[正版]数据决策:企业数据的管理、分析与应用 书籍

         店铺公告

  为保障消费者合理购买需求及公平交易机会，避免因非生活消费目的的购买货囤积商品，抬价转售等违法行为发生，店铺有权对异常订单不发货且不进行赔付。异常订单：包括但不限于相同用户ID批量下单，同一用户（指不同用户ID，存在相同/临近/虚构收货地址，或相同联系号码，收件人，同账户付款人等情形的）批量下单（一次性大于5本），以及其他非消费目的的交易订单。

温馨提示：请务必当着快递员面开箱验货，如发现破损，请立即拍照拒收，如验货有问题请及时联系在线客服处理，（如开箱验货时发现破损，所产生运费由我司承担，一经签收即为货物完好，如果您未开箱验货，一切损失就需要由买家承担，所以请买家一定要仔细验货），

关于退货运费：对于下单后且物流已发货货品在途的状态下，原则上均不接受退货申请，如顾客原因退货需要承担来回运费，如因产品质量问题（非破损问题）可在签收后，联系在线客服。

  本店存在书、古旧书、收藏书、二手书等特殊商品，因受采购成本限制,可能高于定价销售，明码标价，介意者勿拍!

1.书籍因稀缺可能导致售价高于定价,图书实际定价参见下方详情内基本信息,请买家看清楚且明确后再拍，避免价格争议!

