《數據變現》是機械工業出版社出版的圖書，作者是安德魯·羅曼·韋爾斯（Andrew Wells）和凱茜·威廉斯·江（Kathy Chiang），譯者高敬文。
基本介紹
- 中文名：數據變現
- 別名：構建用數據驅動增長的策略和解決方案
- 作者：安德魯·羅曼·韋爾斯（Andrew Wells）、凱茜·威廉斯·江（Kathy Chiang）
- 原作品：Monetizing Your Data: A Guide to Turning Data into Profit-driving Strategies and Solutions
- 譯者：高敬文
- 出版社：機械工業出版社
- 出版時間：2020年3月
- 頁數：360 頁
- 定價：79 元
- ISBN：9787111642268
內容簡介,作者簡介,圖書目錄,
內容簡介
如今各類組織都積累了大量的信息，既有結構化數據信息也有非結構化數據信息，它們對來自網路流量、銷售流程、內部分析和各種其他來源的數據進行了收集和存儲，但目前大多數組織都不具備能夠讓這些數據驅動財務業績增長的方法、工具和技術。本書講解的是通過利用決策架構、數據科學和引導分析的成熟技術，幫助各類組織提高收入或降低成本的方法。
本書提供了一個決策架構的方法論，幫助分析師和組織通過重複的流程、數據分析和數據變現的策略，增加收入或節省成本。此外，本書還提供為商業分析構建數據的技巧，以及一個便於理解聚合策略、數據質量和數據轉換的自動化操作，這一操作可將組織的非結構化信息轉化為可用的商業數據。
作者簡介
安德魯·羅曼·韋爾斯（ Andrew Roman Wells）：
是 Aspirent公司的執行長， Aspirent是一家專注於分析的管理諮詢公司。他有為許多公司建立分析解決方案的豐富經驗，從財富 500強到小型非營利組織。安德魯重點幫助組織利用他們的數據做出重要決策，通過變現策略帶動收入。他已經構建分析解決方案超過 25年，並很樂意與更多的讀者分享這些實用的方法、工具和技巧。
除了擔任高管之外，安德魯還是一位親力親為的顧問，從他在安永會計師事務所擔任諮詢顧問、建立報告解決方案之初起就一直是。他在矽谷完善了自己的技能，為兩家成功的初創公司工作，專注於客戶分析和使用預測方法來推動績效。安德魯在企業界也擔任過管理角色，在第一資本金融公司擔任商業智慧型總監期間，幫助推動了多項專利分析創新。從諮詢到創業公司，再到企業界，安德魯在通過分析推動增長方面擁有廣泛的經驗。他為許多行業和公司建立了解決方案，包括可口可樂公司、洲際酒店集團、家得寶公司、第一資本公司、富國銀行、惠普公司、時代華納公司、美林公司、套用材料公司等。
安德魯和妻子蘇珊娜住在亞特蘭大，他喜歡攝影、跑步和國際旅行。他是麥可·安德魯斯定製服裝公司（ Michael Andrews Bespoke）的合伙人。他還獲得了美國喬治亞大學工商管理學士學位，專注於金融和管理信息系統。
凱茜·威廉斯·江（Kathy Williams Chiang）：
是一位成熟的商業分析從業者，擅長引導分析、分析數據集市開發和商業規劃。現任偉門數據管理（Wunderman Data Management）公司商業洞察部副總裁。
江女士與 Aspirent一起完成了多個跨國客戶的眾多分析諮詢項目，其中包括洲際酒店集團和可口可樂公司等。她還曾在多個國家的公司工作，包括特立尼達和多巴哥電信服務公司、視力品牌照明公司、貝爾南方國際和波特曼海外公司。
江女士在設計和開發分析工具及能夠開啟並推動行動的管理儀錶板方面經驗豐富，她在數據探索、分析、可視化和展示方面的技能非常嫻熟，並在電信、酒店和消費品行業開發了涵蓋客戶體驗、行銷活動、收入管理和網站分析的解決方案。
江女士是紐奧良人，她以優異的成績獲得了路易斯安那州立大學的化學學士學位（績點 4.0），以及杜蘭大學的 MBA學位，同時也是 Phi Beta Kappa和門薩的成員。作為中美關係正常化後第一批進入中國的美國人之一，江女士在具有挑戰性的條件下在中國東北生活了兩年，在那裡教英語、學國語，並且遊覽了中國多個地方。在她的職業生涯中，她曾在美國、加勒比地區、英國、拉丁美洲國家 /地區和中國工作。
圖書目錄
中文版序言
譯者序
序言
致謝
關於作者
第 1篇 簡介
第 1章 簡介 // 2
1.1 決策 // 3
1.2 分析之旅 // 6
1.3 解決問題 // 7
1.4 調研顯示…… // 9
1.5 如何使用這本書 // 12
1.5.1 第 1篇：簡介 // 12
1.5.2 第 2篇：決策分析 // 13
1.5.3 第 3篇：變現策略 // 13
1.5.4 第 4篇：敏捷分析 // 14
1.5.5 第 5篇：實施啟用 // 14
1.5.6 第 6篇：案例研究 // 15
