《數據分析即未來》由機械工業出版社出版，融合了數據科學、設計思維和組織理論，全方位闡釋如何高效達成高水平企業級數據分析能力。
基本介紹
- 書名：數據分析即未來
- 作者：格雷戈里·S. 納爾遜
- 譯者：陳道斌+萬芊
- 出版社：機械工業出版社
- 出版時間：2020年6月1日
- 頁數：472 頁
- 定價：89 元
- 開本：32 開
- ISBN：9787111656999
內容簡介,圖書目錄,作者簡介,
內容簡介
本書旨在為數據分析生命周期提供一個全面和實用的指南，並著重於為組織打造行之有效的數據分析能力。全書分為三部分，第壹部分分析基礎篇，討論了如何通過整合組織的人員、流程、技術和數據等資源來實現這樣的分析能力；第二部分分析生命周期*佳實踐篇，介紹了不同種類的分析產品和服務，以及如何支持分析產品或服務的設計、開發和交付；第三部分分析能力卓越常青之道，圍繞如何讓分析產品對組織的完善和持續改進產生*大作用展開討論，內容包括如何衡量分析項目的效率和效果兩個方面，以及如何套用行為經濟學、社會心理學和變革管理等其他學科的經驗和知識改進和完善分析過程。
圖書目錄
推薦序一
推薦序二
譯者序
前言
致謝
作者簡介
譯者戶妹乎簡介
第一部分 分析基礎
第1章 分析概覽 2
1.1 基本概念 2
1.1.1 數據 3
1.1.2 分析 4
1.1.3 什麼是分析 5
1.1.4 分析與其他概念的區別 7
1.2 分析概念 9
1.2.1 商業智慧型和報表 9
1.2.2 大數據 12
1.2.3 數據科學 13
1.2.4 邊緣（和環境）分析 14
1.2.5 信息學 16
1.2.6 人工智慧與認知計算 16
1.3 分析方鴉慨阿獄法論 18
1.3.1 套用統計與數學 19
1.3.2 預測才槳棄立和時間序列 22
1.3.3 自然語言處理 22
1.3.4 文本挖掘與文本分析 26
1.3.5 機器學習 27
1.3.6 數據挖掘 30
1.4 分析的目的 31
1.4.1 分析是關於改善結果的活動 32
1.4.2 分析是關於創造價值的活動 33
1.4.3 分析是關於發現的活動 34
1.4.4 分析是關於促成變革的活動 35
1.5 本章小結 36
1.6 參考文獻 38
第2章 分析人促盼榜才 41
2.1 誰來做分析工作 41
2.2 分析師的職責 44
2.3 分析工作的崗位序列 46
2.3.1 業務分析 47
2.3.2 統計分析 48
2.3.3 技術分析 49
2.3.4 領導力分析 50
2.3.5 產品分析管理 51
2.4 分析的關鍵能力 52
2.5 分析思維 56
2.5.1 問題求解 58
2.5.2 分解方法敬提 61
2.5.3 綜合方法 62
2.6 批判性思維方法 63
2.7 分析中套用批判性思維的例子 65
2.8 如何提高批判性思維能力 66
2.9 系統性思維 68
2.10 本章小結 71
2.11 參考文獻 72
第3章 分析的組織背景 74
3.1 組織的戰略與分析活動的協同 74
3.1.1 目標 76
3.1.2 戰略 76
3.1.3 組織的能力 78
3.1.4 資源 80
3.1.5 評估和管理系統 80
3.2 組織的文化 83
3.3 分析團隊的組織架構設計 87
3.4 什麼樣的分析團隊組織架構設計最好 90
3.4.1 集中式架構 91
3.4.2 分散式架構 94
3.4.3 卓越中心式架構 97
3.4.4 分析的組織方式 100
3.5 本章小結 102
3.6 參考文獻 103
第4章 數據戰略、平台與架構 105
4.1 數據戰略 106
4.1.1 數據戰略聲明 107
4.1.2 戰略與實施 109
4.2 戰略規劃流程 109
4.3 規劃一個數據戰略路線圖 113
4.3.1 範圍和目的 114
4.3.2 數據收集、標準化和清洗 115
4.3.3 數據架構、虛擬化和整合 116
4.3.4 數據洞察和分析 117
4.3.5 數據治理和數據質量 118
4.3.6 元數據管理 120
4.3.7 數據訪問、發布、隱私和安全 121
4.3.8 數據保存 122
4.3.9 性能與服務水平協定 123
4.4 制定數據戰略的敏捷方法 124
4.5 數據戰略小結 125
