《大數據MBA 通過大數據實現與分析驅動企業決策與轉型》是2017年清華大學出版社出版的圖書，作者是[美] Bill Schmarzo。
基本介紹
- 書名：大數據MBA 通過大數據實現與分析驅動企業決策與轉型
- 作者：[美] Bill Schmarzo
- 出版社：清華大學出版社
- ISBN：9787302477365
內容簡介,圖書目錄,作者簡介,
內容簡介
商業利益相關者放棄對信息技術數據和分析方法控制的日子已經結束了。商業利益相關者在對機構進行數據收集和分析工作提供支持和貨幣化方面必須處於前沿及核心的位置。商業領導者需要了解在何處以及如何使用大數據，利用客戶、產品和運營數據的新來源之間的衝突，再加上數據科學，最佳化關鍵業務流程，發現新的貨幣化機會，創造競爭優勢新來源。然而，將商業用戶改造成數據科學家是不現實的。重要的是，我們應當教會商業用戶像數據科學家一樣思考，這樣他們便可以利用信息技術，與數據科學家合作，進行用例識別、需求定義、業務估值以及最終的分析操作。本書提供了一個商業化框架，輔以相應的支持方法和實踐練習。這些方法和練習不僅可以幫助商業用戶明確在何處以及如何利用大數據獲得商業優勢，而且還為操作分析方法、建立正確的組織結構，以及將機構用戶體驗的分析觀察結果推向客戶和一線員工等多方面提供了相應的指導。
圖書目錄
第I部分 大數據的商業潛力
第1章 大數據商業任務 3
1.1 大數據MBA介紹 3
1.2 關注大數據的驅動競爭差異 5
1.2.1 利用技術推動競爭差異 6
1.2.2 論經濟驅動的商業轉型
經驗 6
1.3 “不同思考方式”的重要性 8
1.3.1 別想著大數據技術，想想
商業轉型 8
1.3.2 別想著商業智慧型，想想
數據科學 9
1.3.3 別想著數據倉庫，想想
數據湖泊 9
1.3.4 別想著“發生了什麼”，
想想“會發生什麼” 10
1.3.5 別想著最高收入人群，
想想合作 11
1.4 本章小結 12
1.5 家庭作業 12
第2章 大數據商業模式成熟度指數 15
2.1 介紹大數據商業模式
成熟度指數 16
2.1.1 階段1：商業監測 18
2.1.2 階段2：商業觀察 18
2.1.3 階段3：商業最佳化 21
2.1.4 階段4：數據貨幣化 22
2.1.5 階段5：商業蛻變 24
2.2 大數據商業模式成肯凝灶熟度
指數經驗心得 25
2.2.1 經驗1：專注原始
大數據價值 25
2.2.2 經驗2：充分利用見解，
創戒判籃建新的盈利機會 26
2.2.3 經驗3：為企業機構
變革做準備 26
2.3 本章小結 27
2.4 家庭作業 28
第3章 大數據策略文檔 29
3.1 建立通用商業術語 30
3.2 介紹大數據策略文檔 31
3.2.1 確定機構的關鍵商業計畫 32
3.2.2 Chipotle餐館中最重要的
是什麼 33
3.2.3 確定關鍵商業實體全催和
關鍵決策 34
3.2.4 明確經濟助力因素(用例) 37
3.2.5 識別和最佳化數據源 39
3.3 介紹優先權矩陣 42
3.4 使用大數據策略文檔，贏得
世界職業棒球大賽 43
3.5 本章小結 47
3.6 家庭作業 48
第4章 用戶體驗的重要性 51
4.1 “無知的”用戶體驗 52
4.2 消費者案例分析：提高
客戶參與 54
4.3 商業案例研究：啟用
一線員工 56
4.3.1 門店經理儀錶盤 56
4.3.2 示例用例：競爭分析 58
4.3.3 其他用例 59
4.4 B2B案例研究：使渠道
更有效 60
4.4.1 顧問是甩埋糠白你的合作夥伴
——助他們成功 61
4.4.2 理財顧問案例研究 61
4.4.3 理財顧問儀錶盤的
信息部分 63
4.4.4 理財顧問儀錶盤的
建議部分 65
4.5 本章小結 68
4.6 家庭作業 69
第II部分 數據科學
第5章 商業智慧型和數據科學
之間的差異 73
5.1 什麼是數據科學 74
5.1.1 商業智慧型與數據科學：
問題是不同的 75
5.1.2 商業智慧型問題 76
5.1.3 數據科學的問題 76
5.2 分析師各具特點 77
5.3 分析方法不同 78
5.3.1 商業智慧型分析再檔朽歸師的參與
過程 78
5.3.2 數據科潤雅拒學家的參與過程 80
5.4 數據模型不同 82
5.4.1 商業智慧型的數據模型 82
5.4.2 數據科學的數據建模 83
5.5 商業角度的不同 85
