具体描述
内容简介
商业利益相关者放弃对信息技术数据和分析方法控制的日子已经结束了。商业利益相关者在对机构进行数据收集和分析工作提供支持和货币化方面必须处于前沿及核心的位置。商业领导者需要了解在何处以及如何使用大数据，利用客户、产品和运营数据的新来源之间的冲突，再加上数据科学，优化关键业务流程，发现新的货币化机会，创造竞争优势新来源。然而，将商业用户改造成数据科学家是不现实的。重要的是，我们应当教会商业用户像数据科学家一样思考，这样他们便可以利用信息技术，与数据科学家合作，进行用例识别、需求定义、业务估值以及最终的分析操作。本书提供了一个商业化框架，辅以相应的支持方法和实践练习。这些方法和练习不仅可以帮助商业用户明确在何处以及如何利用大数据获得商业优势，而且还为操作分析方法、建立正确的组织结构，以及将机构用户体验的分析观察结果推向客户和一线员工等多方面提供了相应的指导。作者简介
Bill Schmarzo，是Dell EMC公司首席技术官(CTO)。作为首席技术官，他负责制定Dell EMC全球服务的大数据策略、指导大数据服务产品和功能。他还直接与企业合作，帮助他们明确在何处以及如何开始他们的大数据之旅。Bill是Big Data: Understanding How Data Powers Big Business一书的作者，他还撰写白皮书，是个狂热的博主，经常发表演讲，介绍如何利用大数据和数据科学影响企业的关键商业计划。他是旧金山大学管理学院的一名研究员，教授“大数据MBA”课程。Bill在数据仓库、商业智能和分析方面具有三十年以上的经验。他撰写了“EMC大数据愿景研讨会”方案，并与Ralph Kimball共同编写了一系列分析应用程序类文章。Bill曾在数据仓库研究所工作，担任分析应用课程的负责人。此前，他是雅虎(Yahoo!)分析副总裁，负责Business Objects的分析应用程序商业部门，职责包括其行业定义的分析应用程序的开发、市场营销和销售。
Bill拥有柯伊学院数学、计算机科学和工商管理理学学士学位，以及爱荷华大学工商管理硕士学位。他最近的博文链接是http://infocus.emc.com/author/william_schmarzo/。
目录
第I部分 大数据的商业潜力第1章 大数据商业任务 3
1.1 大数据MBA介绍 3
1.2 关注大数据的驱动竞争差异 5
1.2.1 利用技术推动竞争差异 6
1.2.2 论经济驱动的商业转型
经验 6
1.3 “不同思考方式”的重要性 8
1.3.1 别想着大数据技术，想想
商业转型 8
1.3.2 别想着商业智能，想想
数据科学 9
1.3.3 别想着数据仓库，想想
数据湖泊 9
1.3.4 别想着“发生了什么”，
想想“会发生什么” 10
1.3.5 别想着最高收入人群，
想想合作 11
1.4 本章小结 12
1.5 家庭作业 12
第2章 大数据商业模式成熟度指数 15
2.1 介绍大数据商业模式
成熟度指数 16
2.1.1 阶段1：商业监测 18
2.1.2 阶段2：商业观察 18
2.1.3 阶段3：商业优化 21
2.1.4 阶段4：数据货币化 22
2.1.5 阶段5：商业蜕变 24
2.2 大数据商业模式成熟度
指数经验心得 25
2.2.1 经验1：专注原始
大数据价值 25
2.2.2 经验2：充分利用见解，
创建新的盈利机会 26
2.2.3 经验3：为企业机构
变革做准备 26
2.3 本章小结 27
2.4 家庭作业 28
第3章 大数据策略文档 29
3.1 建立通用商业术语 30
3.2 介绍大数据策略文档 31
3.2.1 确定机构的关键商业计划 32
3.2.2 Chipotle餐馆中最重要的
是什么 33
3.2.3 确定关键商业实体和
关键决策 34
3.2.4 明确经济助力因素(用例) 37
3.2.5 识别和优化数据源 39
3.3 介绍优先级矩阵 42
3.4 使用大数据策略文档，赢得
世界职业棒球大赛 43
3.5 本章小结 47
3.6 家庭作业 48
第4章 用户体验的重要性 51
4.1 “无知的”用户体验 52
4.2 消费者案例分析：提高
客户参与 54
4.3 商业案例研究：启用
一线员工 56
4.3.1 门店经理仪表盘 56
4.3.2 示例用例：竞争分析 58
