展开全部

主编推荐语

以四大行业实践谈数据驱动如何交付业务价值,破解企业数据驱动实践中面临的困惑、幻想与失望,传递真正数据驱动价值。

内容简介

本书是从理论到实践的全面且细致的企业数据驱动指南,从作者的百度大数据工作说起,完整还原其从零到一构建百度用户行为大数据处理平台经历。详解大数据本质、理念与现状,围绕数据驱动四环节——采集、建模、分析、指标,深入浅出地讲述企业如何将数据驱动方案落地,并指出数据驱动的价值在于“数据驱动决策”、“数据驱动产品智能”。最后通过互联网金融、电子商务、企业服务、零售四大行业实践,从需求梳理、事件指标设计、数据接入阶段、实际应用四大阶段介绍数据驱动在不同领域的商业价值,全面展示大数据在各领域内的应用情况与趋势展望。

本书贴近企业真实场景,兼具权威性与前瞻性,是广泛适用的普及读物,适合对大数据、数据驱动感兴趣的企业高管、决策者、创业者、IT人员、营销人员、产品经理、相关专业的学生等。

目录

  • 版权信息
  • 推荐语
  • 推荐序1
  • 推荐序2
  • 推荐序3
  • 推荐序4
  • 推荐序5
  • 第1章 从百度大数据工作的经历说开
  • 百度数据板块:网页数据和用户行为数据
  • 搜索引擎发展
  • 用户行为分析践行:百度知道的回答量提升7.5%
  • 从零到一构建百度大数据分析平台
  • 数据源与Event模型的重要性
  • 大数据是屠龙术
  • 第2章 大数据思维与数据驱动
  • 大数据的概念
  • 大数据之“大”
  • 大数据之“全”
  • 大数据之“细”
  • 大数据之“时”
  • 大数据的本质
  • 数据驱动理念与现状
  • 数据驱动的价值
  • 企业内部数据驱动现状
  • 理想的数据驱动——“流”
  • 大数据时代到来的条件
  • 数据采集能力增强
  • 数据处理能力增强
  • 数据意识的提升
  • 第3章 数据驱动的环节
  • 数据采集与埋点
  • 数据采集的现状
  • 数据采集遵循法则
  • 科学的数据采集和埋点方式
  • 数据的准确性
  • 数据建模
  • 数据模型与建模
  • 多维数据模型
  • 多维事件模型
  • 多维事件模型的探索经历
  • 数据分析方法
  • 行为事件分析
  • 漏斗分析
  • 留存分析
  • 分布分析
  • 点击分析
  • 用户路径
  • 用户分群
  • 属性分析
  • 指标体系构建
  • 第一关键指标法
  • 海盗指标法
  • 第4章 数据驱动产品和运营决策
  • 数据驱动运营监控
  • 用户获取(Acquisition)
  • 激活(Activation)
  • 留存(Retention)
  • 引荐(Referral)
  • 营收(Revenue)
  • 数据驱动产品改进和体验优化
  • 数据驱动商业决策
  • 数据驱动落地企业,要从管理者做起
  • 数据驱动商业决策的价值
  • 第5章 数据驱动产品智能
  • 数据平台及用户智能
  • 如何计算热门榜单
  • 客服系统中的行为数据
  • 为什么需要数据平台
  • 数据平台提供的能力
  • 数据应用与用户智能
  • 基于用户行为数据的用户智能应用
  • 用户智能分类:基于规则与机器学习
  • 用户智能应用——用户画像
  • 两种用户画像:User Persona与User Profile
  • 用户画像(User Profile)标签体系的建立
  • 用户智能应用——个性化推荐
  • 个性化推荐的概念
  • 架构实现
  • 数据流
  • 业务分析与模型选择
  • 实验与迭代
  • 第6章 各行业实践数据分析全过程
  • 互联网金融数据驱动实践
  • 实践案例
  • 企业服务数据驱动实践
  • 数据驱动能够为企业服务做什么
  • 面临的挑战
  • 数据应用的阶段
  • 实践案例
  • 零售行业数据驱动实践
  • 实践案例
  • 电子商务数据驱动实践
  • 打破企业发展经营困局:从粗放式到精细化
  • 电商企业数据驱动瓶颈
  • 实践案例
  • 写在最后的话
展开全部

评分及书评

4.4
13个评分
  • 用户头像
    给这本书评了
    3.0
    数据驱动决策

    这本书是作者结合自己在百度工作的经验展示数据驱动决策的具体运用。作者推崇的是管理者推动的前提是其自身具备数据意识,能够认识到大数据的意义与价值,意识到数据管理不善可能带来的危害。参考:数据转换成智慧的步骤,环节,价值。1. 数据知识信息智慧 2. 数据收集环节:数据采集、数据建模、数据分析和数据指标 3. 数据驱动价值:a. 驱动决策。 b. 驱动产品智能。

      转发
      评论
      用户头像
      给这本书评了
      4.0

      1. 这本书是作者结合自己在百度工作过得经验写的,这是这本书的一个优点,也是亮点。因为有百度经验作为事项,就不会出现如其他书那样随便举例的情况,相对更加真实,有代入感。同时,对于从无到有的百度数据驱动体系也让人看到更多细节。2. 最近读过的这类书都提到 AARRR 模型,提到驱动,提到用户画像等,会让人发现如果好几本书都提到那么一定证明这些东西非常重要,是首先要搞清楚的概念和实际做法。3. 这本书写的还是真诚的,但似乎和我目前的诉求还是有点差异,我更希望能被指点如何写出高质量分析的方法。但我依然觉得集中精力看一个领域收获是更高的,哪怕只是刷书,并没有特别深入。

        1
        1
        用户头像
        给这本书评了
        5.0

        数据驱动的概念已经被各个行业广泛认同,但认同与落实之间,还是有相当的距离,这里最大的障碍是,技术人员缺乏对业务的理解,而业务人员又无法理解和充分利用技术,有数据却用不好、不会用是很常见的弊病。即便是一些有数据分析、研发实力的企业,也面临从需求到实现的巨大研发成本和时间周期等问题,导致决策效率低,对瞬息万变的市场情况,无法做出快速有效的应对。

          转发
          评论
        • 查看全部4条书评

        出版方

        电子工业出版社

        电子工业出版社成立于1982年10月,是国务院独资、工信部直属的中央级科技与教育出版社,是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展,已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域,综合出版能力位居全国出版行业前列。