5.6 本章小結 88
5.7 家庭作業 88
第6章 數據科學101 89
6.1 數據科學案例研究設定 89
6.2 基礎的探索性分析 91
6.2.1 趨勢分析 91
6.2.2 箱形圖 94
6.2.3 地理(空間)分析 95
6.2.4 配對圖 95
6.2.5 時間序列分解 96
6.3 分析算法與模型 97
6.3.1 聚類分析 98
6.3.2 正態曲線當量(NCE)分析罪婚諒 99
6.3.3 關聯分析 100
6.3.4 圖形分析 101
6.3.5 文本挖掘 102
6.3.6 情感分析 103
6.3.7 遍歷模式分析 104
6.3.8 決策樹分類器分析 105
6.3.9 同期群分析 106
6.4 本章小結 108
6.5 家庭作業 110
第7章 數據湖泊 111
7.1 數據湖泊簡介 112
7.2 支持商業運行的數據
湖泊特徵 114
7.3 使用數據湖泊跨越分析
鴻溝 115
7.4 數據和分析環境的現代化 117
7.4.1 行動1：創建基於Hadoop
的數據湖泊 117
7.4.2 行動2：分析沙箱的簡介 118
7.4.3 行動3：摒棄數據
倉庫中的ETL過程 119
7.5 分析輻射型分析架構 120
7.6 早期學習 121
7.6.1 經驗1：命名並不重要 122
7.6.2 經驗2：它是數據湖泊，
而不是數據湖區 122
7.6.3 經驗3：數據治理是
一個生命周期，而不是
一個項目 123
7.6.4 經驗4：數據湖泊優於而
不是落後於數據倉庫 124
7.7 未來是什麼 125
7.8 本章小結 126
7.9 家庭作業 127
第III部分 商業利益相關者的數據科學
第8章 像數據科學家一樣思考 131
8.1 像數據科學家一樣思考的
過程 132
8.2 本章小結 142
8.3 家庭作業 143
第9章 “By”分析技術 145
9.1 “By”分析技術的簡介 146
9.2 “By”分析練習 148
9.3 基於“By”分析的Foot Locker
用例 152
9.4 本章小結 154
9.5 家庭作業 154
第10章 評分開發技術 157
10.1 分數的定義 158
10.2 FICO分數示例 158
10.3 其他行業評分的示例 161
10.4 繼續討論勒布朗 ? 詹姆斯的
示例 162
10.5 繼續討論Foot Locker的
示例 166
10.6 本章小結 169
10.7 家庭作業 169
第11章 貨幣化訓練 171
11.1 健身跟蹤器貨幣化示例 172
11.1.1 步驟1：了解產品使用 172
11.1.2 步驟2：開發商業利益
相關者的人物角色 173
11.1.3 步驟3：對潛在的建議
集思廣益 174
11.1.4 步驟4：確定支持的
數據源 175
11.1.5 步驟5：對盈利機會
進行優先權排序 177
11.1.6 步驟6：開發貨幣化
計畫 178
11.2 本章小結 179
11.3 家庭作業 179
第12章 商業蛻變訓練 181
12.1 商業蛻變回顧 182
12.2 商業蛻變訓練 183
12.2.1 明確商業蛻變構想 183
12.2.2 了解你的客戶 184
12.2.3 明確價值主張 184
12.2.4 定義數據和分析需求 185
12.3 衛生保健中的商業蛻變 190
12.4 本章小結 193
12.5 家庭作業 194
第IV部分 構建跨企業間的支持
第13章 構想的力量 197
13.1 構想：為創造性思維助力 198
13.1.1 大數據前景研討會的
流程 198
13.1.2 前期研究 199
13.1.3 採訪商業利益相關者 200
13.1.4 用數據科學進行探索 200
13.1.5 研討會 202
13.1.6 設計研討會 204
13.2 最最佳化矩陣 206
13.3 本章小結 208
13.4 家庭作業 208
第14章 釋放企業機構影響力 209
14.1 首席數據貨幣化執行官 209
14.1.1 首席數據貨幣化執行官的
職責 210
14.1.2 首席數據貨幣化執行官
機構 210
14.1.3 分析卓越中心 211
14.1.4 首席數據貨幣化執行官的
領導力 212
14.2 隱私、信任度和決策治理 212
14.2.1 隱私問題=信任問題 213
14.2.2 決策管理 214
14.3 釋放企業機構的創新能力 214
