由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
音像数据变现:构建用数据驱动增长的策略和解决方案
¥ ×1
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
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格