数据分析变革 大数据时代精准决策之道

图书标准信息

• 作者 [美]比尔·弗兰克斯（Bill Franks） 著；张建辉、车皓阳、刘静如、范欢动 译
• 出版社 人民邮电出版社
• 出版时间 2015-08
• 版次 1
• ISBN 9787115399229
• 定价 49.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 224页
• 字数 230千字
• 正文语种 简体中文

【内容简介】

能够快速适应不断变化的市场环境的能力是获得成功的关键。本书旨在将数据分析嵌入运营流程，帮助读者将从数据（包括大数据和小数据）分析中获得的业务洞察与日常运营紧密集成在一起。
本书确切地讲述了使分析运营化到底意味着哪些变革，并告诉读者如何建立团队、创建文化、升级分析方法论并利用技术，使企业向更好、更快、更有效决策的运营型分析演变。本书提供了一个在所有类型的业务流程中嵌入分析流程的可扩展框架。在这本书中，读者将了解如何梳理头绪，扫清障碍，积极利用当前主流趋势和流程，确保能够持续超过竞争对手。

【作者简介】

Bill Franks 现任天睿公司首席分析官，他不仅在大数据和分析领域发展趋势方面为企业提供深刻见解，同时帮助客户理解如何使用大数据及分析来改进业务。他擅长将复杂的分析用通俗的语言阐述以便企业用户更容易理解。Bill Franks是《驾驭大数据》一书的作者，该书是Tom Peters 2014年排行榜“必读”书籍之一。他同时也是国际分析研究院的教员。

