展开全部

主编推荐语

这本书详尽地阐述了数据分析的方方面面。数据不应再是企业沉睡的金矿,而应成为每一项重大商业决策和业务增长的有效依据。

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。

目录

  • 版权信息
  • O'Reilly Media, Inc. 介绍
  • 中文版赞誉
  • 前言
  • 第1章 数据驱动意味着什么
  • 1.1 数据收集
  • 1.2 数据访问
  • 1.3 报表
  • 1.4 报警
  • 1.5 从报表和报警到分析
  • 1.6 数据驱动的特征
  • 1.7 分析成熟度
  • 1.8 小结
  • 第2章 数据质量
  • 2.1 数据质量的各个方面
  • 2.2 脏数据
  • 2.2.1 数据生成
  • 2.2.2 数据录入
  • 2.2.3 缺失数据
  • 2.2.4 多重记录
  • 2.2.5 截尾数据
  • 2.2.6 计量单位
  • 2.2.7 默认值
  • 2.3 数据世系
  • 2.4 数据质量是共同承担的责任
  • 第3章 数据收集
  • 3.1 全量收集
  • 3.2 数据源的优先级
  • 3.3 关联数据
  • 3.4 数据收集
  • 3.5 购买数据
  • 数据集的价值
  • 3.6 数据留存
  • 第4章 分析组织
  • 4.1 分析师类型
  • 4.1.1 数据分析师
  • 4.1.2 数据工程师和分析工程师
  • 4.1.3 商业分析师
  • 4.1.4 数据科学家
  • 4.1.5 统计学家
  • 4.1.6 金融工程师
  • 4.1.7 会计和财务分析师
  • 4.1.8 数据可视化专家
  • 4.2 分析需要团队协作
  • 4.3 技能和素质
  • 4.4 辅助工具
  • 4.4.1 探索性数据分析和统计建模
  • 4.4.2 数据库查询
  • 4.4.3 文件审查和操作
  • 4.5 分析组织结构
  • 4.5.1 集中型
  • 4.5.2 分散型
  • 第5章 数据分析
  • 5.1 什么是分析
  • 5.2 分析的类型
  • 5.2.1 描述性分析
  • 5.2.2 探索性分析
  • 5.2.3 推断分析
  • 5.2.4 预测分析
  • 5.2.5 因果分析
  • 第6章 指标设计
  • 6.1 指标设计
  • 6.1.1 简单
  • 6.1.2 标准化
  • 6.1.3 准确
  • 6.1.4 精确
  • 6.1.5 相对和绝对
  • 6.1.6 稳健
  • 6.1.7 直接
  • 6.2 KPI
  • 6.2.1 KPI案例
  • 6.2.2 多少个KPI
  • 6.2.3 KPI的定义和目标
  • 第7章 用数据讲故事
  • 7.1 讲故事
  • 7.2 第一步
  • 7.2.1 想达到什么目的
  • 7.2.2 受众是谁
  • 7.2.3 使用什么媒介
  • 7.3 大力推销
  • 7.4 数据可视化
  • 7.4.1 选择图表
  • 7.4.2 设计图表元素
  • 7.5 传达
  • 7.5.1 信息图
  • 7.5.2 仪表板
  • 7.6 小结
  • 第8章 A/B测试
  • 8.1 为何要做A/B测试
  • 8.2 怎么做:A/B测试中的最佳实践
  • 8.2.1 实验之前
  • 8.2.2 运行实验
  • 8.3 其他方法
  • 8.3.1 多变量测试
  • 8.3.2 贝叶斯定理中的“强盗”
  • 8.4 文化内涵
  • 第9章 决策
  • 9.1 决策制定得如何
  • 数据驱动、数据启发还是数据影响
  • 9.2 是什么让决策变得困难
  • 9.2.1 数据
  • 9.2.2 文化
  • 9.2.3 认知障碍
  • 9.2.4 直觉会在何处奏效
  • 9.3 解决方案
  • 9.3.1 动机
  • 9.3.2 能力
  • 9.3.3 触发器
  • 9.4 小结
  • 第10章 数据驱动型文化
  • 10.1 开放、信任的文化
  • 10.2 广泛的数据通识
  • 10.3 目标优先的文化
  • 10.4 求知好问的文化
  • 10.5 迭代、学习型的文化
  • 10.6 反HiPPO文化
  • 10.7 数据领导
  • 第11章 数据驱动型的首席高管
  • 11.1 首席数据官
  • 11.1.1 首席数据官的职责
  • 11.1.2 成功的秘密
  • 11.1.3 首席数据官的未来
  • 11.2 首席分析官
  • 11.3 小结
  • 第12章 隐私、道德和风险
  • 12.1 尊重隐私
  • 无意泄露
  • 12.2 要有同理心
  • 提供选择
  • 12.3 数据质量
  • 12.4 安全
  • 12.5 执行
  • 12.6 小结
  • 第13章 结论
  • 扩展阅读
  • 分析组织
  • 数据分析与数据科学
  • 决策制定
  • 数据可视化
  • A/B测试
  • 附录 A 关于数据不合理的有效性:为什么数据越多越好
  • A.1 最近邻类型问题
  • A.2 相对频率问题
  • A.3 估计单变量分布问题
  • A.4 多变量问题
  • 附录 B 愿景声明
  • B.1 价值
  • B.2 启动
  • 关于作者
  • 关于封面
  • 看完了
  • 版权声明
展开全部