4.6 平台和架構分析 126
4.7 分析架構 127
4.7.1 範圍：業務規模和生肯鴉戒命周期支持 130
4.7.2 決策的複雜度 130
4.7.3 理解複雜度 132
4.7.4 緊迫性和影響 132
4.8 特定目的數據或潛在價值數據 134
4.9 本章小結 136
4.10 參考文獻 137
第二部分 分析生命周期最佳實踐
第5章 分析生命周期工具包 140
5.1 分析格精巴生命周期最佳實踐領域 140
5.2 數據分析是數據科學的產物 143
5.3 數據分析的目標 143
5.4 分析產品的規模和範圍 144
5.5 分析生命周期工具包的組織方式 146
5.5.1 關於分析流程 147
5.5.2 分析生命周期最佳實踐領域、流程和工具 148
5.6 分析的設計思維 154
5.6.1 什麼是設計思維 154
5.6.2 設計思維應考慮用戶旅程 155
5.6.3 設計思維的五個步驟 156
5.7 本章小結 159
5.8 參考文獻 159
第6章 問題理解 160
6.1 流程概述 160
6.2 為什麼要理解問題 161
6.3 流程領域 161
6.3.1 問題定義 163
6.3.2 根本原因調查 167
6.3.3 提出假設 175
6.3.4 問題設計 182
6.3.5 業務方案優先權設定 190
6.4 本章小結 195
6.5 工具包總結 197
6.6 參考文獻 198
第7章 數據探查 200
7.1 流程概述 200
7.1.1 數據探索 200
7.1.2 為什麼要做數據探查 203
7.2 數據探查過程 203
7.2.1 數據識別和優先權排序 204
7.2.2 數據收集和準備 209
7.2.3 數據剖析和特徵描述 213
7.2.4 可視化探索 227
7.3 記錄分析日誌 228
7.4 本章小結 230
7.5 工具包總結 231
7.6 參考文獻 232
第8章 分析模型開發 234
8.1 流程概述 234
8.1.1 分析模型定義 239
8.1.2 模型開發 240
8.1.3 利用多種方法進行檢驗 245
8.1.4 為什麼要這樣做 248
8.2 建模過程 249
8.3 進行比較 250
8.4 度量關聯 260
8.4.1 相關性統計檢驗 264
8.4.2 其他相關性檢驗 266
8.5 進行預測 267
8.5.1 檢測模式 270
8.5.2 模式檢測過程 275
8.6 本章小結 277
8.7 問題總結和練習 278
8.8 工具包總結 280
8.9 參考文獻 281
第9章 成果套用 285
9.1 流程概述 285
9.1.1 為什麼要研究成果套用環節 286
9.1.2 成果套用過程涉及的領域 288
9.2 解決方案評估 289
9.2.1 步驟1：模型回顧和驗證 290
9.2.2 步驟2：對結果的評價 291
9.2.3 步驟3：影響評估 292
9.3 分析成果套用的實施 293
9.3.1 步驟1：制定部署計畫 294
9.3.2 步驟2：關鍵指標的定義 296
9.3.3 步驟3：項目評估 297
9.4 演示和講故事 298
9.4.1 通過數據講故事的資源 299
9.4.2 用數據講故事的最佳實踐 303
9.5 本章小結 316
9.6 練習 318
9.7 工具箱總結 320
9.8 參考文獻 321
第10章 分析產品管理 326
10.1 流程概述 326
10.2 分析產品管理過程涉及的領域 329
10.2.1 分析產品經理 330
10.2.2 價值管理 334
10.2.3 分析生命周期的執行 348
10.2.4 質量流程 362
10.2.5 利益相關方的參與和反饋 368
10.2.6 能力和人才發展 371
10.3 本章小結 373
10.4 工具包總結 374
10.5 參考文獻 375
第三部分 分析能力卓越常青之道
第11章 把分析付諸行動 380
11.1 分析的力量 380
11.2 高效和有效的分析計畫 384
11.2.1 了解分析生命周期 387
11.2.2 關於有效分析的一些觀點 390
11.2.3 對分析效果和效率的挑戰 391
11.3 為什麼分析的上線運營會失敗 392
11.4 變革管理 396
