☆☆☆☆☆




點擊這裡下載

類似圖書 點擊查看全場最低價

---

編輯推薦

適讀人群 ：大眾、白領、管理者

任何人都可以利用他們所掌握的信息，並利用它來做齣更好的決策。 此書揭示瞭商業分析的過程，並幫助任何人在僅僅五個步驟中從數據轉移到決策

內容簡介

寫給所有人： 第一部分和第三部分寫給每一位有興趣瞭解分析的讀者。第一部分是對分析的介紹：什麼是分析、為什麼要分析和常用分析方法。第四部分提供真實案例，對分析如何影響從政治到體育、從執法機關到技術領域這些典型的商業環境進行說明。 寫給想學習和實踐分析的讀者： 第二部分詳細介紹瞭商業分析的BADIR 模型，對預測分析進行瞭概述，並介紹瞭用於商業智能和分析的工具。這部分將為你提供必要的知識，將商業分析應用到你日常大部分的工作中，並在必要時針對復雜分析與專傢進行充分的溝通。本書附錄中還提供瞭必要的統計知識，方便你在需要時參考。 寫給領導者： 商業領袖和分析大師會發現第三部分值得花時間閱讀，因為通過很好地利用數據，你可以引*企業走嚮盈利。本書提供瞭專門的工具包和方法，幫助你創建數據支持企業，建立一個分析議程，擴大分析在各類組織中的影響，並輕鬆地避免掉入常見的陷阱。

作者簡介

皮揚卡·賈殷（Piyanka Jain） Aryng管理顧問公司的CEO，這傢公司專攻商業分析。作為分析領域備受尊崇的業界領頭羊，她曾在美國營銷協會、預測分析世界、GigaOm和榖歌用戶分析會等商業及分析研討會上擔任專題演講人，演講主題為通過數據驅動型決策來取得競爭優勢。擔任分析領導人15年之久，她對商業産生瞭超過1.5億美元的影響。她總是想方設法找齣各種模型，提齣各種觀點，推動客戶企業的變革並影響商業驅動力。她擁有兩個碩士學位，其論文側重於應用數學和統計學。 普尼特·夏爾馬（Puneet Sharma） 行動公司（Move Inc.）的分析和使用者研究部副總裁。熱衷於運用分析與消費者觀點來驅動顯著的商業效益。15年來一直在金融服務和互聯網公司倡導高效能營銷並提供産品策略營銷方案。專長在於通過對消費者的信息和深層分析來推動決策製定，並提供可行性建議，以實現行之有效的變革。在馬裏蘭大學取得MBA學位之後，先後在PayPal、Capital One和HSBC等《財富》前500強公司擔任營銷、産品和分析領導人的職務，負責以消費者為基礎的零售業務。

精彩書評

　　如果想瞭解如何建立一傢分析驅動的組織並利用分析參與競爭，那麼本書就是為你量身定製的。
　　——史蒂夫·伯科威茨（Steve Berkowitz）
　　行動公司首席執行官

　　數據太多怎麼辦？多年以來，我幫助不少公司實現瞭從初齣茅廬到發展壯大的過程，最終取得成功的往往都是那些善於管理數據並利用這些數據做齣正確決策的公司。本書將數據分析與Aryng的BADIR框架相結閤，嚮大眾傳授瞭這一成功秘訣。*重要的是，本書講授的知識雖然淺顯易懂，卻能帶來不俗的成效。本書是一部行動指南，我會推薦所有企業傢和管理團隊吸收其理論成果並在實踐中加以利用。
　　——達納·斯塔爾德（Dana Stalder）
　　經緯創投風險投資人，貝寶、易貝網和網景前執行官

　　本書引導企業傢將他們的數據海洋分隔成一個個規模較小但更有用的信息池。皮揚卡和普尼特已經總結齣瞭一套簡潔詳細的框架，任何人都可以通過這一框架，充分利用數據分析的力量。
　　——巴裏 F.　羅奇（Barry F. Roach）
　　安全美國信用聯盟總裁兼首席執行官

目錄

贊譽
前言
緻謝
序言
第一部分　你好，分析┊1
第1章　要麼分析、要麼滅亡┊2
第2章　什麼是分析┊12
第3章　七大分析方法┊28
第二部分　深入理解┊43
第4章　BADIR：商業分析的五步框架┊44
第5章　預測分析┊94
第6章　數據和分析工具┊121
第三部分　領導工具包┊137
第7章　分析和領導者┊138
第8章　分析競爭┊152
第9章　分析師領導者的攻略手冊┊166
第10章　付諸行動┊170
第11章　常見的陷阱┊180
第四部分　實踐中的分析：十個案例研究┊201
附錄　商業統計101┊217
注釋┊224
作者簡介┊227

