數據分析變革(大數據時代精準決策之道) 数据分析变革:大数据时代精准决策之道(异步图书)

比爾·弗蘭克斯(Bill Franks)

下單後立即進貨 (約4週~6週)

買這商品的人也買了...

相關主題

商品描述

<內容簡介>

能夠快速適應不斷變化的市場環境的能力是獲得成功的關鍵。弗蘭克斯編寫的《數據分析變革(大數據時代精準決策之道)》旨在將數據分析嵌入運營流程,幫助讀者將從數據(包括大數據和小數據)分析中獲得的業務洞察與日常運營緊密集成在一起。
本書確切地講述了使分析運營化到底意味著哪些變革,並告訴讀者如何建立團隊、創建文化、升級分析方法論並利用技術,使企業向更好、更快、更有效決策的運營型分析演變。本書提供了一個在所有類型的業務流程中嵌入分析流程的可擴展框架。在這本書中,讀者將瞭解如何梳理頭緒,掃清障礙,積極利用當前主流趨勢和流程,確保能夠持續超越競爭對手。

 

<章節目錄>

第一部分 變革已然開始
第1章 瞭解運營型分析
  1.1 定義運營型分析
    1.1.1 什麼是運營型分析
    1.1.2 運營型分析的獨特之處
    1.1.3 使運營型分析獨樹一幟的基石
  1.2 歡迎來到分析3.
    1.2.1 分析1.0:傳統分析
    1.2.2 分析2.0:大數據分析
    1.2.3 分析3.0:面向效果最大化的統一分析
    1.2.4 採用分析3.0的運營型分析
  1.3 分析是如何改變業務的
    1.3.1 分析是目標,不是副產品
    1.3.2 分析性產品正在打破行業界限
    1.3.3 運營型分析將是顛覆性的
  1.4 全面看待運營型分析
    1.4.1 數據質量及時效性依然重要
    1.4.2 運營型分析會壓制創新性?
    1.4.3 運營型分析的很多概念並非全新
  1.5 小結
第2章 更多數據……巨多數據……大數據!
  2.1 穿越炒作的迷霧
    2.1.1 大數據的定義是什麼?管它呢!
    2.1.2 從正確的角度出發
    2.1.3 大數據有泡沫嗎
  2.2 為大數據做好準備
    2.2.1 大數據浪潮已經到來
    2.2.2 新信息使大數據變得更強大
    2.2.3 找新問題提問
    2.2.4 數據留存不再是兩元決策
    2.2.5 物聯網時代即將到來
  2.3 縱觀全局看待大數據
    2.3.1 與其說是大數據,還不如說是差異化數據
    2.3.2 大數據必須具有多維可擴展性
    2.3.3 實現大數據價值的最大化
    2.3.4 回到未來
    2.3.5 大數據正在經歷成熟度曲線
    2.3.6 大數據是全球現象
  2.4 小結
第3章 運營型分析實戰
  3.1 改進客戶體驗
    3.1.1 出現神奇時刻
    3.1.2 為客戶提供透明度
    3.1.3 升級客戶服務
    3.1.4 提升在線體驗
  3.2 時間是最重要的
    3.2.1 分析過程中的安全性
    3.2.2 價值一億美元的一毫秒
  3.3 使我們更安全
    3.3.1 避免不良事件

    3.3.2 確保產品新鮮度
    3.3.3 政府也能進行運營化分析
  3.4 提升運營效率
    3.4.1 最大化獲取能量
    3.4.2 優化電力產生
    3.4.3 增加燃料效率
    3.4.4 改進呼叫中心績效
  3.5 改善我們未來的生活
    3.5.1 解放我們的時間
    3.5.2 幫助我們保持健康
  3.6 尋找數據中的意外價值
    3.6.1 利用地理位置數據完成交通狀況更新
    3.6.2 利用傳感器來提高農作物產量
    3.6.3 利用合規數據提高銷售
    3.6.4 也能創建戰略性分析
  3.7 小結

第二部分 奠定基礎
第4章 想要預算?先制訂商業計劃
  4.1 設定優先級
    4.1.1 從業務問題開始,而不是數據或技術
    4.1.2 關註回報而非成本
    4.1.3 瞄準造成差異的因素,而非漸進式的改進
    4.2 選擇合適的決策標準
    4.2.1 描繪更廣闊的前景
    4.2.2 數據洞察時間
    4.2.3 實施能力
    4.2.4 分析價值與技術價值
  4.3 需要考慮的商業計劃框架
    4.3.1 什麼是運營型分析的總體成本
    4.3.2 考慮所有長期的成本
    4.3.3 成本中最容易忽略的部分
    4.3.4 有關改變方程式的問題
    4.3.5 可擴展性不只關係到存儲和處理
  4.4 商業計劃的取勝技巧
    4.4.1 不要強推一項商業計劃
    4.4.2 想要成功,從小做起
    4.4.3 接受一些不確定性
    4.4.4 有很多選項,要明智選擇
    4.4.5 解釋為什麼這麼做是正確的
  4.5 小結
第5章 建立分析平臺
  5.1 規劃
    5.1.1 使分析運營化不是一個技術問題
    5.1.2 增加組件,而非替換組件
    5.1.3 不同的平臺,不同的優勢
    5.1.4 今天就做正確的事
  5.2 著手構建
    5.2.1 歡迎進入基於結構的計算
    5.2.2 統一分析環境的支柱

