数据变现：构建用数据驱动增长的策略和解决方案

作者
安德鲁·罗曼·韦尔斯（Andrew Wells） 凯茜·威廉斯·江（Kathy Chiang）
丛书名
出版社
机械工业出版社*
ISBN
9787111642268
简要
简介
内容简介书籍经济管理学书籍 现在，各类组织都积累了大量的信息，既有结构化数据信息也有非结构化数据信息，它们对来自网络流量、销售流程、内部分析和各种其他来源的数据进行了收集和存储，但目前大多数组织都不具备能够让这些数据驱动财务业绩增长的方法、工具和技术。本书讲解的是通过利用决策架构、数据科学和引导分析的成熟技术，帮助各类组织提高收入或降低成本的方法。 本书提供了一个决策架构的方法论，帮助分析师和组织通过重复的流程、数据分析和数据变现的策略，增加收入或节省成本。此外，本书还提供为商业分析构建数据的技巧，以及一个便于理解聚合策略、数据质量和数据转换的自动化操作，这一操作可将组织的非结构化信息转化为可用的商业数据。
目录

中文版序言
译者序
序言
致谢
关于作者

第 1篇　简介
第 1章　简介 2
1.1　决策 3
1.2　分析之旅 6
1.3　解决问题 7
1.4　调研显示…… 9
1.5　如何使用这本书 12
1.5.1　第 1篇：简介 12
1.5.2　第 2篇：决策分析 13
1.5.3　第 3篇：变现策略 13
1.5.4　第 4篇：敏捷分析 14
1.5.5　第 5篇：实施启用 14
1.5.6　第 6篇：案例研究 15
1.6　开始吧 15

第 2章　分析循环：推动优质决策 16
2.1　分析循环概述 17
2.1.1　开启 20
2.1.2　诊断 23
2.1.3　行动 26
2.1.4　测量 26
2.1.5　数据 28
2.2　信息用户层级 29
2.3　下一步 31

第 3章　决策架构方法论：弥补缺陷 32
3.1　方法论概述 33
3.2　探索发现 37
3.3　决策分析 39
3.4　变现策略 41
3.5　敏捷分析 41
3.5.1　数据开发 /分析结构 42
3.5.2　数据科学 /决策理论 43
3.5.3　引导分析 44
3.6　实施启用 47
3.7　总结 50

第 2篇　决策分析
第 4章　决策分析：构建决策 52
4.1　分类树 53
4.2　提问分析 57
4.3　关键决策 60
4.4　数据需求 64
4.5　行动杠杆 66
4.6　成功指标 68
4.7　再访分类树 71
4.8　总结 74

第 3篇　变现策略
第 5章　变现策略：让数据产生收益 76
5.1　业务杠杆 78
5.2　变现策略框架 81
5.3　决策分析和敏捷分析 84
5.3.1　确定假设和确立选项 84
5.3.2　提问分析 85
5.3.3　关键决策 86
5.3.4　行动杠杆 87
5.3.5　成功指标 88
5.3.6　数据开发 89
5.3.7　数据科学 /决策理论 90
5.4　竞争和市场信息 94
5.5　总结 96

第 6章　变现指导原则：做实 97
6.1　优质数据 99
6.2　针对性 101
6.3　整体性 102
6.4　可行性 104
6.5　决策矩阵 105
6.6　以数据科学为基础 106
6.7　变现价值 107
6.8　信心因素 109
6.9　可测量 111
6.10　动机 111
6.11　组织文化 112
6.12　推动创新 114

第 7章　产品盈利能力变现策略：个案研究 116
7.1　背景 116
7.2　业务杠杆 118
7.3　探索发现 120
7.4　决策 120
7.4.1　分类树 120
7.4.2　提问分析 121
7.4.3　关键决策 122
7.4.4　成功指标 123
7.4.5　行动杠杆 125
7.5　数据科学 126
7.6　变现框架需求 126
7.7　决策矩阵 128

第 4篇　敏捷分析
第 8章　决策理论：理性 131
8.1　决策矩阵 132
8.2　概率 134
8.3　前景理论 137
8.4　选择架构 138
8.5　认知偏误 140

第 9章　数据科学：智能化 143
9.1　指标 144
9.2　阈值 147
9.3　趋势和预测 149
9.4　相关分析 150
9.5　细分 153
9.6　聚类分析 155
9.7　速度 159
9.8　预测和解释模型 161
9.9　机器学习 162

第 10章　数据开发：有条不紊 164
10.1　数据质量 164
10.1.1　完备性 166
10.1.2　一致性 167
10.1.3　重复 167
10.1.4　符合性 168
10.1.5　准确性 168
10.1.6　完整性 168
10.1.7　及时性、可用性和历史 169
10.2　脏数据，怎么办？ 170
10.3　数据类型 170
10.3.1　元数据 170
10.3.2　数据世界 171
10.4　数据组织 173
10.4.1　数据移动 173
10.4.2　粒度 174
10.4.3　为分析构建 175
10.5　数据转换 177
10.5.1　ETL业务规则转换 178
10.5.2　分析和报告业务规则转换 178
10.5.3　指标转换 178
10.6　总结 181

第 11章　引导分析：使其相关 182
11.1　然后呢 182
11.2　引导分析 185
11.2.1　数据之声 185
11.2.2　客户之声 187
11.2.3　客户签名 193
11.2.4　业务之声 194
11.3　总结 198

第 12章　用户界面（UI）：清晰 199
12.1　UI简介 199
12.2　视觉调色板 200
12.3　少即是多 201
12.3.1　数据墨水比例 204
12.3.2　少即是多—但别过头 208
12.4　只看一眼 210
12.5　模式感知的格式塔原则 213
12.6　融会贯通 214
12.6.1　色彩 214
12.6.2　视觉调色板的元素 218
12.6.3　优良格式塔—少即是多 220
12.7　总结 222

第 13章　用户体验（UX）：使其可用 223
13.1　效能负荷 223
13.1.1　认知负荷 224
13.1.2　工作记忆 224
13.1.3　注意力 225
13.1.4　运动负荷 226
13.1.5　选择过载 227
13.2　顺流而下 228
13.2.1　渐进呈现和决策架构 229
13.2.2　按需提供数据—将数据连接到决策 230
13.2.3　模块化 231 13.3　命题密度 232
13.4　简单性：复杂性的另一面



有问题微信扫码联系

推荐

Understand China
桂ICP备20004708号-4