11.4.1 選擇正確的變革方法 398
11.4.2 為什麼要開展變革管理 400
11.4.3 對變革的情感反應 401
11.4.4 分析變革管理的例子 404
11.5 引領變革的最佳實踐 405
11.5.1 創建共同的變革目標 406
11.5.2 建立可見的、參與型的領導聯盟 407
11.5.3 賦能參與和溝通 409
11.5.4 支持強化個人績效 413
11.6 變革中的問題處理 414
11.7 本章小結 416
11.8 參考文獻 417
第12章 分析團隊的核心勝任力 418
12.1 核心勝任力概述 418
12.1.1 分析勝任力定義 418
12.1.2 培養分析勝任力 420
12.1.3 過去和未來所需要的職場勝任力 421
12.1.4 分析職業框架 422
12.2 核心勝任力詳述 422
12.2.1 勝任力領域：業務知識 424
12.2.2 勝任力領域：分析思維 427
12.2.3 勝任力領域：數據管理 430
12.2.4 勝任力領域：數據探索 432
12.2.5 勝任力領域：數據可視化 433
12.2.6 勝任力領域：技術素養 435
12.2.7 勝任力領域：戰略思維 438
12.2.8 勝任力領域：領導力 440
12.2.9 勝任力領域：分析產品管理 443
12.3 基於知識領域的分析工作崗位序列的理想勝任力 446
12.3.1 勝任力領域：業務知識 446
12.3.2 勝任力領域：分析思維 448
12.3.3 勝任力領域：數據管理 448
12.3.4 勝任力領域：數據探索 448
12.3.5 勝任力領域：數據可視化 452
12.3.6 勝任力領域：技術素養 452
12.3.7 勝任力領域：戰略思維 452
12.3.8 勝任力領域：領導力 456
12.3.9 勝任力領域：分析產品管理 456
12.4 本章小結 459
12.5 參考文獻 459
第13章 數據分析未來趨勢 460
13.1 數據分析的生命周期框架 460
13.2 分析在未來世界的作用 462
13.3 未來主義者的視角 463
13.3.1 普適計算和分析 464
13.3.2 大數據將驅動創新 465
13.3.3 分隔的行業與視角將消失 466
13.3.4 目標造就差異化 466
13.3.5 勝任力勝過特定技能 467
13.4 最後的一點思考 468
13.5 參考文獻 469
作者簡介
作者簡介
格雷戈里·S. 納爾遜（Gregory S. Nelson） 是ThotWave的創始人和CEO，是國際分析研究所（International Institute for Analytics）的專家，也是杜克大學福卡商學院（Fuqua School of Business）的特約教授。他發表了200多篇論文，並經常在技術領域以及私營公司的國內外活動中擔任演講嘉賓和主旨發言人。
譯者簡介
陳道斌 管理學博士，博士後，先後任中國工商銀行總行管理信息部副總經理、總行電子銀行部副總經理兼融e聯中心總經理、總行資深信息管理專家等職務，工商銀行博士後流動站指導專家，中央財經大學客座教授。陳道斌博士長期從事工商銀行管理信息理論研究和實踐探索，在大型商業銀行數據管理、數據分析領域有精深造詣，多次獲得人民銀行金融科技進步一、二、三等獎。
萬芊 北京大學光華管理學院經濟學博士，中國工商銀行博士後，先後就職於工商銀行總行管理信息部、網路金融部，長期從事工商銀行數據倉庫建設與套用、數據分析師隊伍建設以及大數據分析挖掘工作，對商業銀行數據管理與分析套用有深入的研究和理解。
2.11 參考文獻 72
第3章 分析的組織背景 74
3.1 組織的戰略與分析活動的協同 74
3.1.1 目標 76
3.1.2 戰略 76
3.1.3 組織的能力 78
3.1.4 資源 80
3.1.5 評估和管理系統 80
3.2 組織的文化 83
3.3 分析團隊的組織架構設計 87
3.4 什麼樣的分析團隊組織架構設計最好 90
3.4.1 集中式架構 91
3.4.2 分散式架構 94
3.4.3 卓越中心式架構 97
3.4.4 分析的組織方式 100
3.5 本章小結 102
3.6 參考文獻 103
第4章 數據戰略、平台與架構 105
