简体网页||繁体网页

☆☆☆☆☆

图书标签:

• 数据分析
• 菜鸟入门
• Python
• 数据可视化
• 统计学
• 工具
• 纪念版
• 区域包邮
• 图书
• 学习

店铺： 兰兴达图书专营店

出版社： 电子工业出版社

ISBN：9787121187803

商品编码：1717003457

bm003408

谁说菜鸟不会数据分析(工具篇)+谁说菜鸟不会数据分析(入门篇)纪念版 2本

 

9787121287992定价：59元 

 

9787121287985定价：59元

谁说菜鸟不会数据分析（工具篇）（纪念版）（全彩）

作 译 者： 出版时间：2016-05 千 字 数：266 版    次：01-01 页    数：224 开    本：16开 装    帧： I S B N ：9787121287992   换    版： 所属分类： >>  >>  纸质书定价：￥59.0

目 录 第1章 高效处理千万数据 1.1 容易上手的数据库 /16 1.1.1 数据库那些事儿 /16 1.1.2 万能的SQL /19 1.1.3 两招导入数据 /22 1.1.4 数据合并的二三式 /27 1.1.5 快速实现数据计算 /39 1.1.6 数据分组小妙招 /43 1.1.7 重复数据巧处理 /49 1.1.8 数据分析一步到位 /53 1.2 Microsoft Query /60 1.2.1 数据导入 /62 1.2.2 数据处理 /66 1.2.3 数据分析 /67 1.3 本章小结 /69 第2章 玩转数据分析 2.1 Excel数据分析工具——PowerPivot /71 2.1.1 PowerPivot是神马 /71 2.1.2 确定分析思路 /75 2.1.3 数据分析前的准备 /76 2.1.4 简单数据分析 /79 2.1.5 多表关联分析 /80 2.1.6 字段计算分析 /83 2.1.7 数据分组分析 /88 2.2 Excel数据分析工具库 /91 2.2.1 分析工具库简介 /91 2.2.2 描述性统计分析 /94 2.2.3 直方图 /98 2.2.4 抽样分析 /101 2.2.5 相关分析 /103 2.2.6 回归分析 /105 2.2.7 移动平均 /113 2.2.8 指数平滑 /116 2.3 本章小结 /119 第3章 Show出你的数据 3.1 数据可视化 /122 3.1.1 有趣的数据可视化 /122 3.1.2 数据可视化的意义 /126 3.1.3 数据可视化工具与资源 /127 3.2 Excel的可视化伴侣—水晶易表 /130 3.2.1 初识水晶易表 /130 3.2.2 水晶易表的特点 /131 3.2.3 水晶易表工作原理 /132 3.2.4 水晶易表的安装要求 /133 3.2.5 认识水晶易表部件 /134 3.3 水晶易表实战 /136 3.3.1 居民消费价格指数模型 /136 3.3.2 国内人口预测模型 /146 3.3.3 丈母娘选女婿模型 /158 3.4 本章小结 /173 第4章 让报告自动化 4.1 自动化神器—VBA /176 4.1.1 从录制宏开始 /176 4.1.2 VBA语法那些事儿 /178 4.1.3 进入VBA运行环境 /180 4.1.4 VBA调试技巧 /180 4.2 Excel报告自动化 /181 4.2.1 自动化原理 /181 4.2.2 建立数据模板 /184 4.2.3 数据提取自动化 /192 4.3 PPT报告自动化 /198 4.3.1 自动化原理 /198 4.3.2 建立数据模板 /200 4.2.3 数据提取自动化 /207 4.3.4 数据自动更新之VBA法 /211 4.3.5 数据自动更新之链接法 /218 4.4 本章小结 /224

谁说菜鸟不会数据分析（入门篇）（纪念版）（全彩）

作 译 者： 出版时间：2016-05 千 字 数：366 版    次：01-01 页    数：248 开    本：16开 装    帧： I S B N ：9787121287985   换    版： 所属分类： >>  >>  纸质书定价：￥59.0