1.6 開始吧 // 15
第 2章 分析循環：推動優質決策 // 16
2.1 分析循環概述 // 17
2.1.1 開啟 // 20
2.1.2 診斷 // 23
2.1.3 行動 // 26
2.1.4 測量 // 26
2.1.5 數據 // 28
2.2 信息用戶層級 // 29
2.3 下一步 // 31
第 3章 決策架構方法論：彌補缺陷 // 32
3.1 方法論概述 // 33
3.2 探索發現 // 37
3.3 決策分析 // 39
3.4 變現策略 // 41
3.5 敏捷分析 // 41
3.5.1 數據開發 /分析結構 // 42
3.5.2 數據科學 /決策理論 // 43
3.5.3 引導分析 // 44
3.6 實施啟用 // 47
3.7 總結 // 50
第 2篇 決策分析
第 4章 決策分析：構建決策 // 52
4.1 分類樹 // 53
4.2 提問分析 // 57
4.3 關鍵決策 // 60
4.4 數據需求 // 64
4.5 行動槓桿 // 66
4.6 成功指標 // 68
4.7 再訪分類樹 // 71
4.8 總結 // 74
第 3篇 變現策略
第 5章 變現策略：讓數據產生收益 // 76
5.1 業務槓桿 // 78
5.2 變現策略框架 // 81
5.3 決策分析和敏捷分析 // 84
5.3.1 確定假設和確立選項 // 84
5.3.2 提問分析 // 85
5.3.3 關鍵決策 // 86
5.3.4 行動槓桿 // 87
5.3.5 成功指標 // 88
5.3.6 數據開發 // 89
5.3.7 數據科學 /決策理論 // 90
5.4 競爭和市場信息 // 94
5.5 總結 // 96
第 6章 變現指導原則：做實 // 97
6.1 優質數據 // 99
6.2 針對性 // 101
6.3 整體性 // 102
6.4 可行性 // 104
6.5 決策矩陣 // 105
6.6 以數據科學為基礎 // 106
6.7 變現價值 // 107
6.8 信心因素 // 109
6.9 可測量 // 111
6.10 動機 // 111
6.11 企業文化 // 112
6.12 推動創新 // 114
第 7章 產品盈利能力變現策略：個案研究 // 116
7.1 背景 // 116
7.2 業務槓桿 // 118
7.3 探索發現 // 120
7.4 決策 // 120
7.4.1 分類樹 // 120
7.4.2 提問分析 // 121
7.4.3 關鍵決策 // 122
7.4.4 成功指標 // 123
7.4.5 行動槓桿 // 125
7.5 數據科學 // 126
7.6 變現框架需求 // 126
7.7 決策矩陣 // 128
第 4篇 敏捷分析
第 8章 決策理論：理性 // 131
8.1 決策矩陣 // 132
8.2 機率 // 134
8.3 前景理論 // 137
8.4 選擇架構 // 138
8.5 認知偏誤 // 140
第 9章 數據科學：智慧型化 // 143
9.1 指標 // 144
9.2 閾值 // 147
9.3 趨勢和預測 // 149
9.4 相關分析 // 150
9.5 細分 // 153
9.6 聚類分析 // 155
9.7 速度 // 159
9.8 預測和解釋模型 // 161
9.9 機器學習 //162
第 10章 數據開發：有條不紊 // 164
10.1 數據質量 // 164
10.1.1 完備性 // 166
10.1.2 一致性 // 167
10.1.3 重複 // 167
10.1.4 符合性 // 168
10.1.5 準確性 // 168
10.1.6 完整性 // 168
10.1.7 及時性、可用性和歷史 // 169
10.2 髒數據，怎么辦？ // 170
10.3 數據類型 // 170
10.3.1 元數據 // 170
10.3.2 數據世界 // 171
10.4 數據組織 // 173
10.4.1 數據移動 // 173
10.4.2 粒度 // 174
10.4.3 為分析構建 // 175
10.5 數據轉換 // 177
10.5.1 ETL業務規則轉換 // 178
10.5.2 分析和報告業務規則轉換 // 178
10.5.3 指標轉換 // 178
10.6 總結 // 181
第 11章 引導分析：使其相關 // 182
11.1 然後呢 // 182
11.2 引導分析 // 185
11.2.1 數據之聲 // 185
11.2.2 客戶之聲 // 187
11.2.3 客戶簽名 // 193
11.2.4 業務之聲 // 194
11.3 總結 // 198
