大數(shù)據(jù)MBA：通過大數(shù)據(jù)實現(xiàn)與分析驅動企業(yè)決策與轉型

定　價：￥49.80

作　者：	[美] Bill Schmarzo 著；于楠譯
出版社：	清華大學出版社
叢編項：	大數(shù)據(jù)應用與技術叢書
標　簽：	>計算機/網絡 >數(shù)據(jù)倉庫與數(shù)據(jù)挖掘 >數(shù)據(jù)庫

購買這本書可以去

ISBN：	9787302477365	出版時間：	2017-07-01	包裝：	平裝
開本：	16開	頁數(shù)：	244	字數(shù)：

內容簡介

　　商業(yè)利益相關者放棄對信息技術數(shù)據(jù)和分析方法控制的日子已經結束了。商業(yè)利益相關者在對機構進行數(shù)據(jù)收集和分析工作提供支持和貨幣化方面必須處于前沿及核心的位置。商業(yè)領導者需要了解在何處以及如何使用大數(shù)據(jù)，利用客戶、產品和運營數(shù)據(jù)的新來源之間的沖突，再加上數(shù)據(jù)科學，優(yōu)化關鍵業(yè)務流程，發(fā)現(xiàn)新的貨幣化機會，創(chuàng)造競爭優(yōu)勢新來源。然而，將商業(yè)用戶改造成數(shù)據(jù)科學家是不現(xiàn)實的。重要的是，我們應當教會商業(yè)用戶像數(shù)據(jù)科學家一樣思考，這樣他們便可以利用信息技術，與數(shù)據(jù)科學家合作，進行用例識別、需求定義、業(yè)務估值以及最終的分析操作。本書提供了一個商業(yè)化框架，輔以相應的支持方法和實踐練習。這些方法和練習不僅可以幫助商業(yè)用戶明確在何處以及如何利用大數(shù)據(jù)獲得商業(yè)優(yōu)勢，而且還為操作分析方法、建立正確的組織結構，以及將機構用戶體驗的分析觀察結果推向客戶和一線員工等多方面提供了相應的指導。

作者簡介

　　Bill Schmarzo，是Dell EMC公司首席技術官（CTO）。作為首席技術官，他負責制定Dell EMC全球服務的大數(shù)據(jù)策略、指導大數(shù)據(jù)服務產品和功能。他還直接與企業(yè)合作，幫助他們明確在何處以及如何開始他們的大數(shù)據(jù)之旅。Bill是Big Data： Understanding How Data Powers Big Business一書的作者，他還撰寫白皮書，是個狂熱的博主，經常發(fā)表演講，介紹如何利用大數(shù)據(jù)和數(shù)據(jù)科學影響企業(yè)的關鍵商業(yè)計劃。他是舊金山大學管理學院的一名研究員，教授“大數(shù)據(jù)MBA”課程。 Bill在數(shù)據(jù)倉庫、商業(yè)智能和分析方面具有三十年以上的經驗。他撰寫了“EMC大數(shù)據(jù)愿景研討會”方案，并與Ralph Kimball共同編寫了一系列分析應用程序類文章。Bill曾在數(shù)據(jù)倉庫研究所工作，擔任分析應用課程的負責人。此前，他是雅虎（Yahoo?。┓治龈笨偛?，負責Business Objects的分析應用程序商業(yè)部門，職責包括其行業(yè)定義的分析應用程序的開發(fā)、市場營銷和銷售。 Bill擁有柯伊學院數(shù)學、計算機科學和工商管理理學學士學位，以及愛荷華大學工商管理碩士學位。他最近的博文鏈接是http：//infocus.emc.com/author/william_schmarzo/。