 目 录 第1章 数据分析那些事儿 1.1 数据分析是“神马” /14 1.1.1 何谓数据分析 /15 1.1.2 数据分析的作用 /16 1.2 数据分析六步曲 /17 1.2.1 明确分析目的和思路 /18 1.2.2 数据收集 /20 1.2.3 数据处理 /21 1.2.4 数据分析 /21 1.2.5 数据展现 /22 1.2.6 报告撰写 /23 1.3 数据分析的三大误区 /24 1.4 数据分析师的职业发展 /25 1.4.1 数据分析的广阔前景 /25 1.4.2 数据分析师的职业要求 /27 1.4.3 数据分析师的基本素质 /28 1.5 几个常用指标和术语 /32 1.6 本章小结 /36 第2章 结构为王—确定分析思路 2.1 数据分析方法论 /38 2.1.1 数据分析方法论与数据分析法的区别 /38 2.1.2 数据分析方法论的重要性 /39 2.2 常用的数据分析方法论 /40 2.2.1 PEST分析法 /40 2.2.2 5W2H分析法 /43 2.2.3 逻辑树分析法 /44 2.2.4 4P营销理论 /45 2.2.5 用户行为理论 /47 2.3 本章小结 /48 第3章 无米难为巧妇—数据准备 3.1 理解数据 /50 3.1.1 字段与记录 /51 3.1.2 数据类型 /52 3.1.3 数据表 /53 3.2 数据来源 /57 3.2.1 导入数据 /57 3.2.2 问卷录入要求 /63 3.3 本章小结 /65 第4章 三心二意—数据处理 4.1 何为数据处理 /67 4.1.1 “三心二意”处理数据 /67 4.1.2 数据处理的内容 /69 4.2 数据清洗 /70 4.2.1 重复数据的处理 /71 4.2.2 缺失数据处理 /76 4.2.3 检查数据逻辑错误 /80 4.3 数据加工 /82 4.3.1 数据抽取 /82 4.3.2 数据计算 /87 4.3.3 数据分组 /91 4.3.4 数据转换 /92 4.4 数据抽样 /97 4.5 本章小结 /98 第5章 工欲善其事必先利其器—数据分析 5.1 数据分析方法 /101 5.1.1 对比分析法 /102 5.1.2 分组分析法 /105 5.1.3 结构分析法 /106 5.1.4 平均分析法 /107 5.1.5 交叉分析法 /108 5.1.6 综合评价分析法 /109 5.1.7 杜邦分析法 /113 5.1.8 漏斗图分析法 /114 5.1.9 矩阵关联分析法 /115 5.1.10 高级数据分析方法 /120 5.2 数据分析工具 /121 5.2.1 初识数据透视表 /121 5.2.2 创建数据透视表的三步法 /122 5.2.3 数据透视表分析实践 /124 5.2.4 数据透视表小技巧 /130 5.2.5 多选题分析 /132 5.3 本章小结 /135 第6章 给数据量体裁衣—数据展现 6.1 揭开图表的真面目 /138 6.1.1 图表的作用 /138 6.1.2 经济适用图表有哪些 /139 6.1.3 通过关系选择图表 /140 6.1.4 图表制作五步法 /145 6.2 表格也疯狂 /146 6.2.1 突出显示单元格 /146 6.2.2 项目选取 /147 6.2.3 数据条 /148 6.2.4 图标集 /149 6.2.5 迷你图 /150 6.3 给图表换装 /151 6.3.1 平均线图 /152 6.3.2 双坐标图 /153 6.3.3 竖形折线图 /156 6.3.4 瀑布图 /159 6.3.5 帕累托图 /160 6.3.6 旋风图 /165 6.3.7 人口金字塔图 /169 6.3.8 漏斗图 /171 6.3.9 矩阵图（散点图） /173 6.3.10 发展矩阵图 /176 6.3.11 改进难易矩阵（气泡图） /178 6.4 本章小结 /180 第7章 专业化生存—图表可以更美的 7.1 别让图表犯错 /183 7.1.1 让图表“五脏俱全” /183 7.1.2 要注意的条条框框 /185 7.1.3 图表会说谎 /196 7.2 浓妆淡抹总相宜—图表美化 /200 7.2.1 图表美化的三原则 /200 7.2.2 略施粉黛——美化图表的技巧 /203 7.2.3 图表也好“色” /209 7.3 如虎添翼的招儿 /213 7.3.1 我的图表模板 /214 7.3.2 快速制图 /215 7.3.3 添加标签小工具 /216 7.3.4 修剪超大值 /218 7.4 本章小结 /220 第8章 专业的报告—体现你的职场价值 8.1 初识数据分析报告 /222 8.1.1 数据分析报告是什么 /222 8.1.2 数据分析报告的写作原则 /222 8.1.3 数据分析报告的作用 /224 8.1.4 数据分析报告的种类 /225 8.2 数据分析报告的结构 /228 8.2.1 标题页 /228 8.2.2 目录 /230 8.2.3 前言 /231 8.2.4 正文 /233 8.2.5 结论与建议 /234 8.2.6 附录 /234 8.3 撰写报告时的注意事项 /235 8.4 报告范例 /236 8.5 本章小结 /244 写在后面的Q/A 附录A 网络学习资源