前言/序言

推薦序

為什麼寫本書

沒有什麼能比火箭科學更復雜瞭。分析學並不是火箭科學。當然，分析學非常專業，涉及各種格式的大量信息，而我們花費數百萬美元希望通過分析加上一些人性的洞察、簡單的數學和復雜的統計去找某種模式。好吧，這聽起來挺難，但就像你剛開始接觸的任何課題一樣，有基本原理、方法和簡單訣竅，幫你掌握它並利用它來實現你自己的利益。盡管成分復雜，但分析（尤其是商業分析）其實就是一個簡單的解決問題工具。本書的目的就是解釋分析是什麼，以及怎樣去進行分析。

我們已經告訴瞭你分析其實可以很簡單。那我們是否告訴過你，企業中的每個成員都足夠瞭解如何在企業日常事務中帶來積極變化？或者告訴過你這種簡單的分析隻花費復雜分析成本的一小部分，卻可以幫你解決80%的實際業務問題嗎？嗯，它可以。

並不是所有分析問題都是需要數據科學傢建立並讀取復雜模型的大型項目。事實上，這些問題中的80%可以由管理人員和決策者日常解決，他們隻掌握簡單工具和方法就可以瞭。他們知道什麼時候應該以及如何最好地利用數據科學傢和分析師去解決更復雜的商業問題。本書專為這些商務人士提供基本知識，並幫助數據科學傢最大限度地發揮自己的能力。本書力爭結閤兩方最好的資源來推動結果。

那我們期望分析會影響什麼樣的結果呢？如果操作得當，通過商業分析可以發現差異，創造滿意的客戶、更好的産品、改進的流程、高效的員工、提高收入和利潤，從而讓股東開心。結閤我們在大型企業領導分析部門30年的工作經驗，我們知道，有些企業做法得當，而另外一些企業還在苦苦掙紮。這種模式對我們來說越來越明顯。因為成功的企業對分析、豐富的資源、清楚的溝通和簡單的方法有信心，所以它們已經能夠利用分析來推動經濟增長，而那些還在掙紮的企業卻有各種失誤，但有一條簡單的齣路，那就是學習本書的內容。

每次齣現一個熱門的流行語時，各公司就急急忙忙地跟風。瞭解分析可能帶來的潛在價值之後，各企業開始對分析還有大數據産生錯誤預期。它們認為分析太復雜瞭，需要能在數據實驗室裏解決所有問題的"科學傢"。他們認為數據應該定期給齣答案，然後大數據工具就可以修復這一切……不可能！我們希望在本書裏消除這些或是其他的誤解。

但是，你如何掙脫這種分析無力？有一個方法可以解決這種病癥，BADIR框架可以幫你用五個簡單步驟從數據中得齣決策。這種方法非常普遍適用，可應用於商業或企業分析的很多方麵。為瞭說明這一點，本書中貫穿瞭這方麵的例子。

這些例子來自我們在矽榖（Silicon Valley）各大公司及最近在Aryng管理谘詢公司分析團隊的工作經曆。

本書寫給誰

寫給所有人：第一部分和第三部分寫給每一位有興趣瞭解分析的讀者。第一部分是對分析的介紹：什麼是分析、為什麼要分析和常用分析方法。第四部分提供瞭真實的案例，對分析如何影響從政治到體育，從執法機關到技術領域這些典型的商業環境進行說明。

寫給想學習和實踐分析的讀者：第二部分詳細介紹瞭商業分析的BADIR模型，對預測分析進行瞭概述，並介紹瞭用於商業智能和分析的工具。這部分將為你提供必要的知識，將商業分析應用到你日常大部分的工作中，並在必要時針對復雜分析與專傢進行充分的溝通。本書附錄中還提供瞭必要的統計知識，方便你需要時參考。

寫給領導者：商業領袖和分析大師會發現第三部分值得花時間閱讀，因為通過很好地利用數據，你可以引領企業走嚮盈利。本書提供瞭專門的工具包和方法，幫助你創建數據賦能型企業，建立一個分析議程，擴大分析在各類組織中的影響，並輕鬆地避免掉入常見的陷阱。

本書所用的術語

我們在本書中使用瞭以下術語，為瞭幫助你熟悉它們，我們在這兒給齣瞭這些術語的定義。

A/B測試（A/B testing）或測試和學習（test and learn）：所謂測試，是對根據分析、直覺或客戶輸入值所得齣觀點的有效性進行測量的過程。A/B測試能對受控實驗中所得到的結論效果進行評價，在一個對照實驗中評估這些見解的效果。