圖書目錄

第I部分大數(shù)據(jù)的商業(yè)潛力
第1章大數(shù)據(jù)商業(yè)任務 3
1.1 大數(shù)據(jù)MBA介紹 3
1.2 關注大數(shù)據(jù)的驅動競爭差異 5
1.2.1 利用技術推動競爭差異 6
1.2.2 論經濟驅動的商業(yè)轉型
經驗 6
1.3 “不同思考方式”的重要性 8
1.3.1 別想著大數(shù)據(jù)技術，想想
商業(yè)轉型 8
1.3.2 別想著商業(yè)智能，想想
數(shù)據(jù)科學 9
1.3.3 別想著數(shù)據(jù)倉庫，想想
數(shù)據(jù)湖泊 9
1.3.4 別想著“發(fā)生了什么”，
想想“會發(fā)生什么” 10
1.3.5 別想著最高收入人群，
想想合作 11
1.4 本章小結 12
1.5 家庭作業(yè) 12
第2章大數(shù)據(jù)商業(yè)模式成熟度指數(shù) 15
2.1 介紹大數(shù)據(jù)商業(yè)模式
成熟度指數(shù) 16
2.1.1 階段1：商業(yè)監(jiān)測 18
2.1.2 階段2：商業(yè)觀察 18
2.1.3 階段3：商業(yè)優(yōu)化 21
2.1.4 階段4：數(shù)據(jù)貨幣化 22
2.1.5 階段5：商業(yè)蛻變 24
2.2 大數(shù)據(jù)商業(yè)模式成熟度
指數(shù)經驗心得 25
2.2.1 經驗1：專注原始
大數(shù)據(jù)價值 25
2.2.2 經驗2：充分利用見解，
創(chuàng)建新的盈利機會 26
2.2.3 經驗3：為企業(yè)機構
變革做準備 26
2.3 本章小結 27
2.4 家庭作業(yè) 28
第3章大數(shù)據(jù)策略文檔 29
3.1 建立通用商業(yè)術語 30
3.2 介紹大數(shù)據(jù)策略文檔 31
3.2.1 確定機構的關鍵商業(yè)計劃 32
3.2.2 Chipotle餐館中最重要的
是什么 33
3.2.3 確定關鍵商業(yè)實體和
關鍵決策 34
3.2.4 明確經濟助力因素(用例) 37
3.2.5 識別和優(yōu)化數(shù)據(jù)源 39
3.3 介紹優(yōu)先級矩陣 42
3.4 使用大數(shù)據(jù)策略文檔，贏得
世界職業(yè)棒球大賽 43
3.5 本章小結 47
3.6 家庭作業(yè) 48
第4章用戶體驗的重要性 51
4.1 “無知的”用戶體驗 52
4.2 消費者案例分析：提高
客戶參與 54
4.3 商業(yè)案例研究：啟用
一線員工 56
4.3.1 門店經理儀表盤 56
4.3.2 示例用例：競爭分析 58
4.3.3 其他用例 59
4.4 B2B案例研究：使渠道
更有效 60
4.4.1 顧問是你的合作伙伴
——助他們成功 61
4.4.2 理財顧問案例研究 61
4.4.3 理財顧問儀表盤的
信息部分 63
4.4.4 理財顧問儀表盤的
建議部分 65
4.5 本章小結 68
4.6 家庭作業(yè) 69
第II部分數(shù)據(jù)科學
第5章商業(yè)智能和數(shù)據(jù)科學
之間的差異 73
5.1 什么是數(shù)據(jù)科學 74
5.1.1 商業(yè)智能與數(shù)據(jù)科學：
問題是不同的 75
5.1.2 商業(yè)智能問題 76
5.1.3 數(shù)據(jù)科學的問題 76
5.2 分析師各具特點 77
5.3 分析方法不同 78
5.3.1 商業(yè)智能分析師的參與
過程 78
5.3.2 數(shù)據(jù)科學家的參與過程 80
5.4 數(shù)據(jù)模型不同 82
5.4.1 商業(yè)智能的數(shù)據(jù)模型 82
5.4.2 數(shù)據(jù)科學的數(shù)據(jù)建模 83
5.5 商業(yè)角度的不同 85
5.6 本章小結 88
5.7 家庭作業(yè) 88
第6章數(shù)據(jù)科學101 89
6.1 數(shù)據(jù)科學案例研究設置 89
6.2 基礎的探索性分析 91
6.2.1 趨勢分析 91
6.2.2 箱形圖 94
6.2.3 地理(空間)分析 95
6.2.4 配對圖 95
6.2.5 時間序列分解 96
6.3 分析算法與模型 97
6.3.1 聚類分析 98
6.3.2 正態(tài)曲線當量(NCE)分析 99
6.3.3 關聯(lián)分析 100
6.3.4 圖形分析 101
6.3.5 文本挖掘 102
6.3.6 情感分析 103
6.3.7 遍歷模式分析 104
6.3.8 決策樹分類器分析 105
6.3.9 同期群分析 106
6.4 本章小結 108
6.5 家庭作業(yè) 110
