.2 生存分析基础操作：二手车销售生存曲线绘制及差异对比
第3章 洞察消费者长期价值：基于神经网络的LTV建模
3.1 LTV的概念和商业应用
3.1.1 LTV——用户终生（长期）价值
3.1.2 用户生命周期和用户终生价值
3.1.3 LTV的特点
3.1.4 LTV分析能帮助我们回答的问题
3.1.5 LTV的计算方法
3.2 神经网络的基本原理
3.2.1 神经网络的历史
3.2.2 本章所涉及的神经网络结构
3.3 基于Keras的LTV模型实践
3.3.1 Keras介绍
3.3.2 数据的加载和预处理
3.3.3 输入数据的准备
3.3.4 模型搭建和训练
3.3.5 模型分析
3.4 本章总结
第4章 使用体系化分析方法进行场景挖掘
第5章 行为规律的发现与挖掘
第6章 对观测到的事件进行因果推断
第二部分 实验设计和分析技术
第7章 如何比较两个策略的效果
第8章 提高实验效能
第9章 特殊场景下的实验设计和分析方法
第三部分 自助式数据科学平台SQLFlow
第10章 SQLFlow
第11章 机器学习模型可解释性
第12章 基于LSTM-Autoencoder的无监督聚类模型