4.3.3 其他用例 59
4.4 B2B案例研究：使渠道
更有效 60
4.4.1 顾问是你的合作伙伴
——助他们成功 61
4.4.2 理财顾问案例研究 61
4.4.3 理财顾问仪表盘的
信息部分 63
4.4.4 理财顾问仪表盘的
建议部分 65
4.5 本章小结 68
4.6 家庭作业 69
第II部分 数据科学
第5章 商业智能和数据科学
之间的差异 73
5.1 什么是数据科学 74
5.1.1 商业智能与数据科学：
问题是不同的 75
5.1.2 商业智能问题 76
5.1.3 数据科学的问题 76
5.2 分析师各具特点 77
5.3 分析方法不同 78
5.3.1 商业智能分析师的参与
过程 78
5.3.2 数据科学家的参与过程 80
5.4 数据模型不同 82
5.4.1 商业智能的数据模型 82
5.4.2 数据科学的数据建模 83
5.5 商业角度的不同 85
5.6 本章小结 88
5.7 家庭作业 88
第6章 数据科学101 89
6.1 数据科学案例研究设置 89
6.2 基础的探索性分析 91
6.2.1 趋势分析 91
6.2.2 箱形图 94
6.2.3 地理(空间)分析 95
6.2.4 配对图 95
6.2.5 时间序列分解 96
6.3 分析算法与模型 97
6.3.1 聚类分析 98
6.3.2 正态曲线当量(NCE)分析 99
6.3.3 关联分析 100
6.3.4 图形分析 101
6.3.5 文本挖掘 102
6.3.6 情感分析 103
6.3.7 遍历模式分析 104
6.3.8 决策树分类器分析 105
6.3.9 同期群分析 106
6.4 本章小结 108
6.5 家庭作业 110
第7章 数据湖泊 111
7.1 数据湖泊简介 112
7.2 支持商业运行的数据
湖泊特征 114
7.3 使用数据湖泊跨越分析
鸿沟 115
7.4 数据和分析环境的现代化 117
7.4.1 行动1：创建基于Hadoop
的数据湖泊 117
7.4.2 行动2：分析沙箱的简介 118
7.4.3 行动3：摒弃数据
仓库中的ETL过程 119
7.5 分析辐射型分析架构 120
7.6 早期学习 121
7.6.1 经验1：命名并不重要 122
7.6.2 经验2：它是数据湖泊，
而不是数据湖区 122
7.6.3 经验3：数据治理是
一个生命周期，而不是
一个项目 123
7.6.4 经验4：数据湖泊优于而
不是落后于数据仓库 124
7.7 未来是什么 125
7.8 本章小结 126
7.9 家庭作业 127
第III部分 商业利益相关者的数据科学
第8章 像数据科学家一样思考 131
8.1 像数据科学家一样思考的
过程 132
8.2 本章小结 142
8.3 家庭作业 143
第9章 “By”分析技术 145
9.1 “By”分析技术的简介 146
9.2 “By”分析练习 148
9.3 基于“By”分析的Foot Locker
用例 152
9.4 本章小结 154
9.5 家庭作业 154
第10章 评分开发技术 157
10.1 分数的定义 158
10.2 FICO分数示例 158
10.3 其他行业评分的示例 161
10.4 继续讨论勒布朗 ? 詹姆斯的
示例 162
10.5 继续讨论Foot Locker的
示例 166
10.6 本章小结 169
10.7 家庭作业 169
第11章 货币化训练 171
11.1 健身跟踪器货币化示例 172
11.1.1 步骤1：了解产品使用 172
11.1.2 步骤2：开发商业利益
相关者的人物角色 173
11.1.3 步骤3：对潜在的建议
集思广益 174
11.1.4 步骤4：确定支持的
数据源 175
11.1.5 步骤5：对盈利机会
进行优先级排序 177
11.1.6 步骤6：开发货币化
计划 178
11.2 本章小结 179
11.3 家庭作业 179
第12章 商业蜕变训练 181
12.1 商业蜕变回顾 182
12.2 商业蜕变训练 183
12.2.1 明确商业蜕变构想 183
12.2.2 了解你的客户 184
12.2.3 明确价值主张 184
12.2.4 定义数据和分析需求 185
12.3 卫生保健中的商业蜕变 190
