成為大數據電子商務人才的第一本書 (1版)
其他會員也一起購買
書名:成為大數據電子商務人才的第一本書
作者:許晉雄/鄭江宇
出版社:五南
出版日期:2018/04/28
ISBN:9789571196107
內容簡介
任何人都不該錯過的一本書!大數據浪潮來襲,在巨量、繁雜的資料之中掏選出黃金資訊,已經成為現今最兵家必爭之顯學,大數據的應用幾乎是全方位,技術和工具也不斷推陳出新,現今管理與行銷方法跟思維勢必也要經歷一番徹底的更新,沒錯!如何有效應用大數據是傳統電子商務業者的重要課題,也將成為未來電子商務趨勢所在。誰能夠迅速地掌握關鍵,誰就可以成為未來電子商務的掌舵手!
本書為東吳大學巨量資料管理學院許晉雄副院長與鄭江宇教授聯合著作,蘊含其涵養多年的專業知識與豐富的教學經驗編寫而成,也是國內第一本由大數據專業教學領域學者書寫的大數據應用與實務工具書,不論是理論或是實務操演,內容上都十分的詳實而完備,用字遣詞上也非常平易近人,即使沒有資訊背景、不會寫程式也能一讀就懂。本書非常適合當作大數據的第一本入門書,然其內涵與獨樹一格的分析也能對相關領域的人帶來一定的影響力。
本書重點
認識大數據!告訴你大數據如何影響我們日常生活?大數據如何成就電子商務4.0?
運用免費工具蒐集巨量資訊!一步步教你如何使用網路爬蟲Python Crawler、Power BI、IBM Watson使用實際操演畫面的步驟化教學,跟著老師做,一定能學會!
活用免費網路資源分析巨量資訊!使用Google Analytics與SimilarWeb兩大利器,全方位掌握使用者的網路足跡就能化為商機!
如何從日常生活中觀察大數據電子商務機會與前景?生活化的舉例讓你輕鬆觸類旁通,成為下一個大數據電子商務人才不是夢!
目錄
推薦序
序
Part 1 大數據與電子商務
Chapter1 大數據崛起與電子商務變革
1-1何謂大數據
1-2大數據對傳統電子商務之影響
1-3大數據成就新電商4.0
1-4大數據電商營運模式
Chapter2大數據電商技能與挑戰
2-1 微觀視角
2-2 鉅觀視角
Chapter3大數據電商機會與前景
Part 2 大數據電子商務之輿情探索
Chapter4站外情報探索
4-1 谷歌搜尋趨勢Google Trends
4-2谷歌消費者氣壓計Google Consumer Barometer
4-3網路爬蟲Python Crawler
Chapter5站內情報探索
5-1購物籃分析運作
5-2 購物籃分析之R語言實作
Chapter6社群情報探索
6-1 Power BI安裝與設定
6-2臉書資料探索 (具管理權限)
6-3臉書資料探索 (不具管理權限)
6-4 IBM Watson 社交情報探索
Part 3 大數據電子商務之數位足跡掌握
Chapter7深度流量分析 (Google Analytics)
7-1傳統網站HTML程式碼安裝
7-2套版式網站安裝
Chapter8廣度流量分析 (SimilarWeb)
8-1 SimilarWeb (自我網站絕對分析)
8-2 SimilarWeb (他人網站相對分析)
Chapter9行動流量分析 (iBuildApp)
9-1行動流量分析理論依據
9-2網站型APP製作
9-3 iBuildApp之GA嵌入
Part 4 大數據電子商務之資訊濃縮與獲取
Chapter10主動式掃碼互動
10-1一維條碼
10-2二維條碼
10-3個性化QR-Code製作
10-4掃碼行為分析
Chapter11主動式擴增實境
Chapter12非主動式超聲波互動
Part 5 大數據電子商務之善用情報資料視覺化與人工智慧
Chapter13 跨境電商情報探查利器
Chapter14大數據資料視覺化呈現
14-1程式碼嵌入式
14-2 GUI介面式
Chapter15智慧語音客服訂單不漏接
結語
立即查看
行銷管理:理論解析與實務應用(第九版) (9版)
其他會員也一起購買
【簡介】
本書為需要豐富實用的行銷學理、想親近企業實務、重視思考與寬闊視野的讀者而寫,本版在增廣讀者視野、強化學習動機方面,更是達到新的境界。特色如下:
.適量的學理+流暢的表達+清晰的排版=有效掌握行銷知識
秉持「避免讀者被層出不窮、與實務脫節的行銷觀念疲勞轟炸而喪失閱讀興趣」的一貫原則下,本版以精簡有力、清晰流暢、圖像式的表達及層次分明的排版,幫助讀者深入掌握行銷。而邊欄仍以英文提示重點,使讀者據以加強行銷英文詞彙。
.專欄+方塊+實例=先紮根在地而後延伸視野
章首專欄「台灣視野」介紹台灣業界的發展與創新;「全球實況」方塊讓讀者見識國外企業的經典作為及全球行銷發展趨勢;「Digi-marketing」方塊串接數位時代資訊之運作,讓行銷學習與時俱進;內文實例展現台灣經典或知名的行銷事件。凡此皆有助讀者紮根在地並延伸視野。
.影音短片+實務照片=有趣、深刻的學習
各篇篇末的「曾的行銷」短片,憑手機掃描QRCode即可觀看。將「曾式教學風格」帶進短片中,從短片中,讀者就可見識到在一問一答之間,思考如何不斷被刺激而有所進展。本書近兩百張清晰美觀、具視覺張力、具有學理或實務意義、刺激讀者想像的照片,將使讀者的學習將更有趣、深刻。
.YY Blog專欄+提供提示的問答題=巧妙、另類的思考
本版保留深受好評的YYBlog專欄,利用逆向思考、水平思考、尋找特例等方法,以時而輕鬆、時而尖銳的筆調顛覆或挑戰課文內容,使讀者「看到另一種觀點」。部分進階思考題所提供之「動腦提示」,更足以引導、訓練讀者的思考力。
.豐富實用的輔助教材
本書提供教師中英文版本之互動式教學投影片、行銷幽默小品、與行銷相關之電影賞析、教學心得文章、各式考題等,有效促進教學效率與效果。
【目錄】
第一篇 鳥瞰行銷管理
第 1 章 瞭解行銷管理的本質
.台灣視野:出國邊學邊玩,是一門好生意
.全球實況:新加坡搶到東南亞獨家泰勒絲演唱會
.全球實況:日本LOVOT機器人,要讓你更幸福
.全球實況:以自己的國家為榮,加拿大鵝從多倫多走向世界
.Digi-marketing:數位行銷與傳統行銷有何差異?
.YY Blog:有時候是不得已
第 2 章 重視價值創造與顧客關係
.台灣視野:黃色小鴨讓高雄變得更好玩
.全球實況:機器警犬遏阻犯罪,卻也帶來監控恐懼
.全球實況:StickK,幫你達成目標
.全球實況:小紅書,中國年輕人必備寶典
.Digi-marketing:應用大數據創造顧客價值,建立顧客關係
.YY Blog:「體貼」的企業,離我遠一點
第 3 章 制訂策略規劃與行銷策略
.台灣視野:裕隆與LINE合作掌握移動商機
.全球實況:大師線上出馬,指導上進的創作者
.全球實況:蔦屋書店走入消費者的各個生活層面
.YY Blog:另類BCG:Beauty Clothing Grading
曾的行銷:韓國品牌崛起,給我們什麼啟發?
第二篇 洞察行銷資訊與環境趨勢
第 4 章 執行行銷研究
.台灣視野:台灣網民是YouTube的重度支持者
.全球實況:在網路上用「假門」測試市場潛力
.全球實況:日本企業偏好在現場深入挖掘資訊
.Digi-marketing:如何在線上獲取市場情報?
.YY Blog:同情、貪心、愚弄
第 5 章 透視行銷環境
.台灣視野:野外生活的幸福蔓延中
.全球實況:小心!別踩到「辱華」紅線
.全球實況:印度政府向全球推廣瑜珈軟實力
.全球實況:K-POP狂潮席捲全球
.Digi-marketing:善用數位生態系,建立價值傳遞網
.YY Blog:浪的遐想
第 6 章 維護行銷道德
.台灣視野:蘇丹紅令人聞辣色變
.全球實況:糖,成了全球公敵
.全球實況:資安與國安疑慮揮之不去,多國禁用抖音
.Digi-marketing:企業如何面對數位隱私?
.YY Blog:喝咖啡時,要摸一摸良心
曾的行銷:「走,到戶外去!」環境在變,行銷人該怎麼面對?
第三篇 掌握市場機會
第 7 章 分析消費者行為
.台灣視野:數位有聲書,商機蓄勢待發
.全球實況:情緒AI,懂得讀心並提供貼心服務
.全球實況:ROOT透過AI向糟糕駕駛人說「不」
.全球實況:義大利人向麥當勞說不
.Digi-marketing:掌握虛擬社群,洞察消費者
.YY Blog:被囚禁的靈魂
第 8 章 分析組織購買行為
.台灣視野:和大,知名車廠非要不可的夥伴!