数据分析的奥秘：从零开始，拨开迷雾，掌握洞察 在这个信息爆炸的时代，数据如同血液般涌动，驱动着商业决策、科学研究，乃至我们日常生活的方方面面。然而，海量的数据常常让人望而生畏，如何从中提炼出有价值的见解，成为了一个亟待解决的挑战。如果你也曾对数据分析感到好奇，却又不知从何下手；如果你渴望掌握一门强大的工具，能够让你在职场和生活中更具竞争力，那么，你正站在一个全新的起点。 本书并非一本枯燥的技术手册，而是一次充满探索与实践的旅程。它旨在为你揭示数据分析的核心逻辑，引导你掌握一套行之有效的方法论，让你能够自信地驾驭数据，从中发现隐藏的模式，洞察未来的趋势，最终做出更明智的决策。我们深知，理论的海洋固然浩瀚，但真正的力量源于实践。因此，本书将理论知识与实操技巧完美融合，通过丰富多样的案例，让你在动手实践中巩固所学，逐步建立起扎实的数据分析能力。 谁说菜鸟不会数据分析：开启你的数据探索之旅 第一部分：数据分析的基石——概念与思维 在你踏上数据分析之路之前，建立正确的思维模式至关重要。我们并非要你成为数学家或统计学家，而是要你学会如何像一个数据分析师那样思考。 数据分析的本质是什么？ 抛开那些高深的术语，我们将用最直观的方式解释数据分析的核心目标：从杂乱无章的数据中找到规律，解决问题，并创造价值。我们将深入探讨数据分析在不同领域的应用，从市场营销到产品优化，从金融风控到科学研究，让你真切感受到数据分析的无穷魅力。 数据驱动决策：从直觉到证据。 很多时候，我们的决策是基于经验、直觉，甚至是“感觉”。然而，在复杂多变的商业环境中，这种方式往往风险重重。本书将教会你如何将数据作为决策的坚实后盾，如何通过数据来验证假设，评估方案，并最终做出更客观、更有效的决策。我们将分析为什么“数据说话”如此重要，以及如何一步步培养这种数据驱动的思维习惯。 数据分析师的必备素养。 除了技术技能，一位优秀的数据分析师还需要具备哪些软技能？我们将探讨逻辑思维、批判性思维、沟通能力以及好奇心在数据分析工作中的重要性。理解数据的局限性，识别潜在的偏差，并用清晰易懂的语言将分析结果传达给非技术人员，这些都是我们将在本书中着重强调的。 数据生命周期：从采集到应用。 理解数据的全生命周期是掌握数据分析的基础。我们将为你梳理从数据的采集、清洗、存储，到分析、建模、可视化，再到最终的应用和反馈的整个过程。了解每个环节的关键步骤和潜在挑战，将帮助你更好地规划和执行数据分析项目。 常见的分析场景与方法。 在实际工作中，我们经常会遇到各种各样的数据分析问题。本书将为你介绍一些最常见、最实用的分析场景，例如：用户行为分析、销售额预测、市场份额分析、A/B测试等。同时，我们将简要介绍与这些场景相匹配的基础分析方法，让你对数据分析的实际应用有一个初步的认识。 第二部分：数据分析的语言——工具与实操 理论的理解需要工具的支撑，实践的积累则离不开熟练的操作。本书将为你精心挑选最实用、最易上手的数据分析工具，并带领你一步步完成实际操作。 Excel：不仅仅是表格。 Excel是数据分析领域最基础也是最强大的工具之一。你可能习惯于用它来做简单的报表，但你可能不知道它内置了多少强大的数据分析功能。我们将从零开始，系统地讲解Excel在数据分析中的应用，包括： 数据清洗与预处理： 如何有效地处理缺失值、重复值、异常值，以及如何进行数据格式的转换和标准化。我们将演示各种函数和功能，如查找与引用、文本函数、逻辑函数、日期与时间函数等，让你能够轻松应对各种“脏”数据。 数据透视表： 这是Excel中最强大的数据汇总和分析工具之一。我们将详细讲解如何创建和使用数据透视表，如何进行多维度的数据汇总、筛选和分组，以及如何通过数据透视表快速发现数据中的规律。 图表可视化： 一图胜千言。我们将教授如何根据不同的分析目的选择合适的图表类型，如何制作清晰、美观、具有洞察力的图表，以及如何利用图表来呈现分析结果，让复杂的数据信息一目了然。 基础统计函数： AVG, SUM, COUNT, MIN, MAX, MEDIAN, MODE等基础统计函数将帮助你快速了解数据的分布和中心趋势。 条件格式： 如何通过条件格式快速突出显示关键数据，例如高亮显示销售额最高的区域，或标记出异常的数据点。 SQL：与数据库对话的钥匙。 在互联网时代，绝大多数数据都存储在数据库中。学习SQL（Structured Query Language）是掌握数据分析能力的关键一步。它是一种用于管理和操作关系型数据库的标准语言。 SQL基础概念： 我们将从最基础的SQL命令开始，讲解SELECT, FROM, WHERE, GROUP BY, HAVING, ORDER BY等核心语句，让你能够轻松地从数据库中提取所需的数据。 