14.4 本章小結 216
14.5 家庭作業 217
第15章 故事 219
15.1 客戶和員工的分析 221
15.2 產品和設備分析 224
15.3 網路和運營分析 225
15.4 一個好的商業故事的特點 227
15.5 本章小結 228
15.6 家庭作業 228
作者簡介
Bill Schmarzo，是Dell EMC公司首席技術官(CTO)。作為首席技術官，他負責制定Dell EMC全球服務的大數據策略、指導大數據服務產品和功能。他還直接與企業合作，幫助他們明確在何處以及如何開始他們的大數據之旅。Bill是Big Data: Understanding How Data Powers Big Business一書的作者，他還撰寫白皮書，是個狂熱的博主，經常發表演講，介紹如何利用大數據和數據科學影響企業的關鍵商業計畫。他是舊金山大學管理學院的一名研究員，教授“大數據MBA”課程。
Bill在數據倉庫、商業智慧型和分析方面具有三十年以上的經驗。他撰寫了“EMC大數據願景研討會”方案，並與Ralph Kimball共同編寫了一系列分析應用程式類文章。Bill曾在數據倉庫研究所工作，擔任分析套用課程的負責人。此前，他是雅虎(Yahoo!)分析副總裁，負責Business Objects的分析應用程式商業部門，職責包括其行業定義的分析應用程式的開發、市場行銷和銷售。
Bill擁有柯伊學院數學、計算機科學和工商管理理學學士學位，以及愛荷華大學工商管理碩士學位。
3.3 介紹優先權矩陣 42
3.4 使用大數據策略文檔，贏得
世界職業棒球大賽 43
3.5 本章小結 47
3.6 家庭作業 48
第4章 用戶體驗的重要性 51
4.1 “無知的”用戶體驗 52
4.2 消費者案例分析：提高
客戶參與 54
4.3 商業案例研究：啟用
一線員工 56
4.3.1 門店經理儀錶盤 56
4.3.2 示例用例：競爭分析 58
4.3.3 其他用例 59
4.4 B2B案例研究：使渠道
更有效 60
4.4.1 顧問是你的合作夥伴
——助他們成功 61
4.4.2 理財顧問案例研究 61
4.4.3 理財顧問儀錶盤的
信息部分 63
4.4.4 理財顧問儀錶盤的
建議部分 65
4.5 本章小結 68
4.6 家庭作業 69
第II部分 數據科學
第5章 商業智慧型和數據科學
之間的差異 73
5.1 什麼是數據科學 74
5.1.1 商業智慧型與數據科學：
問題是不同的 75
5.1.2 商業智慧型問題 76
5.1.3 數據科學的問題 76
5.2 分析師各具特點 77
5.3 分析方法不同 78
5.3.1 商業智慧型分析師的參與
過程 78
5.3.2 數據科學家的參與過程 80
5.4 數據模型不同 82
5.4.1 商業智慧型的數據模型 82
5.4.2 數據科學的數據建模 83
5.5 商業角度的不同 85
5.6 本章小結 88
5.7 家庭作業 88
第6章 數據科學101 89
6.1 數據科學案例研究設定 89
6.2 基礎的探索性分析 91
6.2.1 趨勢分析 91
6.2.2 箱形圖 94
6.2.3 地理(空間)分析 95
6.2.4 配對圖 95
6.2.5 時間序列分解 96
6.3 分析算法與模型 97
6.3.1 聚類分析 98
6.3.2 正態曲線當量(NCE)分析 99
6.3.3 關聯分析 100
6.3.4 圖形分析 101
6.3.5 文本挖掘 102
6.3.6 情感分析 103
6.3.7 遍歷模式分析 104
6.3.8 決策樹分類器分析 105
6.3.9 同期群分析 106
6.4 本章小結 108
6.5 家庭作業 110
第7章 數據湖泊 111
7.1 數據湖泊簡介 112
7.2 支持商業運行的數據
湖泊特徵 114
7.3 使用數據湖泊跨越分析
鴻溝 115
7.4 數據和分析環境的現代化 117
7.4.1 行動1：創建基於Hadoop
的數據湖泊 117
7.4.2 行動2：分析沙箱的簡介 118
7.4.3 行動3：摒棄數據
倉庫中的ETL過程 119
7.5 分析輻射型分析架構 120
7.6 早期學習 121
7.6.1 經驗1：命名並不重要 122
7.6.2 經驗2：它是數據湖泊，
而不是數據湖區 122
7.6.3 經驗3：數據治理是
一個生命周期，而不是
一個項目 123
7.6.4 經驗4：數據湖泊優於而