.全球實況:組織市場內的服務,琳瑯滿目
.全球實況:打掃太空垃圾,將成為龐大商機
.YY Blog:被界定的選擇
第 9 章 分析競爭者與發展競爭策略
.台灣視野:家樂福的影響力概念店震撼市場
.全球實況:SHEIN成為「超快時尚」霸主
.全球實況:泰國「小老闆」,海苔賣得嚇嚇叫
.YY Blog:競爭越激烈,消費者越高興?
第10章 發展市場區隔、目標市場與定位
.台灣視野:台清交?不!是台青蕉
.全球實況:有了APP Annie,更能掌握APP相關的市場動態
.全球實況:芭比娃娃不再是金髮、高挑、細腰
.全球實況:Muzmatch貼近信仰與文化,配對想婚的穆斯林
.Digi-marketing:受眾分群,精準行銷
.YY Blog:沒原則
曾的行銷:「浪浪別哭」到底是什麼?
第四篇 提升產品價值
第11章 管理產品與推出新產品
.台灣視野:訊連科技追上AI浪潮,收穫豐碩
.全球實況:用區塊鏈溯源,讓消費者安心
.全球實況:15%法則讓3M成為創新企業的標竿
.全球實況:比亞迪超越特斯拉,稱霸全球
.Digi-marketing:用數據驅動商品研發
.YY Blog:人生與PLC
第12章 經營品牌
.台灣視野:奇軒以獨特風格成為台灣首位千萬YTR
.全球實況:日本擁有全球最多的老字號
.全球實況:Marou巧克力,從越南出發,聞名全球
.全球實況:泰國設計師親近生活,以美學發展品牌
.Digi-marketing:數位時代下,人性化是品牌經營的王道
.YY Blog:無牌心更廣?
第13章 發展服務與體驗行銷
.台灣視野:浪浪別哭,讓愛不流浪!
.全球實況:Stitch Fix利用數據幫你治裝
.全球實況:跟著「鳥人」與野雁飛翔在天際
.全球實況:到原宿「時尚生態區」體驗另類與前衛
.Digi-marketing:共享,催化服務創新
.YY Blog:皮笑肉不笑
第14章 制訂價格
.台灣視野:台灣國旅房價貴得離譜?
.全球實況:市價資訊平台Esoko,讓百萬非洲小農受惠
.全球實況:沒想到世界最頂級的茶品牌來自……
.全球實況:IKEA以簡單平價理念打江山
.Digi-marketing:浮動,數位時代的定價特性
.YY Blog:只為了炫耀?
曾的行銷:「嗨!Zenbo!」教了我們什麼?
第五篇 活絡產品流通
第15章 建設行銷通路
.台灣視野:路易莎擴充速度驚人
.全球實況:製冷晶片有效減少食品浪費
.全球實況:日本自動販賣機花招百出
.全球實況:無人機送貨,已不是科幻小說情節
.Digi-marketing:透過虛實整合(O2O)擴大通路效益
.YY Blog:哪個比較重要?
第16章 管理零售、批發與物流
.台灣視野:Digital City以明亮時尚吸引年輕市場
.全球實況:人潮密集處開始出現虛擬超市
.全球實況:Starship送貨機器人,掀起零售與運送服務革命
.全球實況:與印度百年職業合作,肯德基餐盒方便送
.YY Blog:精心設計的陷阱
曾的行銷:加油站居然可以大賣洗衣精、洗碗精?
第六篇 展現產品價值
第17章 發展整合行銷溝通
.台灣視野:GIANT 50週年,向社會承諾更重大的責任
.全球實況:生成式AI廣告將永遠改變廣告的傑作
.全球實況:透過創意溝通,小說也能募資到台幣十幾億
.全球實況:可口可樂絕佳創意行銷,打破隔閡不尷尬
.Digi-marketing:整合虛擬工具,網羅目標市場
.YY Blog:推廣沒好處
第18章 管理大眾溝通
.台灣視野:慶祝情人節,全聯小編創意爆表
.全球實況:泰國廣告,廣告界驚嘆號
.全球實況:廣告巧妙置入網路遊戲中
.全球實況:街頭任意門,讓你暢遊歐洲
.Digi-marketing:數位科技加持下的溝通
.YY Blog:孤獨者的嫉妒
第19章 管理客製化與互動式溝通
.台灣視野:阿波為長庚醫院提供智能客服
.全球實況:馬來西亞直銷人員比例冠全球
.全球實況:AI客服也會惹人怨
.Digi-marketing:虛擬宣傳與實際活動:線上線下的整合
.YY Blog:有一點假
曾的行銷:踢行李箱,為我們踢出什麼推廣的秘訣?