12.4 本章小结 193
12.5 家庭作业 194
第IV部分 构建跨企业间的支持
第13章 构想的力量 197
13.1 构想：为创造性思维助力 198
13.1.1 大数据前景研讨会的
流程 198
13.1.2 前期研究 199
13.1.3 采访商业利益相关者 200
13.1.4 用数据科学进行探索 200
13.1.5 研讨会 202
13.1.6 设计研讨会 204
13.2 最优化矩阵 206
13.3 本章小结 208
13.4 家庭作业 208
第14章 释放企业机构影响力 209
14.1 首席数据货币化执行官 209
14.1.1 首席数据货币化执行官的
职责 210
14.1.2 首席数据货币化执行官
机构 210
14.1.3 分析卓越中心 211
14.1.4 首席数据货币化执行官的
领导力 212
14.2 隐私、信任度和决策治理 212
14.2.1 隐私问题=信任问题 213
14.2.2 决策管理 214
14.3 释放企业机构的创新能力 214
14.4 本章小结 216
14.5 家庭作业 217
第15章 故事 219
15.1 客户和员工的分析 221
15.2 产品和设备分析 224
15.3 网络和运营分析 225
15.4 一个好的商业故事的特点 227
15.5 本章小结 228
15.6 家庭作业 228
前言/序言
我从来没有计划写第二本书，因我本以为写一本书足以涵盖与这个话题有关的所有内容。但自从我完成第一本书之后，这个领域就发生了太大的变化，我深深地感到有必要继续帮助企业机构探索这个领域，帮助他们利用数据和分析方法改变其商业模型。我也并不仅仅探讨商业过程中“让我赚更多的钱”这一部分。大数据能够在教育、扶贫、假释复原、卫生保健、安全和降低犯罪等诸多方面显著地“提高生活质量”。
我的第一本书面向信息技术领域的读者。但是，我很快意识到，抢占大数据领域最大的赢家当属商业。因此，本书主要面向商业领域的读者，并基于以下几个关键前提：
● 组织机构不需要大数据策略。相比之下，他们需要整合了大数据的商业策略。
● 商业领袖将分析方法转化为信息技术的时代已经结束，未来的企业领导者必须将分析方法视为与会计、财务、管理科学和营销一样的商业规则。
● 数据货币化和商业转型的关键在于释放机构的创造性思维，必须让企业用户能够“像数据科学家一样思考”。
● 最后，大数据的商业潜力只受到企业用户创造性思维的限制。
在我完成第一本书之后，我开始在旧金山大学管理学院讲授“大数据MBA”课程。由于表现出色，我成为该校的第一名管理学院研究员。与学校里那些优秀、富有创造力的学生们，以及和Mouwafac Sidaoui教授共事的经历，促使我着手编写第二本书。这本书主要面向这些学生以及未来的商业领袖。
我希望本书中最为引人入胜的话题是数据科学的力量。目前已经有许多关于数据科学的书籍，它们大都旨在帮助人们成为数据科学家。但是我却认为这些书籍中缺失了一些内容：我们需要帮助未来商业领袖像数据科学家一样思考，而不是去创造一个充满数据科学家的世界。
因此，本书的重点即，帮助未来的商业领袖将数据和分析方法整合到他们的商业模型中，并通过帮助企业“像数据科学家一样思考”，释放机构的创意，引领文化的转型。
本书概览
商业利益相关者放弃对信息技术数据和分析方法控制的日子已经结束了。商业利益相关者在对机构进行数据收集和分析工作提供支持和货币化方面必须处于前沿及核心的位置。商业领导者需要了解在何处以及如何使用大数据，利用客户、产品和运营数据的新来源之间的冲突，再加上数据科学，优化关键业务流程，发现新的货币化机会，创造竞争优势新来源。然而，将商业用户改造成数据科学家是不现实的。最重要的是，我们应当教会商业用户像数据科学家一样思考，这样他们便可以利用信息技术，与数据科学家合作，进行用例识别、需求定义、业务估值以及最终的分析操作。
本书提供了一个商业化框架，辅以相应的支持方法和实践练习。这些方法和练习不仅可以帮助商业用户明确在何处以及如何利用大数据获得商业优势，而且还为操作分析方法、建立正确的组织结构，以及将机构用户体验的分析观察结果推向客户和一线员工等多方面提供了相应的指导。
本书的组织架构
本书分为四个部分：