2.店铺无纸质均开具电子，请联系客服开具电子版

《数据决策：企业数据的管理、分析与应用》详细介绍了数据战略规划，企业数字化运营，客户智能运营，业务主题优化，行业应用案例

数据科学 / 001
1.1 大数据技术 / 002
1.1.1 大数据的发展趋势 / 002
1.1.2 大数据处理的基础 / 003
1.1.3 企业中常见的大数据产品 / 004
1.2 数据科学 / 004
1.2.1 大数据分析原理 / 005
1.2.2 数据在不同行业中的应用 / 006
1.3 数据分析流程及分析 / 008
1.3.1 数据分析流程 / 009
1.3.2 分析 / 010
1.3.3 数据科学家需要具备的能力 / 011
1.4 数据科学与经营管理 / 012
1.4.1 数据科学与企业经营 / 012
1.4.2 数据科学与企业管理决策 / 012
1.4.3 企业运营效率的数据分析诉求 / 013
1.5 通过新技术及AI 感知未来 / 013
1.5.1 新技术加速发展 / 014
1.5.2 云端环境变化 / 014
1.5.3 新技术成熟度与市场接受度 / 015
1.5.4 产业公司的科技机会 / 016
第2 用户行为漏斗及营销科技 / 019
2.1 营销科技的定义及内涵 / 021
2.2 用户的四个层级 / 022
2.2.1 双漏斗模型及用户的转化 / 024
2.2.2 用户漏斗与漏桶的使用限制 / 026
2.3 用户行为预测 / 027
2.4 用户购买决策及路径研究 / 028
2.4.1 用户购买决策的秘密 / 029
2.4.2 一二三线市场结构现状 / 030
2.4.3 用户渗透过程可视化 / 030
2.4.4 用户决策路径可视化 / 031
2.5 用户生命周期价值营销 / 032
2.6 用户广告运营工具及PaaS / 032
2.6.1 通用的用户广告运营产品思路 / 032
2.6.2 线上、线下打通的运营方案 / 034
第3 企业用户增长及转化激活 / 037
3.1 企业拉新的三种方式 / 039
3.2 内外部用户的不同优化方向 / 042
3.3 智能营销数据库建设 / 043
3.4 用户增长与转化 / 045
3.5 案例：某快车公司的裂变式用户增长 / 054
3.5.1 用户持续增长的逻辑假设 / 054
3.5.2 早期的产品逻辑 / 055
3.5.3 用户增长运营工具的两个核心 / 056
3.5.4 运营产品效果评估方法 / 057
第4 决策优化应用 / 059
4.1 CRM 简介 / 060
4.1.1 AI 驱动式CRM / 061
4.1.2 未来生态式CRM / 062
4.2 CRM 与决策模型 / 063
4.2.1 RFM 分群模型 / 063
4.2.2 预测购买模型 / 067
4.2.3 智能运营模型 / 069
4.3 销售与决策模型 / 071
4.3.1 向上销售 / 071
4.3.2 交叉销售 / 072
4.3.3 销售预测 / 072
4.3.4 个性化销售 / 074
4.4 产品创新与数据分析 / 074
4.4.1 在分众市场找创新点 / 075
4.4.2 分众市场定义新品类 / 076
4.5 客户数据平台建设及应用 / 078
4.5.1 客户数据平台建设 / 079
4.5.2 五类运营服务模式 / 080
4.6 借助大型数据平台开展数据化运营 / 081
第5 数据科学与企业管理决策 / 083
5.1 企业管理决策 / 084
5.1.1 人类的决策过程 / 084
5.1.2 企业管理决策 / 086
5.2 数据决策分析模型 / 088
5.2.1 分类模型与回归模型 / 089
5.2.2 数据分析建模过程 / 092
5.2.3 常用建模算法及工具 / 093
5.2.4 影响建模的主要因素 / 095
5.3 用户增长及转化 / 095
5.3.1 用户增长 / 095
5.3.2 用户运营及销售转化 / 096
5.4 广告投放及市场开拓 / 098
5.4.1 广告投放策略优化 / 099
5.4.2 寻找20% 的可能转化者 / 100
5.4.3 电商站内广告投放优化 / 101
5.5 市场空白的发现及开拓 / 102
5.5.1 市场空白的发现 / 102
5.5.2 新市场的开拓 / 104
5.6 案例：快速消费品行业数字化的机会 / 105
5.6.1 快速消费品行业的发展趋势及用户特点 / 105
5.6.2 快速消费品行业的核心业务及机会 / 106
5.6.3 线上与线下触点努力方向 / 107
第6 企业如何用好外部数据 / 111
6.1 企业对于数据应用的态度 / 112
6.2 企业中的外部数据源 / 114
6.2.1 外部数据源的作用 / 115
6.2.2 合理购买外部数据源 / 116
6.2.3 外部数据源的分类 / 116
6.2.4 外部数据源可靠性评估技巧 / 118
6.2.5 获取外部数据源的方法 / 118
6.3 企业的数据变现 / 119
6.3.1 实现数据变现的前提 / 119
6.3.2 企业外部数据变现面临的挑战 / 121
6.3.3 企业数据变现的思路 / 122
6.4 案例：宠物行业利用外部线索拉新 / 124
6.4.1 找到外部数据质量好的数据源 / 124
6.4.2 寻找宠物销售线索 / 125
6.4.3 数据产品赋能行业 / 126
第7 经营好企业中的数据 / 129
7.1 企业经营好数据的三要素 / 130
7.2 数据经营方法（KPI 分解） / 131
7.3 企业数据应用战略规划 / 134
7.3.1 梳理数据源 / 134
7.3.2 评估数据质量 / 135
7.3.3 建设数据管理平台 / 135
7.3.4 建设相应的企业数据文化 / 136
7.3.5 制定企业数据管理原则 / 137
7.4 相关数据技术 / 137
7.5 企业中的数据研究思路及应用 / 140
7.5.1 两种数据研究视角 / 140
7.5.2 数据应用实施原则 / 141
7.6 案例：零售类企业的数据应用战略 / 143
7.6.1 以消费者为中心的数据湖 / 144
7.6.2 广告投放与第三方数据建设 / 145
7.6.3 媒体投放检测数据及AI 预测 / 147
第8 数据在不同行业中的应用 / 149
8.1 产业互联网创新模式 / 151
8.2 企业的数据诉求及时机 / 153
8.2.1 国内企业级服务的现状 / 153
8.2.2 企业数据的现状与诉求 / 154
8.2.3 企业数据的应用时机 / 155
8.3 汽车行业 / 156
8.3.1 汽车行业的数据应用 / 156
8.3.2 用户数据平台的建设 / 160
8.3.3 数据应用场景 / 162
8.4 航空行业 / 170
8.4.1 航空行业新变化及数据应用规划 / 170
8.4.2 航空用户大数据平台规划 / 172
8.4.3 数据应用场景 / 173
8.5 保险行业 / 177
8.5.1 保险行业的环境及机遇 / 177
8.5.2 保险行业痛点分析 / 177
8.5.3 保险行业的数据化机会 / 178
8.5.4 保险赛道上的互联网平台商业模式 / 179
第9 企业数字化转型 / 183
9.1 企业数字化转型面临的困境 / 184
9.2 企业数字化转型的五个阶段 / 185
9.3 企业数字化转型的组织架构及过程 / 187
9.3.1 组织架构及人才组成 / 187
9.3.2 企业数字化转型的三要素 / 188
9.3.3 企业数据团队的组成 / 189
9.4 数据产品 / 190
9.5 案例：腾讯数据产品探索之路 / 191

详细介绍了企业的数据战略规划和企业内外部数据的应用，并分析了零售、快速消费品、汽车、航空、保险等行业的实战案例，对企业未来的数字化转型也做了简要介绍。

顾生宝，2009年本科毕业于东北大学软件工程专业。有10年以上大数据相关领域经验（含数据架构规划设计、平台建设、分析应用）。Datalantern数据分析项目创始人兼数据科学家。曾就职于IBM、Mars等跨国企业，为通用电气、奔驰汽车、中国人保、中国石化、北京汽车等公司服务过。历任IT中心经理、数字化负责人、数据部负责人等。技术作家兼独立技术顾问，专注于可应用于产业公司的数据产品和数据驱动解决方案，对跨行业企业如何更好地利用数据有自己的见解。熟悉零售与快速消费品、汽车、航空、保险等行业。