数据筛选与查询： 如何精确地定位你需要的数据，例如查询特定日期范围内的销售记录，或者筛选出某个城市的用户信息。 数据聚合与分组： 如何对数据进行汇总统计，例如计算每个产品的总销售额，或者统计每个用户组的平均消费金额。 JOIN操作： 如何将来自不同表的数据进行关联，从而获取更全面的信息。例如，将用户信息表与订单信息表进行关联，分析不同用户群体的购买行为。 子查询与高级技巧： 逐步介绍一些更高级的SQL用法，帮助你处理更复杂的数据分析任务。 Python（入门级）：数据分析的通用语言。 随着数据量的不断增大和分析需求的日益复杂，Python已成为数据科学领域事实上的标准语言。本书将为你提供Python在数据分析方面的入门级指导，让你体会到其强大的灵活性和丰富的生态系统。 Python基础语法： 即使你没有编程经验，也能轻松上手。我们将讲解Python的基本数据类型、变量、运算符、控制流（if语句、for循环、while循环）等核心概念。 NumPy：数值计算的基石。 NumPy是Python科学计算的核心库，提供对大型多维数组和矩阵的丰富支持。我们将学习如何使用NumPy进行高效的数值运算，以及如何利用其数组操作来加速数据处理。 Pandas：数据分析的瑞士军刀。 Pandas库提供了强大的数据结构（DataFrame和Series）和数据分析工具，是Python数据分析的灵魂。我们将详细讲解： DataFrame的创建与操作： 如何从各种数据源（CSV, Excel, 数据库）读取数据，如何进行数据的增删改查，如何选择和过滤数据。 数据清洗与转换： Pandas提供了丰富的函数来处理缺失值、重复值，进行数据类型转换，以及执行各种数据清洗任务。 数据聚合与分组： 使用`groupby()`函数进行强大的数据分组和聚合分析，例如计算每个类别的平均值、总和等。 数据合并与连接： 学习如何使用`merge()`和`concat()`函数来合并和连接不同的数据集。 数据可视化（集成）： Pandas与Matplotlib等可视化库集成，让你能够直接在DataFrame上进行数据可视化，快速生成各种图表。 数据可视化工具（介绍）： 除了Excel和Python中的可视化能力，我们还将介绍一些专门的数据可视化工具，如Tableau或Power BI（概念性介绍），让你了解它们在制作交互式仪表盘方面的优势，以及如何将数据分析结果以更具吸引力的方式呈现给决策者。 第三部分：数据分析的实战——案例与实践 理论学习和工具掌握最终是为了解决实际问题。本书将通过一系列精心设计的案例，让你在实战中巩固所学，并将数据分析能力转化为解决实际问题的利器。 市场营销数据分析： 用户画像构建： 如何利用用户行为数据、交易数据等，描绘出不同用户群体的特征，为精准营销提供依据。 营销活动效果评估： 如何通过A/B测试，评估不同营销活动的ROI（投资回报率），并找出最优的营销策略。 流失用户预测： 如何识别可能流失的用户，并提前采取措施进行挽留。 电商运营数据分析： 商品销售分析： 分析商品的销售趋势、热门商品、滞销商品，为库存管理和商品推荐提供支持。 用户购买行为分析： 分析用户的购买路径、复购率，挖掘潜在的交叉销售和向上销售机会。 网站流量分析： 分析用户访问来源、页面停留时间、转化率，优化网站用户体验和推广效果。 产品优化与用户体验分析： 功能使用情况分析： 分析用户对不同产品功能的偏好和使用频率，为产品迭代提供方向。 用户反馈分析： 如何从用户反馈中提取有价值的信息，发现产品存在的不足。 用户体验路径优化： 分析用户在使用产品过程中可能遇到的痛点，并提出改进建议。 其他领域的实践案例（拓展）： 我们还将简要介绍数据分析在其他领域的应用，例如：金融领域的风险评估、人力资源领域的员工绩效分析、甚至是个人财务管理等，拓宽你的视野，激发你利用数据解决更多问题的灵感。 总结：迈向数据驱动的未来 掌握数据分析并非遥不可及。本书的目标是让你在轻松愉快的氛围中，逐步建立起对数据分析的自信。我们相信，通过系统学习和大量的实践，你将能够： 理解数据的价值： 认识到数据在决策过程中的重要性，并学会如何从数据中发现洞察。 掌握核心工具： 熟练运用Excel、SQL和Python等工具进行数据处理和分析。 解决实际问题： 能够运用所学知识，分析实际业务场景中的问题，并提出基于数据的解决方案。 培养数据思维： 养成用数据说话、用证据决策的习惯，成为职场中更具价值的人才。 无论你是一名渴望提升技能的学生，还是一名寻求职业转型的职场人士，亦或是希望将数据应用到日常工作中的任何领域，本书都将是你数据分析之旅的绝佳起点。让我们一起，拨开数据的迷雾，迎接一个更加清晰、更加明智的未来！