4.1 數據戰略 106
4.1.1 數據戰略聲明 107
4.1.2 戰略與實施 109
4.2 戰略規劃流程 109
4.3 規劃一個數據戰略路線圖 113
4.3.1 範圍和目的 114
4.3.2 數據收集、標準化和清洗 115
4.3.3 數據架構、虛擬化和整合 116
4.3.4 數據洞察和分析 117
4.3.5 數據治理和數據質量 118
4.3.6 元數據管理 120
4.3.7 數據訪問、發布、隱私和安全 121
4.3.8 數據保存 122
4.3.9 性能與服務水平協定 123
4.4 制定數據戰略的敏捷方法 124
4.5 數據戰略小結 125
4.6 平台和架構分析 126
4.7 分析架構 127
4.7.1 範圍：業務規模和生命周期支持 130
4.7.2 決策的複雜度 130
4.7.3 理解複雜度 132
4.7.4 緊迫性和影響 132
4.8 特定目的數據或潛在價值數據 134
4.9 本章小結 136
4.10 參考文獻 137
第二部分 分析生命周期最佳實踐
第5章 分析生命周期工具包 140
5.1 分析生命周期最佳實踐領域 140
5.2 數據分析是數據科學的產物 143
5.3 數據分析的目標 143
5.4 分析產品的規模和範圍 144
5.5 分析生命周期工具包的組織方式 146
5.5.1 關於分析流程 147
5.5.2 分析生命周期最佳實踐領域、流程和工具 148
5.6 分析的設計思維 154
5.6.1 什麼是設計思維 154
5.6.2 設計思維應考慮用戶旅程 155
5.6.3 設計思維的五個步驟 156
5.7 本章小結 159
5.8 參考文獻 159
第6章 問題理解 160
6.1 流程概述 160
6.2 為什麼要理解問題 161
6.3 流程領域 161
6.3.1 問題定義 163
6.3.2 根本原因調查 167
6.3.3 提出假設 175
6.3.4 問題設計 182
6.3.5 業務方案優先權設定 190
6.4 本章小結 195
6.5 工具包總結 197
6.6 參考文獻 198
第7章 數據探查 200
7.1 流程概述 200
7.1.1 數據探索 200
7.1.2 為什麼要做數據探查 203
7.2 數據探查過程 203
7.2.1 數據識別和優先權排序 204
7.2.2 數據收集和準備 209
7.2.3 數據剖析和特徵描述 213
7.2.4 可視化探索 227
7.3 記錄分析日誌 228
7.4 本章小結 230
7.5 工具包總結 231
7.6 參考文獻 232
第8章 分析模型開發 234
8.1 流程概述 234
8.1.1 分析模型定義 239
8.1.2 模型開發 240
8.1.3 利用多種方法進行檢驗 245
8.1.4 為什麼要這樣做 248
8.2 建模過程 249
8.3 進行比較 250
8.4 度量關聯 260
8.4.1 相關性統計檢驗 264
8.4.2 其他相關性檢驗 266
8.5 進行預測 267
8.5.1 檢測模式 270
8.5.2 模式檢測過程 275
8.6 本章小結 277
8.7 問題總結和練習 278
8.8 工具包總結 280
8.9 參考文獻 281
第9章 成果套用 285
9.1 流程概述 285
9.1.1 為什麼要研究成果套用環節 286
9.1.2 成果套用過程涉及的領域 288
9.2 解決方案評估 289
9.2.1 步驟1：模型回顧和驗證 290
9.2.2 步驟2：對結果的評價 291
9.2.3 步驟3：影響評估 292
9.3 分析成果套用的實施 293
9.3.1 步驟1：制定部署計畫 294
9.3.2 步驟2：關鍵指標的定義 296
9.3.3 步驟3：項目評估 297
9.4 演示和講故事 298
9.4.1 通過數據講故事的資源 299
9.4.2 用數據講故事的最佳實踐 303
9.5 本章小結 316
9.6 練習 318
9.7 工具箱總結 320
9.8 參考文獻 321
第10章 分析產品管理 326
10.1 流程概述 326
10.2 分析產品管理過程涉及的領域 329
10.2.1 分析產品經理 330
10.2.2 價值管理 334