分析（analytics）：利用數據和分析來驅動影響，運用結構化的方法來解決商業問題的科學。

BADIRTM：一個從數據到決策的淺顯易懂的秘訣。它將數據科學和決策科學（即商業技術技能和軟技能）相結閤，將數據轉換成能産生影響力的觀點。這個分析過程適用於各個行業，本書第4章對此進行瞭介紹。

商業分析（business analytics）：利用曆史數據和簡單的統計方法，再加上一定的商業背景，去獲取觀點並對組織施加影響。商業分析包括相關分析和總量分析。

商業領袖（business leader）：在職能部門、業務部門或整個企業扮演領導角色的個人，包括首席執行官、總經理、産品負責人、營銷負責人、客戶關係負責人。在這些角色中，他們負責各自業務部門的盈虧（P&L;），對公司的戰略發揮至關重要的作用。

商業用戶（business user）或商務專業人士（business professional）：在各行業中，執行職能戰略並負責日常決策的個人，他們直接或間接地影響公司業績。我們交叉使用這些術語，商業用戶的作用可以體現在營銷、産品、運營或其他角色上。

數據驅動（data driven）：有些公司是創新驅動公司，有些則是技術驅動公司。數據驅動公司利用數據引導更好的決策，為組織的種種目標提供支持。在本書中，我們交替使用數據啓用、數據引導和數據驅動這些術語，讀者可以采用其中任何一個，為各自企業的願景和目標提供支持。

數據科學傢（data scientist）：有能力使用先進的統計工具做高級分析的個人。在本書中，有時也用"分析專傢"來進行描述。

關鍵績效指標（KPI）：衡量某機構或項目成功與否的關鍵績效指標。收入和利潤往往是企業層麵的關鍵績效指標。

P&L;：利潤和虧損（盈虧）。

預測分析（predictive analytics）：對曆史數據應用先進的統計技術，以期能預測未來事件。預測分析技術包括綫性迴歸和決策樹等，通常需要數據科學傢和預測分析專傢來完成。

3個關鍵問題TM（3 key questionsTM）：Aryng谘詢公司為企業製定可行性分析框架的另一個秘訣。3個關鍵問題幫助領導者像剝洋蔥一樣對企業展開層層分析，明確KPI，找到這些KPI的驅動因素，並協調內部項目，來移除影響KPI的驅動因素。

◆ 前言 ◆

皮揚卡·賈殷

我痛恨統計學。1999年在得州農工大學（Texas A & M University）的環境工程論文課題中，我真正想做的是跟蹤調查使危險廢棄物場地變得不安全的事件。在實驗室的研究過程中，當事實愈漸清晰時，坦白地講，能解決這個問題的唯一方法就是采用非綫性迴歸技術建立逆形態分布模型。

我一直都喜歡數字和數學，曾相對我所就讀的年級提前4年用自己的方法推導齣勾股定理。我一直質疑每一項傑齣技術所帶來的影響，包括我父親的突破性發明--垃圾焚燒發電。數學和工程學成就瞭今天的我，但在1999年，我努力確保統計數據不僅可以分析一個問題，還可以解決這個問題，並有真正切實的商業影響。我與數據化敵為友，並找到瞭我的激情所在。

我在明尼蘇達大學（University of Minnesota）計算機科學與工程專業完成瞭第二碩士學位。利用螞蟻信息素概念，通過統計建模與仿真，我設計瞭一個自我更新的網絡路由錶。我曾教三年級和四年級的本科生學習微積分和統計學，我有能力利用統計和分析技術去解決各種不同類型的問題。

當Adobe公司希望通過這些技能來提高其客戶體驗時，我就知道從這一刻開始，分析將成為我人生的一部分。一如既往地，我努力確保研究的數據可以被轉化為行動和積極的商業影響。在一個熱愛數據的公司裏，我和我的團隊能夠通過市場營銷和廣告，改善客戶體驗，並最終對公司的盈利帶來影響。

後來我在不同的公司任職，在貝寶（PayPal），我遇到瞭普尼特·夏爾馬。在那裏，我們每人帶領著一個分析團隊。

普尼特·夏爾馬

取得瞭計算機科學學位和金融領域的工商管理碩士學位之後，我開啓瞭早期的職業生涯。當我開始瞭解數據和分析，以及我的數據分析師朋友一天的生活後，我就知道我不得不屈從於這種渴望--我稱之為我的"欲望"。美國第一資本投資國際集團（Capital One Financial Corp）招聘數據分析師時，我提交瞭申請。經過嚴格的能力測試，Capital One邀請我在董事會裏擔任數據分析經理，以好好發揮我的技術和業務技能。我在我熱愛的事業裏蓬勃發展--將分析轉換為商業影響和有形的美元價值。公司相信數據能報告所有關鍵的戰略和決策，並且從一開始就這樣設計。我和其他500個人一起參加培訓，學習統計、建模和分析。我知道進入數據分析領域是一個正確的決定。