【目录】

第一部分　变革已然开始
第1章　了解运营型分析3
1．1　定义运营型分析3
1．1．1　什么是运营型分析4
1．1．2　运营型分析的独特之处5
1．1．3　使运营型分析独树一帜的基石7
1．2　欢迎来到分析3．08
1．2．1　分析1．0：传统分析9
1．2．2　分析2．0：大数据分析10
1．2．3　分析3．0：面向效果最大化的统一分析13
1．2．4　采用分析3．0的运营型分析14
1．3　分析是如何改变业务的16
1．3．1　分析是目标，不是副产品16
1．3．2　分析性产品正在打破行业界限18
1．3．3　运营型分析将是颠覆性的20
1．4　全面看待运营型分析21
1．4．1　数据质量及时效性依然重要21
1．4．2　运营型分析会压制创新性？23
1．4．3　运营型分析的很多概念并非全新24
1．5　小结24
第2章　更多数据……巨多数据……大数据！27
2．1　穿越炒作的迷雾27
2．1．1　大数据的定义是什么？管它呢！28
2．1．2　从正确的角度出发29
2．1．3　大数据有泡沫吗31
2．2　为大数据做好准备33
2．2．1　大数据浪潮已经到来33
2．2．2　新信息使大数据变得更强大34
2．2．3　找新问题提问36
2．2．4　数据留存不再是两元决策38
2．2．5　物联网时代即将到来40
2．3　纵观全局看待大数据41
2．3．1　与其说是大数据，还不如说是差异化数据41
2．3．2　大数据必须具有多维可扩展性42
2．3．3　实现大数据价值的最大化44
2．3．4　回到未来46
2．3．5　大数据正在经历成熟度曲线47
2．3．6　大数据是全球现象49
2．4　小结50
第3章　运营型分析实战53
3．1　改进客户体验53
3．1．1　出现神奇时刻54
3．1．2　为客户提供透明度56
3．1．3　升级客户服务57
3．1．4　提升在线体验58
3．2　时间是最重要的59
3．2．1　分析过程中的安全性59
3．2．2　价值一亿美元的一毫秒60
3．3　使我们更安全62
3．3．1　避免不良事件62
3．3．2　确保产品新鲜度63
3．3．3　政府也能进行运营化分析63
3．4　提升运营效率64
3．4．1　最大化获取能量65
3．4．2　优化电力产生65
3．4．3　增加燃料效率66
3．4．4　改进呼叫中心绩效66
3．5　改善我们未来的生活67
3．5．1　解放我们的时间67
3．5．2　帮助我们保持健康68
3．6　寻找数据中的意外价值69
3．6．1　利用地理位置数据完成交通状况更新70
3．6．2　利用传感器来提高农作物产量70
3．6．3　利用合规数据提高销售71
3．6．4　也能创建战略性分析71
3．7　小结73
第二部分　奠定基础
第4章　想要预算？先制订商业计划77
4．1　设定优先级77
4．1．1　从业务问题开始，而不是数据或技术77
4．1．2　关注回报而非成本79
4．1．3　瞄准造成差异的因素，而非渐进式的改进79
4．2　选择合适的决策标准81
4．2．1　描绘更广阔的前景82
4．2．2　数据洞察时间83
4．2．3　实施能力84
4．2．4　分析价值与技术价值86
4．3　需要考虑的商业计划框架87
4．3．1　什么是运营型分析的总体成本87
4．3．2　考虑所有长期的成本89
4．3．3　成本中最容易忽略的部分91
4．3．4　有关改变方程式的问题92
4．3．5　可扩展性不只关系到存储和处理92
4．4　商业计划的取胜技巧93
4．4．1　不要强推一项商业计划93
4．4．2　想要成功，从小做起94
4．4．3　接受一些不确定性96
4．4．4　有很多选项，要明智选择97
4．4．5　解释为什么这么做是正确的97
4．5　小结99
第5章　建立分析平台101
5．1　规划102
5．1．1　使分析运营化不是一个技术问题102
5．1．2　增加组件，而非替换组件103
5．1．3　不同的平台，不同的优势104
5．1．4　今天就做正确的事105
5．2　着手构建106
5．2．1　欢迎进入基于结构的计算107
5．2．2　统一分析环境的支柱108
5．2．3　额外的配套技术118
5．3　使用120
5．3．1　任何分析，任何数据，任何时间120
5．3．2　终端用户不会关注数据存储在哪里121
5．3．3　云方式如何122
5．4　小结123
第6章　监管和隐私125
6．1　设定监管阶段125
6．1．1　《1984》的启示126
6．1．2　安全许可模式126
6．1．3　合作伙伴的重要性128
6．1．4　监管物联网129
6．2　决定在哪里进行分析130
6．2．1　永不说不131
6．2．2　挑选最好的工作方式132
6．2．3　致力于正确的组合133
6．3　监管运营型分析134
6．3．1　不同的需求134
6．3．2　监测运营型分析136
6．3．3　探索平台与探索环境137
6．3．4　数据洞察时间与执行时间138
6．4　隐私139
6．4．1　大数据成了老大哥？140
6．4．2　设定隐私规范143
6．4．3　不合逻辑的隐私条例144
6．4．4　隐私政策的未来145
6．5　小结146
第三部分　分析运营化
第7章　数据分析151
7．1　创建运营型分析流程151
7．1．1　分析过程的一致性151
7．1．2　从批量分析到运营型分析153
7．1．3　什么是运营型分析154
7．2　拓展到新分析原则155
7．2．1　分析原则的定义155
7．2．2　多原则分析案例157
7．2．3　多原则分析的具体步骤159
7．3　集中分析力量160
7．3．1　提对问题，作好假设160
7．3．2　下注吧！162
7．3．3　不要冒失地判断163
7．4　比较分析方法164
7．4．1　探索性分析与验证性分析164
7．4．2　研发与盲目刺探166
7．4．3　强化运营规模的流程167
7．5　过去的教训168
7．5．1　统计方法仍然有价值169
7．5．2　不要小看采样170
7．5．3　不要将分析复杂化171
7．5．4　运营型分析必须提供解决方案172
7．6　小结173
第8章　分析机构175
8．1　重大转型已然发生175
8．2　人员任用177
8．2．1　谁是专业分析人员177
8．2．2　旧派与新派的意见相合178
8．2．3　解决人才危机179
8．2．4　所不包183
8．2．5　使人员留存最大化184
8．3　组织管理185
8．3．1　标准组织架构是什么185
8．3．2　组织架构建议186
8．3．3　演进到混合架构模式187
8．3．4　真的需要首席分析官吗188
8．3．5　首席数据官的职责190
8．3．6　跨职能团队190
8．4　成功191
8．4．1　明智地利用外部资源191
8．4．2　坚持到底，直至成功192
8．4．3　有效管理期望行为194
8．4．4　变成顾问、导师和教练195
8．4．5　裁判思维196
8．4．6　激励不当，代价沉重197
8．5　小结198

第9章　分析文化氛围201
9．1　逐步灌输正确的思维方式201
9．1．1　从跳蚤身上学习202
9．1．2　自上而下拥抱分析203
9．1．3　认可分析人员的价值204
9．1．4　推动行为模式的转变204
9．1．5　克服阻力与抵触情绪205
9．2　推行注重实效的政策208
9．2．1　小转变，大效果208
9．2．2　IT角色从服务变为支撑210
9．2．3　保证规划的正确性211
9．3　推进成功212
9．3．1　寻找出乎意料的价值212
9．3．2　找到早期采纳者和行动派213
9．3．3　营销活动准备215
9．4　容忍与处理失败217
9．4．1　能测试的想法坏也坏不到哪儿217
9．4．2　不要太介意失败218
9．4．3　不要漠然接受失败219
9．5　小结221
结语：加入变革吧！223