第七篇 落實行銷理想
第20章 執行與控制行銷策略
.台灣視野:和泰擦亮顧客滿意度招牌
.全球實況:透視人性的矽谷傳奇導師
.全球實況:掌握對的原則與策動力,才能發揮行銷領導力
.YY Blog:你如果不……
立即查看
AI 神助攻!程式設計新境界 - GitHub Copilot 開發 Python 如虎添翼 : 提示工程、問題分解、測試案例、除錯 (1版)
其他會員也一起購買
【簡介】
【程式設計新浪潮 . 開發生態大革命】
你還在研讀程式語法手冊?還在網路上找程式碼來修修改改?還要繼續埋首在手刻程式碼的低效循環中掙扎嗎?就是現在,程式設計生態發生了史無前例的變革!
GitHub Copilot 是由 GitHub 與 OpenAI 大型語言模型(LLMs)合作開發的 AI 程式設計助手,它從巨量程式碼庫中學會所有的程式設計技巧,將人類過往的程式精華融為一體。只要你學會用正確的方法、下達明確的提示詞、妥善地用自然語言與其溝通,就能發揮它的無窮力量,大幅幫助你提高開發軟體的成效。
本書作者:兩位資訊教育學家 Leo Porter 博士與 Daniel Zingaro 博士為了 AI 程式設計時代的到來,在本書規劃出「函式設計循環」流程,整本書的編排圍繞著這個設計循環所需的技能,一遍遍演練、一步步學會進入 AI 程式設計必備的新技能。幫助你以正確的方式掌握 Python 程式設計(當然,其它程式語言也適用),高效快速解決實務上的任務。
【開發程式的重點:從寫程式轉換為寫提示詞】
與傳統的入門程式設計課程相比,使用 GitHub Copilot 協助寫程式需要學習新的技能,特別是問題分解、提示工程、測試與除錯技巧(如果您對這些技能還不太熟悉也無需擔心,本書都會詳細介紹),這些新技能對於現職的程式設計師來說同樣重要。
在以往傳統的程式設計課程中,學生往往需要將精力灌注在語法的細節上,然而在 AI 時代,程式語法已經有 GitHub Copilot 這位大神在身邊,完全不用你操心,你該學的是如何用自然語言,寫出有意義且 AI 工具能正確理解的提示詞,讓它為你寫出符合預期的程式碼。如果你真的很不會寫提示詞,Copilot 除了能夠反向幫助程式產生提示詞,甚至還可以利用提示模式(prompt patterns)翻轉問答對象,讓 Copilot 主動提問以達成你的目標。
本書特色:
● 精心設計為 AI 工具而生的函式設計循環。
● 使用與業界接軌的 Visual Studio Code 開發工具。
● 善用 Copilot Chat、inline Chat 提高生產力好助手。
● 撰寫提示詞:學會用 AI 看得懂的自然語言溝通。
● 看懂程式碼:程式由 AI 寫, 但你需要看得懂。
● 問題分解:用 Top-Down 設計將大問題分解成小任務。
● 測試案例:設計常見案例與邊界案例確認函式正確。
● 除錯技巧:當 AI 使不上力的時候要學會自救。
● 從設計模式轉變為提示模式的初體驗。
【目錄】
目錄:
第 1 章 GitHub Copilot 簡介
1.1 本書用到的技術
1.1.1 GitHub Copilot 就是寫程式的 AI 助手
1.1.2 GitHub Copilot 背後運作方式
1.2 GitHub Copilot 改變寫程式的方式
1.3 GitHub Copilot 能幫我們做什麼其他事情?
1.4 使用 Github Copilot 的風險與挑戰
1.5 技能需求
1.6 AI 程式助手(如 Copilot)帶來的顧慮
第 2 章 GitHub Copilot 入門
2.1 使用 Copilot 必備工具
2.1.1 需要註冊 GitHub 帳號
2.1.2 需要安裝 Python 延伸模組
2.1.3 需要安裝 VS Code
2.2 設定您的開發環境
2.3 在 Visual Studio Code 中使用 Copilot
2.3.1 設定工作資料夾
2.3.2 檢查設置是否能正常運行
2.4 常見的 Copilot 問題
2.5 在 VS Code 中用 Copilot 產生程式碼
2.6 第一個程式任務
2.6.1 Copilot 在資料處理任務中的價值
2.6.2 計算 Aaron Rodgers 在 2019~2022 年的傳球碼數
2.6.3 查出那段期間所有四分衛的表現
2.6.4 將傳球碼數統計資料繪製成圖表
第 3 章 設計函式
3.1 函式(Functions)
3.1.1 函式的組成
3.1.2 使用函式
3.2 函式的好處
3.3 呼叫函式的執行順序與函式的不同角色
3.3.1 瞭解呼叫函式的執行順序
3.3.2 函式的其它角色
3.4 函式的合理任務
3.4.1 好函式的特色
3.4.2 好與不好的葉子函式例子
3.5 使用 Copilot 的函式設計循環
3.6 使用 Copilot 建立函式的例子
3.6.1 計算股票獲利的函式
3.6.2 檢查強密碼的函式
3.6.3 獲取強密碼的函式
3.6.4 拼字遊戲的計分函式
3.6.5 找出分數最高單字的函式
第 4 章 學習閱讀 Python 程式碼 (1)
4.1 為何需要閱讀程式碼
4.2 要求 Copilot 解釋程式碼的意思
4.2.1 用 Copilot Chat 窗格解釋程式碼
4.2.2 從 inline Chat 叫出 GitHub Chat 解釋程式碼
4.2.3 透過格式化文件命令窗解釋程式碼
4.3 Python 語言的 10 大構成要素
4.4 內建函式
4.5 變數(Variables)
4.6 條件語句(Conditionals)
4.6.1 當條件判斷只有兩種可能結果
4.6.2 當條件判斷多於兩種可能結果
4.6.3 每個 if 語句都是獨立的條件判斷
4.7 字串(Strings)
4.7.1 字串的 method 練習
4.7.2 請 Copilot 解釋 method 與使用情境
4.7.3 字串的串接與重複
4.8 串列(Lists)
4.8.1 串列中的元素
4.8.2 串列元素的索引
4.8.3 串列元素切片
4.8.4 用索引更改串列中的值
4.9 Python 前 5 種構成要素整理
第 5 章 學習閱讀 Python 程式碼 (2)
5.1 迴圈(Loops)
5.1.1 for 迴圈 - 讀取字串
5.1.2 for 迴圈 - 讀取串列
5.1.3 for 迴圈 – 搭配索引
5.1.4 while 迴圈
5.2 縮排(Identation)
5.2.1 縮排代表程式區塊
5.2.2 二層縮排
5.2.3 三層縮排
5.2.4 美觀性的縮排
5.2.5 縮排與巢狀迴圈
5.3 字典(Dictionary)
5.3.1 存取字典的內容
5.3.2 用迴圈取得字典的內容
5.4 檔案(Files)
5.4.1 開檔並讀取資料
5.4.2 用迴圈逐列讀取檔案中的資料
5.4.3 用模組簡化處理 CSV 檔案的過程
5.5 模組(Modules)
5.5.1 預設模組可直接載入 – 以 zipfile 模組為例
5.5.2 需要下載並安裝的套件
5.6 Python 後 5 種構成要素整理
第 6 章 測試與提示工程
6.1 程式碼測試的重要性
6.2 黑盒測試與白盒測試
6.2.1 黑盒測試
6.2.2 如何決定測試案例要測什麼?
6.2.3 白盒測試
6.3 如何測試您的程式碼
6.3.1 在 Python 提示符號下進行測試
6.3.2 直接在 Python 檔案中進行測試
6.3.3 用 doctest 模組進行測試
6.4 重新檢視 Copilot 函式設計循環
6.5 測試範例 1 – 安排學生座位
6.5.1 找出一列中最多還可安排幾位新學生
6.5.2 改進提示詞以得到更佳解決方案
6.5.3 測試新的解決方案
6.6 測試範例 2 – 用到外部檔案
6.6.1 準備進行的測試案例
6.6.2 建立函式
6.6.3 對函式進行測試
6.6.4 使用 doctest 容易出現的問題
第 7 章 問題分解
7.1 問題分解的過程
7.2 Top-Down 設計的小例子
7.2.1 用 Top-Down 思考獲取強密碼函式
7.2.2 用 Top-Down 思考找出分數最高單字函式
7.2.3 Top-down 設計可控制複雜性
7.3 作者身份識別任務
7.4 作者身份識別程式的三個階段
7.5 分解處理階段的問題
7.5.1 決定神秘書籍的未知特徵簽名
7.5.2 5 個特徵函式的詳細說明
7.5.3 找出每本已知作者書籍的特徵簽名
7.6 為 Top-Down 設計做個整理
7.7 將規劃的函式用 Copilot 實作出來
7.7.1 clean_word 函式
7.7.2 average_word_length 函式
7.7.3 different_to_total 函式
7.7.4 exactly_once_to_total 函式
7.7.5 split_string 函式
7.7.6 get_sentences 函式
7.7.7 average_sentence_length 函式
7.7.8 get_phrases 函式
7.7.9 average_sentence_complexity 函式
7.7.10 make_signature 函式
7.7.11 get_all_signatures 函式
7.7.12 get_score 函式
7.7.13 lowest_score 函式
7.7.14 process_data 函式
7.7.15 make_guess 函式
7.8 思考重構程式的可能.
