數據戰(zhàn)略：如何從大數據、數據分析和萬物互聯(lián)中獲利

贊譽

致謝

作者簡介

第 1章　為何說當下業(yè)務無不是數據業(yè)務　// 1

1.1　大數據和物聯(lián)網的驚人增長　// 1

1.2　數據驅動的勇敢新世界　// 2

1.3　我們是否正在逼近人工智能　// 7

1.4　數據正在如何徹底改變我們的商業(yè)世界　// 10

1.4.1　數據在商業(yè)中的基本作用　// 10

1.4.2　智能工廠與工業(yè) 4.0　// 14

1.4.3　自動化及其對就業(yè)的現(xiàn)實威脅　// 16

1.4.4　區(qū)塊鏈技術：是否是數據和企業(yè)的未來　 // 18

1.5　所有業(yè)務都必須成為數據業(yè)務　// 19

1.5.1　一切以數據戰(zhàn)略為起點　// 20

1.5.2　你的公司是否需要首席數據官　// 21

注解　// 23

第 2章　戰(zhàn)略性數據需求的確定　// 25

2.1　以數據提高企業(yè)的決策質量　// 26

2.1.1　利用數據更好地了解客戶和市場　// 27

2.1.2　在一個意想不到的場景，讓數據為你而動　// 29

2.2　利用數據改善運營　// 30

2.2.1　通過數據獲得內部效率　// 31

2.2.2　亞馬遜：如何以數據優(yōu)化業(yè)務流程并增加銷售額　 // 33

2.2.3　優(yōu)步：如何以數據優(yōu)化運輸　 // 34

2.2.4　羅爾斯·羅伊斯：如何以數據驅動制造業(yè)成功　 // 35

2.3　商業(yè)模式的轉型：將數據作為企業(yè)資產　 // 37

2.3.1　如何以數據提升企業(yè)價值　// 37

2.3.2　將數據轉化為新的收入源泉　// 38

2.4　只有正確的數據才是有意義的，并非所有數據都是有價值的　 // 40

2.5　為數據提供強有力的商業(yè)案例　// 42

注解　// 43

第 3章　使用數據改善商業(yè)決策　// 44

3.1　明確你的關鍵性業(yè)務問題　// 44

3.1.1　好問題帶來更好的答案　// 46

3.1.2　針對顧客、市場和競爭者的問題　// 47

3.1.3　有關財務的問題　// 52

3.1.4　有關內部運營的問題　// 55

3.1.5　有關人員的問題　// 57

3.2　數據的可視化及溝通洞見　// 60

3.2.1　是否每個人都應有權訪問數據　// 61

3.2.2　告別電子表格，迎接數據可視化時代　// 63

3.2.3　以視覺與文字的融合發(fā)揮最大效果　// 64

3.2.4　虛擬現(xiàn)實和數據可視化的未來　// 65

注解　// 66

第 4章　使用數據改善企業(yè)運營　// 67

4.1　利用數據優(yōu)化運營流程　// 68

4.1.1　數據如何改善制造過程　// 68

4.1.2　如何以數據強化倉儲和配送　// 70

4.1.3　如何以數據增強業(yè)務流程　// 71

4.1.4　如何以數據強化銷售及營銷流程　// 75

4.2　以數據改善顧客供應　// 78

4.2.1　為客戶提供更優(yōu)服務　// 78

4.2.2　提供更好的產品　// 81

注解　// 84

第 5章　數據的貨幣化　// 85

5.1　增加企業(yè)價值　// 86

5.2　數據本身成為企業(yè)核心資產　// 87

5.3　由企業(yè)數據處理能力創(chuàng)造的價值　// 90

5.4　向顧客或利益相關者出售數據　// 91

5.5　理解用戶生成數據的價值　// 96

第 6章　數據的取得與收集　// 98

6.1　了解不同類型的數據　// 99

6.1.1　對“大數據”的定義　// 100

6.1.2　結構化數據的定義　// 101

6.1.3　非結構化數據和半結構化數據的定義　// 103

6.1.4　內部數據的定義　// 105

6.1.5　外部數據的定義　// 106

6.2　更多的新型數據　// 108

6.2.1　活動數據　// 108

6.2.2　對話數據　// 109