第 12章 用戶界面（UI）：清晰 // 199
12.1 UI簡介 // 199
12.2 視覺調色板 // 200
12.3 少即是多 // 201
12.3.1 數據墨水比例 // 204
12.3.2 少即是多—但別過頭 // 208
12.4 只看一眼 // 210
12.5 模式感知的格式塔原則 // 213
12.6 融會貫通 // 214
12.6.1 色彩 // 214
12.6.2 視覺調色板的元素 // 218
12.6.3 優良格式塔—少即是多 // 220
12.7 總結 // 222
第 13章 用戶體驗（UX）：使其可用 // 223
13.1 效能負荷 // 223
13.1.1 認知負荷 // 224
13.1.2 工作記憶 // 224
13.1.3 注意力 // 225
13.1.4 運動負荷 // 226
13.1.5 選擇過載 // 227
13.2 順流而下 // 228
13.2.1 漸進呈現和決策架構 // 229
13.2.2 按需提供數據—將數據連線到決策 // 230
13.2.3 模組化 // 231 13.3 命題密度 // 232
13.4 簡單性：複雜性的另一面 // 234
13.5 總結 // 235
第 5篇 實施啟用
第 14章 敏捷方法：變得敏捷 // 237
14.1 敏捷開發 // 237
14.2 商海弄潮 // 238
14.3 敏捷分析 // 239
14.3.1 團隊運動 // 239
14.3.2 卡桑德拉效應 // 240
14.3.3 分析癱瘓 // 240
14.3.4 你想要什麼？你有什麼 // 241
14.3.5 一圖訴千言 // 242
14.3.6 不是每個孩子都美麗 // 242
14.3.7 早日見面，經常見面 // 243
14.4 總結 // 243
第 15章 實施啟用：獲得採用 // 244
15.1 測試 // 244
15.1.1 企業項目 // 244
15.1.2 小型項目 // 247
15.1.3 版本控制 // 247
15.2 採用 // 248
15.2.1 訓練 // 248
15.2.2 推出 // 249
15.3 總結 // 252
第 16章 分析型組織：組織起來 // 254
16.1 決策架構團隊 // 254
16.1.1 基於項目還是業務功能型 // 255
16.1.2 團隊能力 // 256
16.1.3 治理 // 259
16.1.4 合作 // 260
16.1.5 訓練 // 261
16.2 決策架構角色 // 261
16.3 行業專家 // 264
16.4 分析型組織的心態 // 265
第 6篇 案例研究
第 17章 案例研究：麥可 ·安德魯斯定製 // 268
17.1 探索發現 // 268
17.1.1 收入增長 // 268
17.1.2 客戶獲取 // 269
17.1.3 客戶吸引 // 269
17.1.4 客戶留存 // 269
17.1.5 客戶類型 // 270
17.1.6 客戶生命周期 // 271
17.1.7 業務分析 // 272
17.1.8 經營績效 // 273
17.1.9 客戶表現 // 274
17.1.10 獲取 // 275
17.1.11 留存 // 276
17.1.12 變現業務槓桿 // 278
17.1.13 假設 // 278
17.1.14 下一步 // 280
17.2 決策分析 // 280
17.2.1 提問分析 // 280
17.2.2 分類樹 // 281
17.2.3 關鍵決策 // 283
17.2.4 行動槓桿 // 285
17.2.5 成功指標 // 285
17.2.6 決策架構 // 287
17.3 變現策略第一部分 // 288
17.4 敏捷分析 // 289
17.4.1 數據分析 // 289
17.4.2 數據開發 // 292
17.4.3 分析結構 // 295
17.4.4 轉換 // 296
17.4.5 數據科學 // 298
17.4.6 MAB客戶細分 // 303
17.5 變現策略第二部分 // 307
17.5.1 單次客戶 // 307
17.5.2 首年客戶 // 309
17.5.3 多年客戶 // 310
17.5.4 變現策略需求 // 310
17.5.5 決策矩陣 // 312
17.6 引導分析 // 317
17.6.1 績效儀錶板 // 318
17.6.2 客戶屬性儀錶板 // 319
17.6.3 客戶細分儀錶板 // 322
17.6.4 客戶吸引儀錶板 // 322
17.6.5 客戶留存儀錶板 // 325
17.7 閉幕 // 328
參考文獻 // 329
