數據分析變革大數據時代精準決策之道

《數據分析變革大數據時代精準決策之道》是2015年8月1日人民郵電出版社出版的圖書，作者是[美] 比爾·弗蘭克斯（ Bill Franks） 。

基本介紹

• 中文名：數據分析變革大數據時代精準決策之道
• 作者：[美] 比爾·弗蘭克斯（ Bill Franks）
• 出版社：人民郵電出版社
• ISBN：9787115399229

內容簡介

能夠快速適應不斷變化的市場環境的能力是獲得成功的關鍵。本書旨在將數據分析嵌入運營流程，幫助讀者將從數據（包括大數據和小數據）分析中獲得的業務洞察與日常運營緊密集成在一起。

本書確切地講述了使分析運營化到底意味著哪些變革，並告訴讀者如何建立團隊、創建文化、升級分析方法論並利用技術，使企業向更好、更快、更有效決策的運營型分析演變。本書提供了一個在所有類型的業務流程中嵌入分析流程的可擴展框架。在這本書中，讀者將了解如何梳理頭緒，掃清障礙，積極利用當前主流趨勢和流程，確保能夠持續超過競爭對手。

圖書目錄

第一部分　變革已然開始

第1章　了解運營型分析3

1．1　定義運營型分析3

1．1．1　什麼是運營型分析4

1．1．2　運營型分析的獨特之處5

1．1．3　使運營型分析獨樹一幟的基石7

1．2　歡迎來到分析3．08

1．2．1　分析1．0：傳統分析9

1．2．2　分析2．0：大數據分析10

1．2．3　分析3．0：面向效果最大化的統一分析13

1．2．4　採用分析3．0的運營型分析14

1．3　分析是如何改變業務的16

1．3．1　分析是目標，不是副產品16

1．3．2　分析性產品正在打破行業界限18

1．3．3　運營型分析將是顛覆性的20

1．4　全面看待運營型分析21

1．4．1　數據質量及時效性依然重要21

1．4．2　運營型分析會壓制創新性？23

1．4．3　運營型分析的很多概念並非全新24

1．5　小結24

第2章　更多數據……巨多數據……大數據！27

2．1　穿越炒作的迷霧27

2．1．1　大數據的定義是什麼？管它呢！28

2．1．2　從正確的角度出發29

2．1．3　大數據有泡沫嗎31

2．2　為大數據做好準備33

2．2．1　大數據浪潮已經到來33

2．2．2　新信息使大數據變得更強大34

2．2．3　找新問題提問36

2．2．4　數據留存不再是兩元決策38

2．2．5　物聯網時代即將到來40

2．3　縱觀全局看待大數據41

2．3．1　與其說是大數據，還不如說是差異化數據41

2．3．2　大數據必須具有多維可擴展性42

2．3．3　實現大數據價值的最大化44

2．3．4　回到未來46

2．3．5　大數據正在經歷成熟度曲線47

2．3．6　大數據是全球現象49

2．4　小結50

第3章　運營型分析實戰53

3．1　改進客戶體驗53

3．1．1　出現神奇時刻54

3．1．2　為客戶提供透明度56

3．1．3　升級客戶服務57

3．1．4　提升線上體驗58

3．2　時間是最重要的59

3．2．1　分析過程中的安全性59

3．2．2　價值一億美元的一毫秒60

3．3　使我們更安全62

3．3．1　避免不良事件62

3．3．2　確保產品新鮮度63

3．3．3　政府也能進行運營化分析63

3．4　提升運營效率64

3．4．1　最大化獲取能量65

3．4．2　最佳化電力產生65

3．4．3　增加燃料效率66

3．4．4　改進呼叫中心績效66

3．5　改善我們未來的生活67

3．5．1　解放我們的時間67

3．5．2　幫助我們保持健康68

3．6　尋找數據中的意外價值69

3．6．1　利用地理位置數據完成交通狀況更新70

3．6．2　利用感測器來提高農作物產量70

3．6．3　利用合規數據提高銷售71

3．6．4　也能創建戰略性分析71

3．7　小結73

第二部分　奠定基礎

第4章　想要預算？先制訂商業計畫77

4．1　設定優先權77

4．1．1　從業務問題開始，而不是數據或技術77

4．1．2　關注回報而非成本79

4．1．3　瞄準造成差異的因素，而非漸進式的改進79

4．2　選擇合適的決策標準81

4．2．1　描繪更廣闊的前景82

4．2．2　數據洞察時間83

4．2．3　實施能力84

4．2．4　分析價值與技術價值86

4．3　需要考慮的商業計畫框架87

4．3．1　什麼是運營型分析的總體成本87

4．3．2　考慮所有長期的成本89

4．3．3　成本中最容易忽略的部分91

4．3．4　有關改變方程式的問題92

