本书从讲述数据分析的方法开始，深入讲解数据运营的玩法，并提炼用户增长的打法，让读者不但可以系统学习数据分析技能，还能掌握常见数据运营工具的使用方法，并且理解用户增长的顶层战略思路。
本书共9章，涵盖的主要内容有：数据分析的方法，包括数据清洗和预处理、描述性统计、变化分析、指标体系、相关性分析、趋势预测、B-O价值模型等的原理、场景和实现；数据运营的玩法，包括场景运营模型、产品生命周期模型、用户生命周期模型，以及启动屏、首页和主页、搜索区、轮播区、金刚区、楼层和坑位、版本迭代、漏斗分析/路径分析、会员/权益体系、签到/打卡、优惠券和交叉营销等运营工具的原理和策略；用户增长的打法，包括S-C-I模型、3A3R模型的原理和使用方法。
本书内容通俗易懂，案例丰富，实用性强，特别适合从事互联网数据分析、数据运营和用户增长相关工作的读者阅读，也同样适合传统行业中从事产品营销、市场推广工作的读者阅读。另外，本书也可作为工具书随时翻阅。

徐小磊，网名磊叔，公众号“磊叔的数据增长实验室”创办人。数据挖掘与人工智能硕士，曾在阿里巴巴从事数据运营工作，拥有10余年数据运营工作经验。
脉脉网互联网领域KOL（关键意见领袖），知乎网万粉千赞创作者，“在行”核心行家，“人人都是增长官——2019增长大会”特邀嘉宾，“2020流量负增长——重构营销新增长蓝图峰会”特邀嘉宾。
在互联网、移动运营商、智慧城市、金融等行业有丰富的实战经验，对海量用户产品的数据运营有深厚的积累和深刻的理解。

第一篇 数据分析的方法
第1章 准备工作：数据清洗与预处理
1.1 为什么要正确和高效地预处理与清洗数据
1.1.1 指标的数据来源
1.1.2 数据预处理的目的
1.1.3 数据预处理的流程
1.2 用Excel完成常见数据预处理
1.2.1 文本数值化：文本数字转为数值型数与
1.2.2 日期数值化：文本型日期转为日期型格式
1.2.3 用分列实现维度拆分
1.2.4 用“查找并删除重复行”处理重复值
1.3 本章小结和思考
第2章 洞察运营机会的数据分析利器
2.1 重要！数据分析前的准备工作
2.1.1 Windows操作系统用户
2.1.2 MacBook操作系统用户
2.2 第1把利器：用“描述性统计”来整体评估数据
2.2.1 什么是描述性统计
2.2.2 描述性统计的适用场景
2.2.3 分析数据的分布情况：中位数和平均数
2.2.4 分析数据的离散程度：方差和标准差
2.2.5 寻找异常数据：分位数和异常值
2.2.6 在Excel中实现描述性统计
2.3 第2把利器：用“变化分析”来寻找问题突破口
2.3.1 什么是变化分析
2.3.2 变化分析的适用场景
2.3.3 变化分析1：同比
2.3.4 变化分析2：环比
2.3.5 在Excel中分析环比和同比
2.3.6 用Excel条件格式进行变化分析
2.3.7 用数据条/色阶分析DAU变化
2.3.8 用自定义条件格式分析用户画像年龄分布
2.3.9 突出显示周末的销售数据
2.3.10 突出销量前十的产品
2.4 第3把利器：用“指标体系”来洞察变化的原因
2.4.1 指标体系概述
2.4.2 指标体系的适用场景
2.4.3 指标体系的组成元素
2.4.4 指标类型（一）：北极星指标、虚荣指标
2.4.5 指标类型（二）：行为指标、业务指标、交易指标
2.4.6 如何建设产品的指标体系
2.4.7 如何用“指标体系”来分析指标变化的原因
2.4.8 深入理解活跃类指标
2.5 第4把利器：用“相关性分析”来判断业务归因
2.5.1 什么是相关性分析
……
第二篇 数据运营的玩法
第三篇 用户增长的打法
后记