不是落後於數據倉庫 124
7.7 未來是什麼 125
7.8 本章小結 126
7.9 家庭作業 127
第III部分 商業利益相關者的數據科學
第8章 像數據科學家一樣思考 131
8.1 像數據科學家一樣思考的
過程 132
8.2 本章小結 142
8.3 家庭作業 143
第9章 “By”分析技術 145
9.1 “By”分析技術的簡介 146
9.2 “By”分析練習 148
9.3 基於“By”分析的Foot Locker
用例 152
9.4 本章小結 154
9.5 家庭作業 154
第10章 評分開發技術 157
10.1 分數的定義 158
10.2 FICO分數示例 158
10.3 其他行業評分的示例 161
10.4 繼續討論勒布朗 ? 詹姆斯的
示例 162
10.5 繼續討論Foot Locker的
示例 166
10.6 本章小結 169
10.7 家庭作業 169
第11章 貨幣化訓練 171
11.1 健身跟蹤器貨幣化示例 172
11.1.1 步驟1：了解產品使用 172
11.1.2 步驟2：開發商業利益
相關者的人物角色 173
11.1.3 步驟3：對潛在的建議
集思廣益 174
11.1.4 步驟4：確定支持的
數據源 175
11.1.5 步驟5：對盈利機會
進行優先權排序 177
11.1.6 步驟6：開發貨幣化
計畫 178
11.2 本章小結 179
11.3 家庭作業 179
第12章 商業蛻變訓練 181
12.1 商業蛻變回顧 182
12.2 商業蛻變訓練 183
12.2.1 明確商業蛻變構想 183
12.2.2 了解你的客戶 184
12.2.3 明確價值主張 184
12.2.4 定義數據和分析需求 185
12.3 衛生保健中的商業蛻變 190
12.4 本章小結 193
12.5 家庭作業 194
第IV部分 構建跨企業間的支持
第13章 構想的力量 197
13.1 構想：為創造性思維助力 198
13.1.1 大數據前景研討會的
流程 198
13.1.2 前期研究 199
13.1.3 採訪商業利益相關者 200
13.1.4 用數據科學進行探索 200
13.1.5 研討會 202
13.1.6 設計研討會 204
13.2 最最佳化矩陣 206
13.3 本章小結 208
13.4 家庭作業 208
第14章 釋放企業機構影響力 209
14.1 首席數據貨幣化執行官 209
14.1.1 首席數據貨幣化執行官的
職責 210
14.1.2 首席數據貨幣化執行官
機構 210
14.1.3 分析卓越中心 211
14.1.4 首席數據貨幣化執行官的
領導力 212
14.2 隱私、信任度和決策治理 212
14.2.1 隱私問題=信任問題 213
14.2.2 決策管理 214
14.3 釋放企業機構的創新能力 214
14.4 本章小結 216
14.5 家庭作業 217
第15章 故事 219
15.1 客戶和員工的分析 221
15.2 產品和設備分析 224
15.3 網路和運營分析 225
15.4 一個好的商業故事的特點 227
15.5 本章小結 228
15.6 家庭作業 228
作者簡介
Bill Schmarzo，是Dell EMC公司首席技術官(CTO)。作為首席技術官，他負責制定Dell EMC全球服務的大數據策略、指導大數據服務產品和功能。他還直接與企業合作，幫助他們明確在何處以及如何開始他們的大數據之旅。Bill是Big Data: Understanding How Data Powers Big Business一書的作者，他還撰寫白皮書，是個狂熱的博主，經常發表演講，介紹如何利用大數據和數據科學影響企業的關鍵商業計畫。他是舊金山大學管理學院的一名研究員，教授“大數據MBA”課程。
Bill在數據倉庫、商業智慧型和分析方面具有三十年以上的經驗。他撰寫了“EMC大數據願景研討會”方案，並與Ralph Kimball共同編寫了一系列分析應用程式類文章。Bill曾在數據倉庫研究所工作，擔任分析套用課程的負責人。此前，他是雅虎(Yahoo!)分析副總裁，負責Business Objects的分析應用程式商業部門，職責包括其行業定義的分析應用程式的開發、市場行銷和銷售。
Bill擁有柯伊學院數學、計算機科學和工商管理理學學士學位，以及愛荷華大學工商管理碩士學位。