评分☆☆☆☆☆

这套“纪念版”的“谁说菜鸟不会数据分析”系列，内容上给我带来了意想不到的惊喜。我原本以为“纪念版”可能只是包装上的不同，但细读下来，发现它在内容上也进行了一些优化和补充。尤其是在“入门篇”中，作者对于数据分析的哲学层面和思维方式的探讨比我预期的要深入得多。书中的一些关于“数据伦理”、“数据隐私”以及“如何避免数据偏见”的讨论，在当前信息爆炸的时代显得尤为重要。这让我意识到，数据分析不仅仅是技术层面的操作，更包含着深刻的社会责任。同时，“工具篇”也加入了一些新的、更前沿的数据分析工具和技术，比如一些关于机器学习入门的简单介绍，虽然不深入，但足以让我对未来的学习方向有一个大致的了解。作者还分享了一些自己在数据分析实践中遇到的挑战和心得，这些真实的经验分享比纯粹的理论讲解更加有价值。我特别喜欢书中关于“如何将数据分析结果有效传达给非技术人员”的章节，这一点对于我这样一个需要经常和领导、同事沟通的人来说，简直是福音。书中的图表和示例都更新得比较及时，看得出来作者在内容的打磨上花了不少心思。

评分☆☆☆☆☆

我最近入手了“区域包邮 谁说菜鸟不会数据分析 工具篇+谁说菜鸟不会数据分析 入门篇 纪念版 2本”，本来是抱着学习一下数据分析入门知识的想法，想着能对我的工作有所帮助。翻开书，首先映入眼帘的是密密麻麻的图表和公式，虽然知道数据分析离不开这些，但看着还是有点劝退。不过，抱着“菜鸟”的精神，我还是硬着头皮往下看。书中的“入门篇”确实为我这种零基础的读者提供了一个比较好的起点，从最基本的数据概念讲起，一步步引导你理解数据的重要性以及如何在实际场景中应用。我尤其喜欢其中关于数据收集和清洗的章节，感觉作者花了很多篇幅在强调数据质量的重要性，这让我意识到在很多时候，数据分析的瓶颈不在于模型有多复杂，而在于数据的准确性和完整性。书中也列举了一些实际案例，虽然有些案例的行业背景我并不熟悉，但通过作者的讲解，我还是能大致理解数据分析解决问题的思路。当然，作为一个初学者，有些概念和操作还需要反复琢磨，特别是书中提到的几个软件工具，需要花时间去实践操作才能真正掌握。总的来说，这本书让我对数据分析有了初步的认识，也激发了我进一步学习的兴趣，感觉像开启了一扇新的大门，虽然门槛有点高，但背后隐藏的风景一定很吸引人。