第 8 章 除錯 – 使用 Copilot Chat 與debugger
8.1 造成 bugs 的原因
8.2 如何找出 bugs
8.2.1 使用 print 語句來瞭解程式碼行為
8.2.2 用 VS Code 的 debugger 觀察程式行為
8.3 利用 GitHub Copilot Chat 修正程式碼
8.4 將除錯融入工作流程
8.5 將除錯技巧應用於新問題
8.5.1 列出可能出現錯誤的假設
8.5.2 對假設進行除錯
8.6 線上除錯工具 PythonTutor
8.7 降低除錯的挫折感.
第 9 章 製作自動化工具
9.1 程式設計師自製工具的原因
9.2 用 Copilot 開發自動化工具
9.3 自動化工具 1:清理電子郵件多餘符號
9.3.1 與 Copilot 交談取得協助
9.3.2 實際撰寫程式
9.4 自動化工具 2:為數百個 PDF 報告加上封面頁
9.4.1 與 Copilot 交談取得協助
9.4.2 實際撰寫程式
9.4.3 更新函式開發循環
9.5 自動化工具 3:合併圖片庫中內容不重複的檔案
9.5.1 與 Copilot 交談取得協助
9.5.2 為函式補上 docstring
第 10 章 遊戲設計
10.1 遊戲程式的兩個主要功能
10.2 為遊戲加入隨機性
10.3 遊戲 1:猜數字遊戲(Bulls and Cows)
10.3.1 遊戲玩法
10.3.2 Top-Down 設計
10.3.3 函式的參數與傳回值資料型別
10.3.4 實現遊戲的函式
10.3.5 為猜數字遊戲加上圖形介面
10.4 遊戲 2:雙人骰子遊戲(Bogart)
10.4.1 遊戲玩法
10.4.2 Top-Down 設計
10.4.3 實現遊戲的函式
第 11 章 未來的方向
11.1 從設計模式到提示模式
11.2 翻轉互動模式 - Flipped interaction pattern
11.3 角色模式 - Persona pattern
11.4 AI 工具的限制和未來方向
11.4.1 Copilot 目前面臨的困難
11.4.2 程式語言會被自然語言取代嗎?
11.4.3 一個令人期盼的未來
立即查看
Power BI大數據實戰應用-零售x金融 (1版)
類似書籍推薦給您
【簡介】
--專業推薦--
張詠淳 臺北醫學大學大數據與科技管理研究所教授
許毓容 前東森購物大數據協理
陳祥輝 臺北大學統計系業界專業教師兼任助理教授
【主題式分析 + 實戰演練,強化學習效率,全面提升大數據分析能力!】
在當今快速變動且複雜的商業環境中,運用數據提升決策效率至關重要,本書不僅提供了從基礎到進階的Power BI知識,更結合零售/金融產業實戰應用,透過豐富的跨領域實例,讓讀者能夠真正運用數據結合實務情境,達到做中學及接地氣的加成綜效。
精彩重點:
.零售x金融產業實戰案例介紹Power BI運用,涵蓋Power BI 三大模組(Power Query、Power Pivot、Power View)
.數據工程Power Query – 線上資料蒐集、資料清理、資料合併,建立半自動化數據工程作業。
.資料建模Power Pivot – 使用DAX函數新增資料行、管理量值、瀏覽資料關聯模型。
.資料視覺化Power View – 建置數據儀表板的數據指標架構設計、分析問題的圖表繪製設計建議、產業數據分析經驗。
.豐富的實戰演練,從零售業與金融業數據案例的資料清理,再到運用DAX函數創建數據分析指標,設計各項主題實戰分析儀表板,逐步引導讀者實際操作、獲取實務經驗,確保學習效果。
內容與範例均貼近實務情境,讓讀者更容易理解並結合所學知識。本書不僅適合Power BI使用者,更是從事大數據分析、商業分析或營運分析人員的學習寶藏。
【目錄】
chapter 01 人人都該會的大數據利器 - Power BI
1.1 安裝與啟用 Power BI Desktop
1.2 Power BI Desktop 三大模組
1.3 Power BI 對使用者的價值
chapter 02 不用寫程式也能處理不規則數據 - Power Query
2.1 案例一:獲取 Excel、CSV、JSON、XML 等異質格式來源數據
2.2 案例二:獲取 Web 等線上、Google 表單數據
2.3 案例三:處理公開資料 - 以實價登錄數據為例
2.4 案例四:處理公開資料 - 以信用卡公開消費數據為例
2.5 案例五:建構半自動化數據更新作業流程說明
chapter 03 找出數據關聯分析的計算好手 - Power Pivot
3.1 案例一:動態行事曆
3.2 案例二:RFM 模型應用
3.3 案例三:創建對比分析指標
3.4 案例四:創建品類(品牌)熱度分析指標
chapter 04 活用數據視覺化儀表板 - Power View
4.1 案例一:客戶 Insight 應用
4.2 案例二:信用卡消費數據分析
4.3 案例三:電銷業務營運成效分析
