数据驱动力 企业数据分析实战

图书标准信息

• 作者 [英]卡尔·安德森（Carl Anderson）
• 出版社 人民邮电出版社
• 出版时间 2021-04
• 版次 1
• ISBN 9787115560179
• 定价 99.00元
• 装帧 其他
• 开本 其他
• 纸张 胶版纸
• 页数 192页
• 字数 307千字

【内容简介】

面对大数据这一势不可挡的时代潮流，所有企业都需要思考如何在实际工作中挖掘数据，充分发挥数据分析师的才能，进而有效地利用数据完成商业决策。本书首先讲解数据本身，重点介绍如何选择正确的数据源，确保数据的质量和可靠性，然后讨论数据分析，组织需要获取拥有必备技术和工具并能洞察数据变化的人才。接下来几章介绍具体的分析工作，包括性能分析、设计指标、A/B测试和原型讲解等，随之深入到分析价值链的下一环节 ：利用分析结果和数据见解做出决策。

【作者简介】

卡尔·安德森（Carl Anderson），数据科学家，擅长利用统计学和机器学习技术解决商业问题。纽约WW公司数据副总裁，领导数据科学团队构建数据产品和制定数据策略。曾任纽约Warby Parker公司数据科学总监，在创建数据驱动组织方面拥有丰富的经验。

【目录】

版权声明

O\'Reilly　Media, Inc.介绍

前言　xi

第　1章 数据驱动意味着什么　1

1.1　数据收集　1

1.2　数据访问　2

1.3　报表　3

1.4　报警　4

1.5　从报表和报警到分析　5

1.6　数据驱动的特征　7

1.7　分析成熟度　8

1.8　小结　12

第　2章 数据质量　13

2.1　数据质量的各个方面　14

2.2　脏数据　15

2.2.1　数据生成　16

2.2.2　数据录入　16

2.2.3　缺失数据　22

2.2.4　多重记录　24

2.2.5　截尾数据　24

2.2.6　计量单位　25

2.2.7　默认值　25

2.3　数据世系　26

2.4　数据质量是共同承担的责任　26

第3章　数据收集　29

3.1　全量收集　29

3.2　数据源的优先级　31

3.3　关联数据　33

3.4　数据收集　34

3.5　购买数据　36

3.6　数据留存　39

第4章　分析组织　41

4.1　分析师类型　41

4.1.1　数据分析师　42

4.1.2　数据工程师和分析工程师　42

4.1.3　商业分析师　43

4.1.4　数据科学家　43

4.1.5　统计学家　43

4.1.6　金融工程师　44

4.1.7　会计和财务分析师　44

4.1.8　数据可视化专家　45

4.2　分析需要团队协作　45

4.3　技能和素质　48

4.4　辅助工具　50

4.4.1　探索性数据分析和统计建模　50

4.4.2　数据库查询　51

4.4.3　文件审查和操作　52

4.5　分析组织结构　54

4.5.1　集中型　54

4.5.2　分散型　55

第5章　数据分析　58

5.1　什么是分析　59

5.2　分析的类型　60

5.2.1　描述性分析　63

5.2.2　探索性分析　65

5.2.3　推断分析　71

5.2.4　预测分析　73

5.2.5　因果分析　76

第6章　指标设计　78

6.1　指标设计　79

6.1.1　简单　79

6.1.2　标准化　79

6.1.3　准确　80

6.1.4　精确　81

6.1.5　相对和绝对　81

6.1.6　稳健　82

6.1.7　直接　83

6.2　KPI　84

6.2.1　KPI案例　85

6.2.2　多少个KPI　86

6.2.3　KPI的定义和目标　87

第7章　用数据讲故事　89

7.1　讲故事　89

7.2　第 一步　92

7.2.1　想达到什么目的　92

7.2.2　受众是谁　92

7.2.3　使用什么媒介　93

7.3　大力推销　93

7.4　数据可视化　94

7.4.1　选择图表　94

7.4.2　设计图表元素　97

7.5　传达　101

7.5.1　信息图　101

7.5.2　仪表板　103

7.6　小结　106

第8章　A/B测试　108

8.1　为何要做A/B测试　111

8.2　怎么做：A/B测试中的最佳实践　112

8.2.1　实验之前　112

8.2.2　运行实验　117

8.3　其他方法　119

8.3.1　多变量测试　119

8.3.2　贝叶斯定理的“强盗”　120

8.4　文化内涵　121

第9章　决策　123

9.1　决策制定得如何　124

9.2　是什么让决策变得困难　127

9.2.1　数据　128

9.2.2　文化　129

9.2.3　认知障碍　130

9.2.4　直觉会在何处奏效　133

9.3　解决方案　134

9.3.1　动机　135

9.3.2　能力　136

9.3.3　触发器　139

9.4　小结　139

第　10章 数据驱动型文化　141

10.1　开放、信任的文化　142

10.2　广泛的数据通识　144

10.3　目标优先的文化　145

10.4　求知好问的文化　146

10.5　迭代、学习型的文化　147

10.6　反HiPPO文化　149

10.7　数据领导　149

第　11章 数据驱动型的首席高管　151

11.1　首席数据官　152

11.1.1　首席数据官的职责　153

11.1.2　成功的秘密　155

11.1.3　首席数据官的未来　158

11.2　首席分析官　159

11.3　小结　162

第　12章 隐私、道德和风险　164

12.1　尊重隐私　165

12.2　要有同理心　168

12.3　数据质量　172

12.4　安全　173

12.5　执行　174

12.6　小结　174

第　13章 结论　176

扩展阅读　181

附录A　关于数据不合理的有效性：为什么数据越多越好　183

附录B　愿景声明　189

关于作者　192

关于封面　192