评分☆☆☆☆☆

对于我这种对技术细节比较敏感的人来说，这套书的“工具篇”简直就是宝藏。它不仅仅是罗列工具，更像是为我量身打造的一份工具指南。书中对每一个工具的介绍都非常细致，从基础操作到进阶技巧，都讲解得鞭辟入里。我特别看重它在不同工具之间的比较和融合，比如如何将Excel的数据导入到Python进行更复杂的分析，又如何用SQL预处理数据再导入到可视化工具中。这种跨工具的知识点讲解，让我看到了数据分析流程的整体性，也让我意识到单一工具的局限性。书中关于Python数据分析的章节，对于Pandas库的讲解尤其到位，各种DataFrame的操作、数据合并、分组聚合等等，都讲解得非常清晰，配合着代码示例，让我能够很快上手。我也尝试用书中学到的技巧去处理我工作中的一些数据问题，比如自动化生成周报、月报，效率的提升是显而易见的。而且，书中对于数据可视化的一些原则和最佳实践的讲解，让我能够创作出更具信息量和美感的图表，而不是简单地堆砌数据。这本书让我感觉，数据分析的门槛并没有想象中那么高，关键在于掌握正确的工具和方法，而这套书恰恰能提供这样的帮助。

评分☆☆☆☆☆

我本来是对数据分析有点抗拒的，总觉得是个很高大上的东西，跟我的日常工作沾不上边。直到我看到这套“谁说菜鸟不会数据分析”系列，感觉名字很接地气，才抱着试试看的心态入手了。“入门篇”确实让我这个“菜鸟”感觉到了希望。书中的语言风格非常幽默，不像我之前看过的很多技术书籍那样枯燥乏味。作者用很多生活化的例子来解释抽象的数据概念，比如用点外卖的场景来讲解数据收集，用整理购物车来解释数据清洗。这种方式让我感觉数据分析离我们并不遥远，反而是我们日常生活中无处不在的。书中对“数据思维”的培养尤为重要，它不仅仅是教你如何操作软件，更重要的是引导你去思考“为什么”需要数据，以及“如何”利用数据来做决策。我印象最深刻的是关于“提出好问题”的部分，作者强调了数据分析的出发点应该是清晰明确的问题，而不是漫无目的地去挖数据。这让我茅塞顿开，我之前总想着学点分析方法，却忽略了最关键的一步。虽然我还没有完全掌握书中的所有方法，但至少我已经建立了一个初步的数据分析框架，并且知道如何开始着手了。

评分☆☆☆☆☆

拿到这套书，我主要关注的是“工具篇”。我本身已经有一些数据分析的基础，但总感觉在实际操作中，很多时候会卡在工具的使用上，比如Excel的高级功能、SQL的查询语句，还有一些可视化的图表制作技巧。这本书恰好解决了我的痛点。它非常系统地介绍了各种常用的数据分析工具，从Excel的透视表、函数公式，到SQL数据库的增删改查，再到Python的数据处理库（如Pandas、NumPy）和可视化库（如Matplotlib、Seaborn），讲解得非常详细。我尤其欣赏书中对各个工具的优缺点和适用场景的分析，这让我能够根据不同的任务选择最合适的工具，而不是盲目地使用。而且，书中的代码示例和操作步骤都非常清晰，跟着一步步做，几乎不会出错。书中还讲解了一些数据可视化的高级技巧，比如如何制作交互式图表，如何通过图表更有效地传达数据洞察，这对我提升报告的专业度和说服力非常有帮助。我尝试着运用书中的技巧去处理我工作中遇到的一个数据报表问题，发现效率提升了不少，也发现了之前没有注意到的数据规律。这本书不仅仅是工具的堆砌，更重要的是教会了我如何“用好”这些工具，将它们融会贯通，真正解决实际问题。