音像数据变现:构建用数据驱动增长的策略和解决方案

目　　录
中文版序言
译者序
序言
致谢
关于作者

篇　简介
章　简介 // 2
1.1　决策 // 3
1.2　分析之旅 // 6
1.3　解决问题 // 7
1.4　调研显示…… // 9
1.5　如何使用这本书 // 12
1.5.1　 篇：简介 // 12
1.5.2　第 2篇：决策分析 // 13
1.5.3　第 3篇：变现策略 // 13
1.5.4　第 4篇：敏捷分析 // 14
1.5.5　第 5篇：实施启用 // 14
1.5.6　第 6篇：案例研究 // 15
1.6　开始吧 // 15

第 2章　分析循环：推动优质决策 // 16
2.1　分析循环概述 // 17
2.1.1　开启 // 20
2.1.2　诊断 //
2.1.3　行动 // 26
2.1.4　测量 // 26
2.1.5　数据 // 28
2.2　信息用户层级 // 29
.　下一步 // 31

第 3章　决策架构方：弥补缺陷 // 32
3.1　方概述 // 33
3.2　探索发现 // 37
3.3　决策分析 // 39
3.4　变现策略 // 41
3.5　敏捷分析 // 41
3.5.1　数据开发 /分析结构 // 42
3.5.2　数据科学 /决策理论 // 43
3.5.3　引导分析 // 44
3.6　实施启用 // 47
3.7　总结 // 50

第 2篇　决策分析
第 4章　决策分析：构建决策 // 52
4.1　分类树 // 53
4.2　提问分析 // 57
4.3　关键决策 // 60
4.4　数据需求 // 64
4.5　行动杠杆 // 66
4.6　成功指标 // 68
4.7　再访分类树 // 71
4.8　总结 // 74

第 3篇　变现策略
第 5章　变现策略：让数据产生收益 // 76
5.1　业务杠杆 // 78
5.2　变现策略框架 // 81
5.3　决策分析和敏捷分析 // 84
5.3.1　确定设和确立选项 // 84
5.3.2　提问分析 // 85
5.3.3　关键决策 // 86
5.3.4　行动杠杆 // 87
5.3.5　成功指标 // 88
5.3.6　数据开发 // 89
5.3.7　数据科学 /决策理论 // 90
5.4　竞争和市场信息 // 94
5.5　总结 // 96

第 6章　变现指导原则：做实 // 97
6.1　优质数据 // 99
6.2　针对 // 101
6.3　整体 // 102
6.4　可行 // 104
6.5　决策矩阵 // 105
6.6　以数据科学为基础 // 106
6.7　变现价值 // 107
6.8　信心因素 // 109
6.9　可测量 // 111
6.10　动机 // 111
6.11　组织文化 // 112
6.12　推动创新 // 114

第 7章　产品盈利能力变现策略：个案研究 // 116
7.1　背景 // 116
7.2　业务杠杆 // 118
7.3　探索发现 // 120
7.4　决策 // 120
7.4.1　分类树 // 120
7.4.2　提问分析 // 121
7.4.3　关键决策 // 122
7.4.4　成功指标 // 1
7.4.5　行动杠杆 // 125
7.5　数据科学 // 126
7.6　变现框架需求 // 126
7.7　决策矩阵 // 128

第 4篇　敏捷分析
第 8章　决策理论：理 // 131
8.1　决策矩阵 // 132
8.2　概率 // 134
8.3　前景理论 // 137
8.4　选择架构 // 138
8.5　认知偏误 // 140

第 9章　数据科学：智能化 // 143
9.1　指标 // 144
9.2　阈值 // 147
9.3　趋势和预测 // 149
9.4　相关分析 // 150
9.5　细分 // 153
9.6　聚类分析 // 155
9.7　速度 // 159
9.8　预测和解释模型 // 161
9.9　机器学习 //162

0章　数据开发：有条不紊 // 164
10.1　数据质量 // 164
10.1.1　完备 // 166
10.1.2　一致 // 167
10.1.3　重复 // 167
10.1.4　符合 // 168
10.1.5　准确 // 168
10.1.6　完整 // 168
10.1.7　及时、可和历史 // 169
10.2　脏数据，怎么办？ // 170
10.3　数据类型 // 170
10.3.1　元数据 // 170
10.3.2　数据世界 // 171
10.4　数据组织 // 173
10.4.1　数据移动 // 173
10.4.2　粒度 // 174
10.4.3　为分析构建 // 175
10.5　数据转换 // 177
10.5.1　ETL业务规则转换 // 178
10.5.2　分析和报告业务规则转换 // 178
10.5.3　指标转换 // 178
10.6　总结 // 181