4．3．5　可擴展性不只關係到存儲和處理92

4．4　商業計畫的取勝技巧93

4．4．1　不要強推一項商業計畫93

4．4．2　想要成功，從小做起94

4．4．3　接受一些不確定性96

4．4．4　有很多選項，要明智選擇97

4．4．5　解釋為什麼這么做是正確的97

4．5　小結99

第5章　建立分析平台101

5．1　規劃102

5．1．1　使分析運營化不是一個技術問題102

5．1．2　增加組件，而非替換組件103

5．1．3　不同的平台，不同的優勢104

5．1．4　今天就做正確的事105

5．2　著手構建106

5．2．1　歡迎進入基於結構的計算107

5．2．2　統一分析環境的支柱108

5．2．3　額外的配套技術118

5．3　使用120

5．3．1　任何分析，任何數據，任何時間120

5．3．2　終端用戶不會關注數據存儲在哪裡121

5．3．3　雲方式如何122

5．4　小結123

第6章　監管和隱私125

6．1　設定監管階段125

6．1．1　《1984》的啟示126

6．1．2　安全許可模式126

6．1．3　合作夥伴的重要性128

6．1．4　監管物聯網129

6．2　決定在哪裡進行分析130

6．2．1　永不說不131

6．2．2　挑選最好的工作方式132

6．2．3　致力於正確的組合133

6．3　監管運營型分析134

6．3．1　不同的需求134

6．3．2　監測運營型分析136

6．3．3　探索平台與探索環境137

6．3．4　數據洞察時間與執行時間138

6．4　隱私139

6．4．1　大數據成了老大哥？140

6．4．2　設定隱私規範143

6．4．3　不合邏輯的隱私條例144

6．4．4　隱私政策的未來145

6．5　小結146

第三部分　分析運營化

第7章　數據分析151

7．1　創建運營型分析流程151

7．1．1　分析過程的一致性151

7．1．2　從批量分析到運營型分析153

7．1．3　什麼是運營型分析154

7．2　拓展到新分析原則155

7．2．1　分析原則的定義155

7．2．2　多原則分析案例157

7．2．3　多原則分析的具體步驟159

7．3　集中分析力量160

7．3．1　提對問題，作好假設160

7．3．2　下注吧！162

7．3．3　不要冒失地判斷163

7．4　比較分析方法164

7．4．1　探索性分析與驗證性分析164

7．4．2　研發與盲目刺探166

7．4．3　強化運營規模的流程167

7．5　過去的教訓168

7．5．1　統計方法仍然有價值169

7．5．2　不要小看採樣170

7．5．3　不要將分析複雜化171

7．5．4　運營型分析必須提供解決方案172

7．6　小結173

第8章　分析機構175

8．1　重大轉型已然發生175

8．2　人員任用177

8．2．1　誰是專業分析人員177

8．2．2　舊派與新派的意見相合178

8．2．3　解決人才危機179

8．2．4　所不包183

8．2．5　使人員留存最大化184

8．3　組織管理185

8．3．1　標準組織架構是什麼185

8．3．2　組織架構建議186

8．3．3　演進到混合架構模式187

8．3．4　真的需要首席分析官嗎188

8．3．5　首席數據官的職責190

8．3．6　跨職能團隊190

8．4　成功191

8．4．1　明智地利用外部資源191

8．4．2　堅持到底，直至成功192

8．4．3　有效管理期望行為194

8．4．4　變成顧問、導師和教練195

8．4．5　裁判思維196

8．4．6　激勵不當，代價沉重197

8．5　小結198

第9章　分析文化氛圍201

9．1　逐步灌輸正確的思維方式201

9．1．1　從跳蚤身上學習202

9．1．2　自上而下擁抱分析203

9．1．3　認可分析人員的價值204

9．1．4　推動行為模式的轉變204

9．1．5　克服阻力與牴觸情緒205

9．2　推行注重實效的政策208

9．2．1　小轉變，大效果208

9．2．2　IT角色從服務變為支撐210

9．2．3　保證規劃的正確性211

9．3　推進成功212

9．3．1　尋找出乎意料的價值212

9．3．2　找到早期採納者和行動派213

9．3．3　行銷活動準備215

9．4　容忍與處理失敗217

9．4．1　能測試的想法壞也壞不到哪兒217

9．4．2　不要太介意失敗218

9．4．3　不要漠然接受失敗219

9．5　小結221

結語：加入變革吧！223