大数据分析

作者简介

《大数据分析：用互联网思维创造惊人价值》重点阐述如何通过大数据分析从企业数据资产中创造商业价值，也即起始于一个业务目标或问题的分析，将分散的不同数据源整合在一起，对未来做出预测，以可衡量的结果引导商业行动。全书内容丰富，共有19章，各章之间既相互承接亦单独成文，总体内容如下：商业分析概述；基于数据管理基础，如何开展商业分析的流程；各种分析技术和实践；分析沟通、创新及分析未来展望。

书籍目录

第1章商业分析的挑战1

1.1外部挑战

1.2内部挑战

关键要点

注释

第2章商业分析成功基石——BASP框架13

2.1商业挑战基石

2.2数据基石

2.3分析实施基石

2.4洞察发现基石

2.5执行和测算基石

2.6知识共享基石

2.7创新基石

2.8总结

关键要点

注释

第3章围绕关键商业挑战，组织企业资源31

3.1使命陈述

3.2商业挑战

3.3确定商业挑战咨询流程

3.4界定和优化商业挑战

3.5商业挑战分析方案

关键要点

注释

第4章大数据和小数据：不同类型的智能45

4.1大数据

4.2小数据

4.3奠定数据基础：数据质量

4.4数据源和所处位置

4.5数据定义和管控

4.6数据字典和数据关键用户

4.7数据核查和数据可视化

4.8客户数据整合和数据管理

4.9数据保密

关键要点

注释

第5章谁在乎数据？如何揭示洞察力69

5.1IMPACT闭环

5.2好奇害死猫

5.3掌控数据

5.4寻求意义

5.5行动较数据更有说服力

5.6“像小鸟一样小口吃进，像大象一样大量排出”

5.7结果跟踪

5.8IMPACT闭环在行动：芒斯特就业指数（TheMonsterEmploymentIndex）

关键要点

注释

第6章数据可视化：如何直观展示息——CONVINCE框架85

6.1表达含义

6.2客观性：忠实于数据

6.3必要性：切忌好大喜功

6.4诚信可视化：尺寸事关重大

6.5想受众所想

6.6灵活性：不要被1000张图累死

6.7关联背景

6.8鼓励互动

6.9总结

关键要点

进一步阅读

注释

第7章分析实施：什么可行，什么不可行101

7.1分析实施模型

7.2愿景和使命

7.3战略

7.4组织协同

7.5人力资本

7.6指标和测算

7.7流程整合

7.8客户体验

7.9技术和工具

7.10变革管理

关键要点

注释

第8章客户之声的分析和洞察117

8.1客户反馈无价

8.2制定有效客户之声计划

8.3客户之声战略体系和关键要素

8.4VOC方案的常见缺陷

关键要点

进一步阅读

注释

第9章数字分析的有效运用147

9.1数字分析的战略和战术应用

9.2数字分析概念理解

9.3数字分析团队：人员是分析成功的最重要条件

9.4数字分析工具

9.5高级数字分析

9.6数字分析和客户之声

9.7网站分析和登录页面优化

9.8行动号召：统一传统和数字分析

关键要点

进一步阅读

注释

第10章有效的预测分析——什么有效，什么无效177

10.1何谓预测分析？

10.2揭示阶段

10.3预测阶段

10.4优化阶段

10.5不同商业问题的不同应用

10.6金融服务行业先锋

关键要点

进一步阅读

注释

第11章应用于人力资源的预测分析197

11.1职能机构

11.2评估：超越人事

11.3规划变动

11.4资格与能力

11.5生产

11.6HR过程管理

11.7人力分析和预测

11.8通过预测提升人力

11.9什么更有用？

11.10价值层次

11.11HR报告

11.12通过分析，HR取胜

注释

第12章社交媒体分析219

12.1多维的社交媒体

12.2理解社交媒体分析：有用的概念

12.3社交媒体是围绕品牌还是直接回应

12.4社交媒体的“品牌”和“直接回应”分析

12.5社交媒体工具

12.6社交媒体分析技术

12.7社交媒体分析和隐私

关键要点

注释

第13章竞争情报分析239

13.1竞争情报界定

13.2竞争情报分析成功的法则

关键要点

第14章移动互联网分析251

14.1移动互联网分析的概念

14.2移动互联网分析与网站分析有什么不同？

14.3测量移动互联网分析的重要性

14.4移动互联网分析工具

14.5移动互联网分析助力业务优化

关键要点

注释

第15章有效的分析沟通策略267

15.1沟通：分析人员与高管之间的鸿沟

15.2有效的分析沟通策略

15.3分析沟通提示

15.4利用移动商业智能进行沟通

关键要点

注释

第16章商业绩效跟踪——执行和测算283

16.1分析的基本问题

16.2分析执行

16.3商业绩效跟踪

16.4分析和营销

关键要点

注释

第17章分析和创新301

17.1创新是什么？

17.2对高级分析的要求

17.3分析创新的构成

17.4分析和创新结合

关键要点

注释

第18章非结构化数据分析：下一个前沿315

18.1什么是非结构化数据分析？

18.2非结构化数据分析产业

18.3非结构化数据分析的使用

18.4非结构化数据分析如何起作用

18.5为何非结构化数据分析是下一个分析前沿？

18.6非结构化数据分析的成功故事

关键要点

注释

第19章分析的未来333

19.1数据价值不再

19.2预测成为新标

19.3社会信息处理和分布计算

19.4机器学习获得进步

19.5传统数据模型演变

19.6分析能为非分析人员所用

19.7数据科学成为专门部门

19.8以人为中心的计算

19.9解决社会问题的分析

19.10基于位置的数据大爆炸

19.11数据隐私冲突

关键要点

注释

译者后记345

内容概要

Jean Paul Isson是高级商业分析领域全球知名的专家和演讲者，他是Monster WorldWide, Inc. BI和预测分析部门的全球副总裁，他由零开始建立团队，策划和实现了高级分析和网络挖掘解决方案。加入Monster之前，Isson在Rogers Wireless公司带领全球客户行为建模团队，建立流失模型，并创新性将客户生命周期价值细分模型用于优化业务营销和销售活动。

Jesse S. Harriott是Constant Contact公司的首席分析官。之前，Jesse 是Monster WorldWide, Inc.的首席知识官，他助力企业，将年度营业收入从$3亿提升到$13亿。Harriott在Monster创建了国际分析部，并创建了Monster就业指数，指数目前为遍布美国、欧洲和亚洲的几百万人所关注。他还带领过Monster公司的网络分析、商业智能、竞争情报、数据管控、营销研究以及销售分析等部门。Jesse在芝加哥大学授课，被冠以波士顿40岁以下排名前40人物之一。

 大数据分析下载