1章　引导分析：使其相关 // 182
11.1　然后呢 // 182
11.2　引导分析 // 185
11.2.1　数据之声 // 185
11.2.2　客户之声 // 187
11..　客户签名 // 193
11.2.4　业务之声 // 194
11.3　总结 // 198

2章　用户界面（UI）：清晰 // 199
12.1　UI简介 // 199
12.2　视觉调色板 // 200
1.　少即是多 // 201
1..1　数据墨水比例 // 204
1..2　少即是多—但别过头 // 208
12.4　只看一眼 // 210
12.5　模式感知的格式塔原则 // 213
12.6　融会贯通 // 214
12.6.1　色彩 // 214
12.6.2　视觉调色板的元素 // 218
12.6.3　优良格式塔—少即是多 // 220
12.7　总结 // 222

3章　用户体验（UX）：使其可用 // 2
13.1　效能负荷 // 2
13.1.1　认知负荷 // 224
13.1.2　工作记忆 // 224
13.1.3　注意力 // 225
13.1.4　运动负荷 // 226
13.1.5　选择过载 // 227
13.2　顺流而下 // 228
13.2.1　渐进呈现和决策架构 // 229
13.2.2　按需提供数据—将数据连接到决策 // 0
13..　模块化 // 1 13.3　命题密度 // 2
13.4　简单：复杂的另一面 // 4
13.5　总结 // 5

第 5篇　实施启用
4章　敏捷方法：变得敏捷 //
14.1　敏捷开发 //
14.2　商海弄潮 //
14.3　敏捷分析 //
14.3.1　团队运动 //
14.3.2　卡桑德拉效应 // 240
14.3.3　分析瘫痪 // 240
14.3.4　你想要什么？你有什么 // 241
14.3.5　一图诉千言 // 242
14.3.6　不是每个孩子都美丽 // 242
14.3.7　早日见面，经常见面 // 243
14.4　总结 // 243

5章　实施启用：获得采用 // 244
15.1　测试 // 244
15.1.1　企业项目 // 244
15.1.2　小型项目 // 247
15.1.3　版本控制 // 247
15.2　采用 // 248
15.2.1　训练 // 248
15.2.2　推出 // 249
15.3　总结 // 252

6章　分析型组织：组织起来 // 254
16.1　决策架构团队 // 254
16.1.1　基于项目还是业务功能型 // 255
16.1.2　团队能力 // 256
16.1.3　治理 // 259
16.1.4　合作 // 260
16.1.5　训练 // 261
16.2　决策架构角色 // 261
16.3　行业专家 // 264
16.4　分析型组织的心态 // 265

第 6篇　案例研究
7章　案例研究：迈克尔 ·安德鲁斯定制 // 268
17.1　探索发现 // 268
17.1.1　收入增长 // 268
17.1.2　客户获取 // 269
17.1.3　客户吸引 // 269
17.1.4　客户留存 // 269
17.1.5　客户类型 // 270
17.1.6　客户生命周期 // 271
17.1.7　业务分析 // 272
17.1.8　经营绩效 // 273
17.1.9　客户表现 // 274
17.1.10　获取 // 275
17.1.11　留存 // 276
17.1.12　变现业务杠杆 // 278
17.1.13　设 // 278
17.1.14　下一步 // 280
17.2　决策分析 // 280
17.2.1　提问分析 // 280
17.2.2　分类树 // 281
17..　关键决策 // 283
17.2.4　行动杠杆 // 285
17.2.5　成功指标 // 285
17.2.6　决策架构 // 287
17.3　变现策略部 // 288
17.4　敏捷分析 // 289
17.4.1　数据分析 // 289
17.4.2　数据开发 // 292
17.4.3　分析结构 // 295
17.4.4　转换 // 296
17.4.5　数据科学 // 298
17.4.6　MAB客户细分 // 303
17.5　变现策略第二部分 // 307
17.5.1　单次客户 // 307
17.5.2　首年客户 // 309
17.5.3　多年客户 // 310
17.5.4　变现策略需求 // 310
17.5.5　决策矩阵 // 312
17.6　引导分析 // 317
17.6.1　绩效仪表板 // 318
17.6.2　客户属仪表板 // 319
17.6.3　客户细分仪表板 // 322
17.6.4　客户吸引仪表板 // 322
17.6.5　客户留存仪表板 // 325
17.7　闭幕 // 328
参考文献 // 329

新的红利是数据和方的红利！
如何真正从数据资产中盈利？
如何将数据驱动增长落地？
数据是公司至关重要的资产，数据变现应该是每个公司未来战略的核心，有效使用数据并将之变现是当今企业和机构面临的关键挑战之一，本书提供了一幅实用的蓝图，以构建执行数据变现所需的关键能力。
巴布森学院托马斯•H•达文波特、
Teradata比尔•弗兰克斯、
洲际酒店集团迪夫•库希克霍尼韦尔国际公司比尔•格罗夫斯联袂