10.2.3 分析生命周期的執行 348
10.2.4 質量流程 362
10.2.5 利益相關方的參與和反饋 368
10.2.6 能力和人才發展 371
10.3 本章小結 373
10.4 工具包總結 374
10.5 參考文獻 375
第三部分 分析能力卓越常青之道
第11章 把分析付諸行動 380
11.1 分析的力量 380
11.2 高效和有效的分析計畫 384
11.2.1 了解分析生命周期 387
11.2.2 關於有效分析的一些觀點 390
11.2.3 對分析效果和效率的挑戰 391
11.3 為什麼分析的上線運營會失敗 392
11.4 變革管理 396
11.4.1 選擇正確的變革方法 398
11.4.2 為什麼要開展變革管理 400
11.4.3 對變革的情感反應 401
11.4.4 分析變革管理的例子 404
11.5 引領變革的最佳實踐 405
11.5.1 創建共同的變革目標 406
11.5.2 建立可見的、參與型的領導聯盟 407
11.5.3 賦能參與和溝通 409
11.5.4 支持強化個人績效 413
11.6 變革中的問題處理 414
11.7 本章小結 416
11.8 參考文獻 417
第12章 分析團隊的核心勝任力 418
12.1 核心勝任力概述 418
12.1.1 分析勝任力定義 418
12.1.2 培養分析勝任力 420
12.1.3 過去和未來所需要的職場勝任力 421
12.1.4 分析職業框架 422
12.2 核心勝任力詳述 422
12.2.1 勝任力領域：業務知識 424
12.2.2 勝任力領域：分析思維 427
12.2.3 勝任力領域：數據管理 430
12.2.4 勝任力領域：數據探索 432
12.2.5 勝任力領域：數據可視化 433
12.2.6 勝任力領域：技術素養 435
12.2.7 勝任力領域：戰略思維 438
12.2.8 勝任力領域：領導力 440
12.2.9 勝任力領域：分析產品管理 443
12.3 基於知識領域的分析工作崗位序列的理想勝任力 446
12.3.1 勝任力領域：業務知識 446
12.3.2 勝任力領域：分析思維 448
12.3.3 勝任力領域：數據管理 448
12.3.4 勝任力領域：數據探索 448
12.3.5 勝任力領域：數據可視化 452
12.3.6 勝任力領域：技術素養 452
12.3.7 勝任力領域：戰略思維 452
12.3.8 勝任力領域：領導力 456
12.3.9 勝任力領域：分析產品管理 456
12.4 本章小結 459
12.5 參考文獻 459
第13章 數據分析未來趨勢 460
13.1 數據分析的生命周期框架 460
13.2 分析在未來世界的作用 462
13.3 未來主義者的視角 463
13.3.1 普適計算和分析 464
13.3.2 大數據將驅動創新 465
13.3.3 分隔的行業與視角將消失 466
13.3.4 目標造就差異化 466
13.3.5 勝任力勝過特定技能 467
13.4 最後的一點思考 468
13.5 參考文獻 469
作者簡介
作者簡介
格雷戈里·S. 納爾遜（Gregory S. Nelson） 是ThotWave的創始人和CEO，是國際分析研究所（International Institute for Analytics）的專家，也是杜克大學福卡商學院（Fuqua School of Business）的特約教授。他發表了200多篇論文，並經常在技術領域以及私營公司的國內外活動中擔任演講嘉賓和主旨發言人。
譯者簡介
陳道斌 管理學博士，博士後，先後任中國工商銀行總行管理信息部副總經理、總行電子銀行部副總經理兼融e聯中心總經理、總行資深信息管理專家等職務，工商銀行博士後流動站指導專家，中央財經大學客座教授。陳道斌博士長期從事工商銀行管理信息理論研究和實踐探索，在大型商業銀行數據管理、數據分析領域有精深造詣，多次獲得人民銀行金融科技進步一、二、三等獎。
萬芊 北京大學光華管理學院經濟學博士，中國工商銀行博士後，先後就職於工商銀行總行管理信息部、網路金融部，長期從事工商銀行數據倉庫建設與套用、數據分析師隊伍建設以及大數據分析挖掘工作，對商業銀行數據管理與分析套用有深入的研究和理解。