4.4 案例四:金融帳戶交易行為分析及應用
4.5 案例五:客群經營貢獻分析
4.6 案例六:催收業務案件召回分析及應用
4.7 案例七:決策節點分析應用
4.8 案例八:從實價登錄數據看行情運用
立即查看
Power BI X ChatGPT:實作大數據篩選分析與商業圖表設計【好評回饋版】 (3版)
類似書籍推薦給您
立即查看
Power BI實作大數據篩選分析與商業圖表設計【好評回饋版】 (3版)
類似書籍推薦給您
立即查看
商業大數據的視覺化設計與Power BI實作應用
類似書籍推薦給您
【簡介】
現在是一個大數據無處不在的年代,無論是企業或個人,建立一個快速解讀資料的能力,顯得相當實用且重要。其中,資料視覺化就是一個備受關注且重視的面向。用視覺化的方式來呈現資料的內容,能夠讓決策者更容易理解,執行者能更輕易的利用圖表與他人進行溝通。因此,資料視覺化的應用已經是許多企業相當看重的大數據分析技術之一。
然而,圖表的類別龐雜,如何選擇適切的圖表來忠實呈現資料,卻是操作者的困擾。因此,本書將資料視覺化的圖形予以整理及分類,藉由各章的說明、介紹、優劣比較與繪製建議,搭配企業個案資料來實際操作,減少讀者天馬行空的想像。
目前坊間資料視覺化的書籍多以軟體功能的介紹與操作為主,本書則是以不同應用類型的視覺化圖表為重點,搭配Power BI進行教學與解說,期待讓讀者在未來的應用上能夠更為得心應手。
最後,本書設計了一個整合的應用,利用企業的資料來進行實戰。透過資料視覺化的相關整合應用,去解讀企業營運時的狀態與樣貌,進而部署儀表板,提供即時決策參考。
【目錄】
【Part 1 基礎建立篇】
CH1 緒論
1.1 緒論
1.2 資料視覺化的演進
1.3 資料視覺化與大資料
1.4 資料視覺化的應用實例
模擬試題
CH2 資料視覺化的科學基礎與設計原則
2.1 色彩與心理之關係
2.2 圖表色彩的設計原則
2.3 圖形與心理之關係
2.4 前注意處理程序
2.5 資料視覺化中色彩與圖形的運用原則
模擬試題
CH3 容易取得的資料視覺化工具介紹
3.1 Microsoft Excel
3.2 Microsoft Power BI
3.3 Tableau
3.4 Matplotlib
模擬試題
CH4 Microsoft Power BI 功能
4.1 基本介紹
4.2 Power Query
4.3 資料分析運算式 DAX
模擬試題
【Part 2 進階練功篇】
CH5 離散差異之視覺化(Deviation)
5.1 離散差異視覺化圖表特色及使用之資料格式
5.2 圖形介紹
5.3 離散差異圖形之優缺點比較
5.4 範例資料介紹
5.5 實作與解釋
模擬試題
CH6 關聯性之視覺化(Relationship)
6.1 關聯性視覺化圖表特色及使用之資料格式
6.2 圖形介紹
6.3 關聯性視覺化圖表之優缺點比較
6.4 實作與解釋
模擬試題
CH7 排序之視覺化(Ranking)
7.1 排序視覺化圖表特色及使用之資料格式
7.2 圖形介紹
7.3 排序視覺化圖表之優缺點比較
7.4 實作與解釋
模擬試題
CH8 分佈之視覺化(Distribution)
8.1 分佈視覺化圖表特色及資料格式
8.2 圖形介紹
8.3 分佈視覺化圖表之優缺點比較
8.4 實作與解釋
模擬試題
CH9 隨時間變化之視覺化(Change over Time)
9.1 隨時間變化圖表特色及使用之資料格式
9.2 圖形介紹
9.3 隨時間變化圖表之優缺點比較
9.4 實作與解釋
模擬試題
CH10 量的比較之視覺化(Magnitude)
10.1 量的比較視覺化之圖表特色及使用之資料格式
10.2 圖形介紹
10.3 不同量的比較圖形之優缺點比較
10.4 實作與解釋
模擬試題
CH11 部分和整體關係之視覺化(Part-to-Whole)
11.1 部分和整體關係視覺化之圖表特色及使用之資料格式
11.2 圖形介紹
11.3 不同部分和整體關係圖形之優缺點比較
11.4 實作與解釋
模擬試題
CH12 空間視覺化(Spatial)
12.1 空間視覺化之圖表特色及使用之資料格式
12.2 圖形介紹
12.3 不同地理空間圖形之優缺點比較
12.4 實作與解釋
模擬試題
CH13 流向視覺化(Flow)
13.1 流向視覺化之圖表特色及使用之資料格式
13.2 圖形介紹
13.3 不同流向圖形之優缺點比較
13.4 實作與解釋
模擬試題
【Part 3 企業實戰篇】
CH14 資料視覺化實作,說一個好故事
14.1 取得資料視覺化資料
14.2 下載公開資料下載:交通部觀光署開放資料
14.3 實作練習:歷年來台旅客統計
14.4 實作練習:歷年來台旅客性別統計
14.5 實作練習:歷年來台旅客來台目的統計
14.6 實作練習:製作疫情前後來台旅客居住地儀表板
模擬試題
立即查看
Power BI商業智慧分析 (2版)
類似書籍推薦給您
【簡介】
業界頂尖顧問教您如何用Power BI分析資料!