第7章數(shù)據(jù)湖泊 111
7.1 數(shù)據(jù)湖泊簡介 112
7.2 支持商業(yè)運行的數(shù)據(jù)
湖泊特征 114
7.3 使用數(shù)據(jù)湖泊跨越分析
鴻溝 115
7.4 數(shù)據(jù)和分析環(huán)境的現(xiàn)代化 117
7.4.1 行動1：創(chuàng)建基于Hadoop
的數(shù)據(jù)湖泊 117
7.4.2 行動2：分析沙箱的簡介 118
7.4.3 行動3：摒棄數(shù)據(jù)
倉庫中的ETL過程 119
7.5 分析輻射型分析架構 120
7.6 早期學習 121
7.6.1 經驗1：命名并不重要 122
7.6.2 經驗2：它是數(shù)據(jù)湖泊，
而不是數(shù)據(jù)湖區(qū) 122
7.6.3 經驗3：數(shù)據(jù)治理是
一個生命周期，而不是
一個項目 123
7.6.4 經驗4：數(shù)據(jù)湖泊優(yōu)于而
不是落后于數(shù)據(jù)倉庫 124
7.7 未來是什么 125
7.8 本章小結 126
7.9 家庭作業(yè) 127
第III部分商業(yè)利益相關者的數(shù)據(jù)科學
第8章像數(shù)據(jù)科學家一樣思考 131
8.1 像數(shù)據(jù)科學家一樣思考的
過程 132
8.2 本章小結 142
8.3 家庭作業(yè) 143
第9章 “By”分析技術 145
9.1 “By”分析技術的簡介 146
9.2 “By”分析練習 148
9.3 基于“By”分析的Foot Locker
用例 152
9.4 本章小結 154
9.5 家庭作業(yè) 154
第10章評分開發(fā)技術 157
10.1 分數(shù)的定義 158
10.2 FICO分數(shù)示例 158
10.3 其他行業(yè)評分的示例 161
10.4 繼續(xù)討論勒布朗 ? 詹姆斯的
示例 162
10.5 繼續(xù)討論Foot Locker的
示例 166
10.6 本章小結 169
10.7 家庭作業(yè) 169
第11章貨幣化訓練 171
11.1 健身跟蹤器貨幣化示例 172
11.1.1 步驟1：了解產品使用 172
11.1.2 步驟2：開發(fā)商業(yè)利益
相關者的人物角色 173
11.1.3 步驟3：對潛在的建議
集思廣益 174
11.1.4 步驟4：確定支持的
數(shù)據(jù)源 175
11.1.5 步驟5：對盈利機會
進行優(yōu)先級排序 177
11.1.6 步驟6：開發(fā)貨幣化
計劃 178
11.2 本章小結 179
11.3 家庭作業(yè) 179
第12章商業(yè)蛻變訓練 181
12.1 商業(yè)蛻變回顧 182
12.2 商業(yè)蛻變訓練 183
12.2.1 明確商業(yè)蛻變構想 183
12.2.2 了解你的客戶 184
12.2.3 明確價值主張 184
12.2.4 定義數(shù)據(jù)和分析需求 185
12.3 衛(wèi)生保健中的商業(yè)蛻變 190
12.4 本章小結 193
12.5 家庭作業(yè) 194
第IV部分構建跨企業(yè)間的支持
第13章構想的力量 197
13.1 構想：為創(chuàng)造性思維助力 198
13.1.1 大數(shù)據(jù)前景研討會的
流程 198
13.1.2 前期研究 199
13.1.3 采訪商業(yè)利益相關者 200
13.1.4 用數(shù)據(jù)科學進行探索 200
13.1.5 研討會 202
13.1.6 設計研討會 204
13.2 最優(yōu)化矩陣 206
13.3 本章小結 208
13.4 家庭作業(yè) 208
第14章釋放企業(yè)機構影響力 209
14.1 首席數(shù)據(jù)貨幣化執(zhí)行官 209
14.1.1 首席數(shù)據(jù)貨幣化執(zhí)行官的
職責 210
14.1.2 首席數(shù)據(jù)貨幣化執(zhí)行官
機構 210
14.1.3 分析卓越中心 211
14.1.4 首席數(shù)據(jù)貨幣化執(zhí)行官的
領導力 212
14.2 隱私、信任度和決策治理 212
14.2.1 隱私問題=信任問題 213
14.2.2 決策管理 214
14.3 釋放企業(yè)機構的創(chuàng)新能力 214
14.4 本章小結 216
14.5 家庭作業(yè) 217
第15章故事 219
15.1 客戶和員工的分析 221
15.2 產品和設備分析 224
15.3 網絡和運營分析 225
15.4 一個好的商業(yè)故事的特點 227
15.5 本章小結 228
15.6 家庭作業(yè) 228