然而在這之後，我很驚訝地得知，和我有工作來往的其他公司並不像我們這樣對利用數據來帶動商業影響感興趣，有的公司甚至毫無興趣。分析是一個"支持功能"，根據優先級不同的事業部，分析的産齣可能會也可能不會被考慮。現有係統的設立並不利於我們獲取有深遠影響的各種商業信息。物力和財力被花在理論分析上，卻並不一定能直接産生商業影響。一個項目如果有強大的數據驅動執行支持，我和我的團隊就能夠帶來驚人的影響。但是實際並非如此，我曾見證數百萬美元資金分文不動地躺在那裏，僅作為企業結構的一個要素和分析的感知價值。經過一段時間強烈的自我懷疑，質疑我自己是否真的有能力推動持續的影響，我發現，需求是有的，而我還有不足，我從那些失敗中吸取瞭教訓。作為一個技術公司的分析負責人，我還有很多經驗、教訓需要學習。

我和皮揚卡·賈殷多年來經常一起共進午餐並時不時地討論一番，我發現我們原來都有同樣的經曆。我們開始清楚地認識到這些模式，並想辦法來填補這些缺口。這不隻是關於分析，也是因為我們現在擁有可以強有力地提高業績的環境。分析的復雜性是一個障礙，但是我們知道大約隻有20%的時間需要那些資源密集的過程。我們通過共同的努力開始闡明分析的力量、企業對分析的態度、常見的失誤，以及用簡單的方法來驅動影響。

皮揚卡·賈殷

這幾年我在會議上發錶講話的時候，也聽到瞭來自其他機構同僚的親身經曆。他們招架不住這些數據、大數據、分析、預測分析，雖然許多人都跟上瞭潮流，但是他們在分析上的投資並沒有得到多少投資迴報（ROI）。整個場麵模糊又復雜，有一個需求是我們可以填補的。

2011年，我創立瞭Aryng--一傢管理谘詢公司，專注於分析。普尼特·夏爾馬擔當顧問的角色，我則設計瞭一個叫作BADIRTM的商業影響分析方案。BADIRTM代錶商業問題（business question）、分析計劃（analysis plan）、數據收集（data collection）、得齣結論（insights）和提齣建議（recommendations），它是一個可將數據轉化為更明智決策的簡單五步框架。

當召開研討會時，我們聽到瞭越來越多這樣的說法，怎樣將如此簡潔基礎的方法用在工業和學術領域呢？本書囊括瞭所有這一切。我們很高興帶你一起走上這趟旅程。

◆ 緻謝 ◆

本書是我們的信念和商業分析知識的結晶。雖然在過去的幾個月裏我們全身心地投入在本書上，但是如果沒有朋友和傢人的幫助與支持，我們根本無法完成本書，他們不僅慷慨地提供瞭各種專業知識，還大度地包容我們。對於這些善良又聰慧的人所提供的支持，我們心懷感激。

我們是分析專傢，但並非專業作傢。感謝Lakshmi Jayaraman堅持不懈地聽我們訴說故事，加入設計和創新情境，並參與書寫和編輯來支持本書。我們同樣還感激你利用你的設計專長和插圖知識提供的幫助，你的堅持使本書充滿樂趣和可讀性。

特彆感謝我們的審稿人，你們的反饋確保瞭我們的闡述閤情閤理，並清楚地傳達瞭本書的意圖，所以謝謝你們：Bonny Elgamil、Claire Dean、Nirmal Baid、Desmond Chan、Marcia Trask、Ketan Babaria、Parth Sethia、Sangita Khater、Sunil Bafna、Anshul Mohan、Mahendra Kumar、Narasimman Jayaraman、Kamala Subramaniam、Cole Roberts和Betty Li。

感謝Ramkumar Ravichandran對分析數據工具的研究綜述，感謝Kameshwari Viswanadha的輸入設計和評審，感謝Vijay Aviur提供我們在本書中談到的故事。

感謝Shailesh、Ashish和Satvik團隊，為本書畫瞭生動的插圖。感謝Terri Griffith對本書寫作過程的指導以及提供的許多簡介。

最後，我們要感謝我們傢庭的支持，尤其是我們各自的另一半Parth和Shweta。在我們潛心研究或是缺席大部分周末的時候，她們為我們分擔瞭很多。

數字決策力：從商業分析中挖掘利潤 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

類似圖書 點擊查看全場最低價

查看全網最低價