    5.2.3 額外的配套技術
  5.3 使用
    5.3.1 任何分析,任何數據,任何時間
    5.3.2 終端用戶不會關註數據存儲在哪裡
    5.3.3 雲方式如何
  5.4 小結
第6章 監管和隱私
  6.1 設定監管階段
    6.1.1 《1984》的啟示
    6.1.2 安全許可模式
    6.1.3 合作夥伴的重要性
    6.1.4 監管物聯網
  6.2 決定在哪裡進行分析
    6.2.1 永不說不
    6.2.2 挑選最好的工作方式
    6.2.3 致力於正確的組合
  6.3 監管運營型分析
    6.3.1 不同的需求
    6.3.2 監測運營型分析
    6.3.3 探索平臺與探索環境
    6.3.4 數據洞察時間與執行時間
  6.4 隱私
    6.4.1 大數據成了老大哥?
    6.4.2 設定隱私規範
    6.4.3 不合邏輯的隱私條例
    6.4.4 隱私政策的未來
  6.5 小結

第三部分 分析運營化
第7章 數據分析
  7.1 創建運營型分析流程
    7.1.1 分析過程的一致性
    7.1.2 從批量分析到運營型分析
    7.1.3 什麼是運營型分析
  7.2 拓展到新分析原則
    7.2.1 分析原則的定義
    7.2.2 多原則分析案例
    7.2.3 多原則分析的具體步驟
  7.3 集中分析力量
    7.3.1 提對問題,作好假設
    7.3.2 下註吧!
    7.3.3 不要冒失地判斷
  7.4 比較分析方法
    7.4.1 探索性分析與驗證性分析
    7.4.2 研發與盲目刺探
    7.4.3 強化運營規模的流程
  7.5 過去的教訓
    7.5.1 統計方法仍然有價值
    7.5.2 不要小看採樣
    7.5.3 不要將分析複雜化

    7.5.4 運營型分析必須提供解決方案
  7.6 小結
第8章 分析機構
  8.1 重大轉型已然發生
  8.2 人員任用
    8.2.1 誰是專業分析人員
    8.2.2 舊派與新派的意見相合
    8.2.3 解決人才危機
    8.2.4 無所不包
    8.2.5 使人員留存最大化
  8.3 組織管理
    8.3.1 標準組織架構是什麼
    8.3.2 組織架構建議
    8.3.3 演進到混合架構模式
    8.3.4 真的需要首席分析官嗎
    8.3.5 首席數據官的職責
    8.3.6 跨職能團隊
  8.4 成功
    8.4.1 明智地利用外部資源
    8.4.2 堅持到底,直至成功
    8.4.3 有效管理期望行為
    8.4.4 變成顧問、導師和教練
    8.4.5 裁判思維
    8.4.6 激勵不當,代價沉重
  8.5 小結
第9章 分析文化氛圍
  9.1 逐步灌輸正確的思維方式
    9.1.1 從跳蚤身上學習
    9.1.2 自上而下擁抱分析
    9.1.3 認可分析人員的價值
    9.1.4 推動行為模式的轉變
    9.1.5 剋服阻力與抵觸情緒
  9.2 推行註重實效的政策
    9.2.1 小轉變,大效果
    9.2.2 IT角色從服務變為支撐
    9.2.3 保證規劃的正確性
  9.3 推進成功
    9.3.1 尋找出乎意料的價值
    9.3.2 找到早期採納者和行動派
    9.3.3 營銷活動準備
  9.4 容忍與處理失敗
    9.4.1 能測試的想法壞也壞不到哪兒
    9.4.2 不要太介意失敗
    9.4.3 不要漠然接受失敗
  9.5 小結
結語:加入變革吧!

<作者介紹>

(美)弗蘭克斯|譯者:張建輝//車皓陽//劉靜如//範歡動
Bill Franks是Teradata首席分析官,他在分析與大數據領域的趨勢方面有著獨到的見解,並幫助客戶瞭解Teradata及其分析業務夥伴如何為他們提供幫助。他還負責制定Teradata在分析和大數據領域的戰略。他的重點工作是如何將複雜的分析轉化成業務用戶可以理解的語言,並幫助業務用戶有效地在企業內實施分析。他的工作跨多個行業,涉及的公司從世界1 00強企業到非盈利的小企業。     他是暢銷書《駕馭大數據》的作者。在《駕馭大數據》一書中,他將過去20多年與客戶一起實施大型分析項目的經驗加以概括,得出了在大數據和分析時代獲得成功的訣竅。該書成為Tom Peter 2014年度「必須閱讀」的書籍之一,同時成為中國CSDN年度十大最具影響力的引進版技術圖書。     他是領先的分析專家Tom Davenport~U,G_的國際分析研究所的一名講師,最近幾年一直作為演講嘉賓活躍在一系列活動中。他的博客「Analytics Matters」大量闡述了使分析成為業務決策的核心組件所需要做的轉變。     他獲得了弗吉尼亞理工大學應用統計學學士學位,以及北卡羅來納州立大學應用統計學碩士學位。