6.2.3　照片和視頻數據　// 110

6.2.4　傳感器數據　// 111

6.3　內部數據的收集　// 111

6.4　外部數據的訪問　// 113

6.5　如果你需要的數據尚不存在　// 116

注解　// 117

第 7章　將數據轉化為洞見　// 118

7.1　分析技術的進化方式　// 119

7.2　了解不同類型的分析技術　// 120

7.2.1　文本分析　// 121

7.2.2　情感分析　// 122

7.2.3　圖像分析　// 122

7.2.4　視頻分析　// 123

7.2.5　語音分析　// 124

7.2.6　數據挖掘　// 124

7.2.7　業(yè)務實驗　// 125

7.2.8　視覺分析　// 126

7.2.9　相關性分析　// 126

7.2.10　回歸分析　// 127

7.2.11　情景分析　// 128

7.2.12　預測 /時間序列分析　// 129

7.2.13　蒙特卡羅模擬法　// 129

7.2.14　線性規(guī)劃　// 130

7.2.15　同期群分析　// 130

7.2.16　因子分析　// 131

7.2.17　神經網絡分析　// 132

7.2.18　元分析 /文獻分析　// 133

7.3　高級分析：機器學習、深度學習和認知計算　 // 133

7.4　以不同分析技術的結合追求成功最大化　// 137

第 8章　技術和數據基礎架構的創(chuàng)建　// 139

8.1　“大數據即服務”：能成為企業(yè)的一站式解決方案嗎　// 140

8.2　收集數據　// 143

8.3　存儲數據　// 146

8.3.1　了解云基礎 /分布式存儲系統(tǒng)　// 146

8.3.2　Hadoop概述　// 148

8.3.3　Spark：Hadoop的替代品　// 149

8.3.4　數據湖和數據倉庫的簡單介紹　// 150

8.4　數據的分析和處理　// 151

8.5　提供數據訪問服務　// 155

8.5.1　倡導數據管家的概念　// 156

8.5.2　數據的溝通　// 157

注解　// 159

第 9章　打造組織的數據能力　// 160

9.1　大數據技能短缺及其對企業(yè)的影響　// 160

9.2　建立內部技能和競爭力　// 163

9.2.1　五種基本的數據科學技能　// 163

9.2.2　招募新人才　// 166

9.2.3　為現(xiàn)有人員提供培訓并提高其工作技能　// 168

9.3　將數據分析業(yè)務外包　// 170

9.3.1　與數據服務供應商合作　// 170

9.3.2　Kaggle：眾包數據科學家　// 172

注解　// 175

第 10章　不要讓數據成為負債：數據治理　// 177

10.1　數據所有權和隱私方面的考慮　// 178

10.1.1　擁有還是外購　// 178

10.1.2　確保擁有合理權限　// 179

10.1.3　將數據最少化作為好的實踐　// 180

10.1.4　理解隱私問題　// 182

10.2　數據的安全問題　// 187

10.2.1　數據泄露的重大影響　// 187

10.2.2　物聯(lián)網的威脅　// 190

10.3　踐行良好的數據治理　// 192

注解　// 194

第 11章　數據戰(zhàn)略的執(zhí)行和完善　// 196

11.1　把數據戰(zhàn)略付諸實踐　// 196

11.1.1　態(tài)度是關鍵　// 196

11.1.2　數據戰(zhàn)略為什么會失敗　// 198

11.2　創(chuàng)建數據文化　// 201

11.3　重新審視數據戰(zhàn)略　// 203

11.3.1　調整企業(yè)需求　// 204

11.3.2　持續(xù)演進的技術圖景　// 204

11.3.3　遙望未來　// 207

注解　// 210

為配合讀者閱讀本書，作者還提供了一份在線參考資料 ——《超越大數據》（Beyond the Big Data Buzz），要查詢該電子書請訪問網址：

www.koganpage.com/beyond-the-big-data-buzz。