评分及书评

4.7
20个评分
  • 用户头像
    给这本书评了
    5.0
    关于数据如何驱动业务的好书

    非常赞的一本书,有点遗憾这么晚才看到虽然大数据喊了这么多年,到底数据或者数据分析,对于企业的发展如何起到正向的作用?这本书里的很多细节都会让你觉得就发生在自己身边,就发生在自己的企业里。例如举几句让我记忆特别深刻的话。那些试图利用数据进行创新和转型的公司,所面临的最大问题是 “我们一直这么做” 的企业文化。不要依赖直觉,而要塑造一种多说 “证明给我看” 的文化,通过各种数据 / 方法去质疑想法,去验证创意。FB 的分析主管 “分析关乎着影响力,在我的前公司 Zynga,如果你有敏锐的洞察力,做了出色的数据研究报告,但是却没有产生任何影响结果,那你的绩效就是零”。

      3
      7
      用户头像
      给这本书评了
      5.0
      数据驱动文化,从“过去时”的结果回顾走向“未来时”的前瞻预测

      一口气读完,深受启发,谈八点感受:一、数据驱动组织的关键,是文化和氛围的营造。数据驱动文化的建立,无疑是最困难的,远远超过数据收集分析提炼决策本身。二、曾经作为经验之谈的 “数据表明”,需要再深挖一层,才能找到数据背后真正隐藏的价值。否则,它只是表明了我们想让它表明的东西,这很可能是认知偏差。三、每个管理者都要多问 “有数据支撑吗”,在组织内营造数据驱动文化,这是管理者卓有成效之路。四、“我们一直这么做”,不仅是数据驱动组织最大的问题,也是诸多企业深陷其中而不自知的最大障碍。五、“证明给我看”,管理不能靠直觉,不能过于自信,否则会因经验主义而对组织决策不负责任六、如果没有数据,那你有的仅仅是观点。没有数据支撑的观点,具有强烈的主观色彩,哪怕你再有经验,职位再高,也很难服众。七、数据驱动,要从 “过去时” 的数据报表的结果回顾,走向 “未来时” 的前瞻性预测。八、要通过数据分析,脑海中构建出数据发生时的具体场景,从而找到第一手有价值的资料。

        转发
        评论
        用户头像
        给这本书评了
        5.0

        奉数据为神明,把数据当神话,听上去就不太可取,但纯靠直觉经验经营在这个时代也显得不够科学甚至武断。这本书用娓娓道来的方式解释了数据为何可以驱动企业更好地发展,因为它具有分析价值链的功效,能够帮助企业实现价值输出。深入浅出的介绍了分析价值链的各个维度,数据、报表、分析、行动、价值。不仅解释清楚了链条本身还解释清楚了从业人员的类型与差别。全部看完后,我的感觉是这本书非常适合想要全面了解这一行业的人,可以作为入门书去阅读,因为其并不包含太多专业性词汇,如果有也在讲述中都解释清楚了。也非常适合所有企业的人学习,把数据作为生产力去对待数据。一定会有更多的价值可以被发现并释放出来。

          转发
          评论
        • 查看全部8条书评

        出版方

        人民邮电出版社

        人民邮电出版社是工业和信息化部主管的大型专业出版社,成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”,致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。