1.我是磊叔
一眨眼，工作已12载，即
将进入不惑之年。
我在数据领域的职业生涯
大体可以分为三个阶段。
第一阶段，在某运营商从
事企业数据域的架构开发工
作，因为我是代码开发出身
，在这之前已经做了4年多
J2EE企业级开发。2009年又
恰巧遇上Hadoop的起势，随
着这个潮流又接触到Hadoop
、Hive和Greenplum，于是
和一群初生牛犊不怕虎的小
伙伴把某某空间的底层数据
架构从Oracle平滑迁移到了
Greenplum。在把几干行的
Oracle SQL代码一行一行地
适配到Greenplum技术栈的
过程中，面对与业务小伙伴
的高频沟通，我开始留意每
个数据背后的业务意义，逐
步习惯从数据的角度来衡量
业务，开始形成朴素的数据
分析方法论。
这一点非常重要，对我接
下来10年的职场生涯影响深
远。
第二阶段，恰逢短视频兴
起，于是进入BAT做短视频
数据运营，我和小伙伴一起
为短视频打造高可用的标签
体系、精准完善的用户画像
以及覆盖各种场景的推荐策
略。在高节奏和高强度的工
作中，我有幸和一群优秀的
产品运营小伙伴共事，每天
十几个小时耳濡目染产品运
营、内容运营、活动运营、
推送运营等内容。在这个阶
段，我真正理解到数据是赋
能运营最高效的工具和最坚
实的抓手。
第三阶段，我离开BAT后
服务于某金融机构，负责某
金融产品的数据运营。这里
要感谢我的上司，他拥有几
十年大型跨国集团高层管理
经验，让我学习到非常多的
业务经营、用户经营、策略
部署等顶级思考方式。2019
年开始有机会在互联网上分
享自己的经验，也有很多宝
贵的机会与企业（特别是传
统企业）运营负责人交流、
探讨和碰撞数据化转型、数
据化经营的想法。在这个阶
段，不仅进一步验证和巩固
了自己的数据运营方法论，
同时还吸收了很多以往我完
全意识不到的新的资讯，让
我的数据运营方法论更加充
实和完善。
在本书中你能看到很多运
营策略、最佳实践，以及成
功或失败的案例分析。这些
都是我对过去十几年数据生
涯摸爬滚打中犯过的错、踩
过的坑的经验总结。因为我
坚信，成功的原因基本一致
，而失败的经验却各不相同
且更显宝贵。各位看官阅读
此书后若能少踩一个坑，少
走一段弯路，我就真心可以
踏踏实实地喝一杯香浓的中
杯热美式了。
2.这本书讲了什么内容？
这本书讲了3件事：怎么
做数据分析，怎么做数据运
营，怎么做用户增长。这3
个部分看似割裂，实则联系
紧密。
第一部分，数据分析是基
础。是否拥有逻辑清晰的数
据分析思路，是否掌握高效
易用的数据分析方法，直接
决定了数据运营的执行效果
。这个部分主要讲解数据分
析的方法，包括数据预处理
、数据分析的5把利器，以
及将数据转换为业务的B-O
价值模型。
数据预处理是最容易被忽
略的，造成数据分析效率低
下和效果不佳的原因中，
80%是数据预处理未能达到
要求。你或许听过数据治理
，数据预处理是数据治理的
核心组成部分。经过预处理
的数据，规范且整洁，能使
后续分析工作如虎添翼。本
节重点讲述数据预处理的三
大核心流程，以及使用Excel
就能完成的大部分数据预处
理场景。
数据分析的5把利器，是
非常有用、有效又有趣的数
据分析工具。
第1把利器是描述性统计
，它能帮助我们从整体和表
象来评估数据。这部分不仅
讲解了描述性统计中的数学
原理，更从业务角度通透彻
底地解读了描述性统计的业
务价值，更精彩的是，在
Excel中点点鼠标即可高效实
现。
第2把利器是变化分析，
从变化中寻找问题的可能切
入口。这部分讲解了在Excel
中如何突出变化，以及根据
业务需求自定义规则的高级
条件格式的方法。
第3把利器是指标体系，
它是数据分析基础中的基础
，核心中的核心。这部分深
入探讨业务运营中常见指标
的意义和价值，其中更在北
极星指标的基础上提出“伴随
指标”理论，让基于北极星指
标的运营体系更加完整，通
用性更好，此外也带来实用
的指标体系模板，方便读者
即学即用。
第4把利器是相关性分析
，开始尝试定位数据背后的
原因了。每次讲解相关性分
析，我都会拿柯南、命案和
凶手来举例，非常形象地解
答了“相关和因果”这对极易
混淆的概念背后的区别。相
关性分析是定量定位原因的
大杀器，除了在Excel中进行
相关性分析外，还列举了其
他场景下的相关性分析算法
。
第5把利器是趋势预测，
这是数据分析中最有魅力的
，原因在于基于历史数据可
以科学地预测未来走势，提
前部署运营策略。这部分会
讲解2种趋势预测方法，同
样在Excel中点点鼠标即可实
现。
从数据转化为业务的B-O
价值模型，解决的是如何为
数据分析结果制定准确业务
策略的问题。在数据分析中
，最容易被人诟病的就是分
析结果不落地，而B-O价值
模型恰恰为解决此问题而生
。B-O价值模型的诞生来自
我老板之前的无心之言：任
何指标背后都有一套完整的
业务经营策略。我对其做了
一点扩充和解读：任何指标