商業智慧(Business Intelligence BI)一直都是顯學,因為企業希望全體做任何決策時,能即時取得有效的輔助資訊,以因應快速地變遷與複雜的商業形勢。而精準的分析能夠改善團隊乃至於企業的決策品質與效率,或更了解客戶的特性,提供更貼心的服務。
本書匯集了業界的實戰經驗與技巧,讓讀者了解如何透過Power BI釋放數據的力量。
.適合使用者從入門到精通Power BI
.協助企業IT建構以Power BI為基礎的資料分析平台
.從整理資料開始,一步步教您如何建立豐富的分析報告
.深入說明整理異質型資料來源的Mashup引擎與M語言
.廣泛說明表格式模型的運作原理與效能調校
.以實例說明如何利用DAX語言完成日常所需的分析
.安裝、管理與監控企業內Power BI報表伺服器
.善用雲端Power BI服務協同分析
.了解與使用微軟全新的Fabric平台,統整資料智慧
.透過Azure DevOps和Power BI服務工作區控管與發布報表版本
【目錄】
Ch1|Power BI 簡介
1.1 商業智慧系統
1.2 Power BI
1.3 Power BI 報表伺服器
1.4 Power BI 服務
1.5 本書章節簡介
Ch2|Power Query 編輯器
2.1 連接資料
2.2 組織資料
Ch3|M 語言
3.1 M 語言概論
3.2 基本資料型態
3.3 特殊資料型態
3.4 函數
3.5 控制流程
3.6 效能
Ch4|基本報表設計
4.1 Power BI Desktop 環境介紹
4.2 報表設計原則
4.3 視覺效果設計原則
Ch5|互動式設計
5.1 製作互動報表
5.2 深入資料細節
5.3 套用篩選條件
5.4 建構報表故事
Ch6|表格式模型
6.1 維護資料表
6.2 格式化與屬性
6.3 依其他資料行排序
6.4 關聯性(Relationships)
6.5 計算
6.6 安全性
6.7 檢視方塊(Perspectives)
6.8 參數
6.9 群組
6.10 階層(Hierarchies)
6.11 複合式模型(Composite model)
6.12 彙總資料表(Aggregation table)
Ch7|初探 DAX 語言
7.1 基本觀念
7.2 純量函數(Scalar Functions)
7.3 資料表函數(Table Functions )
7.4 理解 DAX 語境(Context)
7.5 關聯性(Relationships)
7.6 CALCULATE 函數
Ch8|深入 DAX 應用
8.1 資料歷程(Data Lineage)
8.2 時間智慧(Time Intelligence)
8.3 排名與前幾名(Ranking)
8.4 資料分類(Classification)
8.5 其他常見分析
Ch9|Power BI 效能相關議題
9.1 認識 DAX 引擎
9.2 模型分析工具
9.3 最佳化 VertiPaq
9.4 常見的效能瓶頸
Ch10|安裝與管理 PBIRS 伺服器
10.1 安裝 PBIRS
10.2 報表伺服器組態管理員
10.3 管理工具
10.4 PBIRS 安全設定
10.5 資料列層級安全性
10.6 共用排程與報表特定排程
10.7 管理與監控PBIRS
10.8 透過 PBIRS 整合與呈現報表
Ch11|Power BI 服務
11.1 授權
11.2 工作區
11.3 儀表板
11.4 Power BI 閘道
11.5 累加式更新
11.6 個人化
11.7 建立應用程式
11.8 行動 App
Ch12 Microsoft Fabric 簡介 【電子書,線上下載】
12.1 OneLake
12.2 資料流程(Gen2)與資料管線
12.3 即時分析
12.4 資料倉儲
立即查看