● 第Ⅰ部分“大数据的商业潜力”包括第1章至第4章，为本书奠定了以商业论述为中心的基调。这里，我介绍了大数据商业模式成熟度指数，并围绕“机构并不需要大数据策略，而需要大数据的应用策略”这一角度，对大数据进行了讨论。
● 第Ⅱ部分“数据科学”包括第5章至第7章，介绍了数据科学背后的原理。这些章节介绍了一些数据科学的基础知识，并探讨了商业智能和数据科学的互补性，以及这两个学科在解决问题上的异同。
● 第Ⅲ部分“商业利益相关者的数据科学”包括第8章至第12章，旨在教会商业用户和商业领袖“像数据科学家一样思考”。这部分介绍的方法和练习用于强化数据科学思维。其中包含很多实际的练习。
● 第Ⅳ部分“构建跨企业间的支持”包括第13章至第15章，讨论了机构面对的挑战。这部分主要探讨“构想”，这一话题可能是本书中最重要的话题，因为大数据的商业潜力只受到商业用户的创造性思维的限制。
以下是本书中每章节的具体内容：
● 第1章：“大数据商业任务”。该章围绕大数据展开讨论，重点介绍了大数据如何应用于商业转型，以及大数据经济学，而非大数据技术本身。
● 第2章：“大数据商业模式成熟度指数”。该章介绍了整本书的基础——大数据商业模式成熟度指数(Big Data Business Model Maturity Index，BDBM)，阐述BDBM的五个阶段，BDBM提供衡量机构将数据和分析方法整合到商业模型中有效性的方法。
● 第3章：“大数据策略文档”。该章介绍了CXO级别的文档和过程，帮助机构从商业角度确定从何处以及如何开始大数据之旅。
● 第4章：“用户体验的重要性”。这是我最喜欢的话题之一。该章通过更为简单、直接的方法，挑战传统的商业智能报告和控制面板，为关键商业利益相关者，包括一线员工、渠道伙伴以及终端客户提供可行的见解。
● 第5章：“商业智能和数据科学之间的差异”。该章探讨了商业智能和数据科学的不同之处，突出了各自的差异和互补性。
● 第6章：“数据科学101”。该章(我最喜欢的一章)回顾了我的数据科学团队通常使用的14种不同的分析技术，以及应该考虑在何种商业情况下使用这些技术。该章还使用了童话主题公园的奇妙案例进行研究。
● 第7章：“数据湖泊”。该章介绍了数据湖泊的概念，解释了数据湖泊如何摒弃昂贵的数据仓库资源，释放数据科学团队的创造性。
● 第8章：“像数据科学家一样思考”。这是本书的核心部分。该章涵盖“像数据科学家一样思考”的六个步骤。该章内容相当深刻，因此在阅读时需要动笔(也可能用到橡皮)在纸上记录、练习。
● 第9章：““By”分析技术”。该章深入探讨“像数据科学家一样思考”这个重要的概念，即“By”分析技术。
● 第10章：“评分开发技术”。该章介绍了评分如何推动企业用户和数据科学家之间的协作，创建用于指导机构关键商业决策的可行评分。
● 第11章：“货币化训练”。该章为机构提供了一种方法。这些机构虽然有大量的客户、产品和运营数据，但却不知道如何通过该数据获利。该章能够开拓眼界！
● 第12章：“商业蜕变训练”。该章提供了有趣的即学即用的练习。由于考虑了大数据商业模型成熟度指数的蜕变阶段，它探讨了潜在的数据和分析方法对机构的影响。
● 第13章：“构想的力量”。该章开始解决你可能遇到的一些机构和文化上的挑战。特别是该章中介绍了一些构想技术，可以帮助释放机构的创造性思维。
● 第14章：“释放企业机构影响力”。该章更为详细地介绍了大数据对机构带来的影响，尤其是首席数据(货币化)执行官的作用。
● 第15章：“故事”。本书包含了一些非传统意义上的案例研究。利用该章介绍的方法，可以创建与自身机构相关的大数据“故事”。任何人都可以找到大数据案例研究，但这不意味着每个人都可以创建一个大数据故事。
本书读者对象
本书面向企业用户和企业管理人员。我撰写本书旨在将其作为我的大数据MBA课程教材，因此其中包含了学生的实践练习与模板。通过这些练习，学生能够顺利获得大数据MBA毕业证书。
我认为读者阅读我的第一本书Big Data: Understanding How Data Powers Big Business也会有所收获。这本书的受众对象是信息技术领域的读者。虽然这两本书之间有部分内容重叠(10%~15%)，但第一本书中做了铺垫，并介绍了一些大数据概念，而本书则对这些概念进行了更详细的探讨。
所需工具
除了铅笔、橡皮擦、几张纸和你的创意之外，并不需要特殊的工具。拿一杯印度茶拿铁，一些Chipotle快餐，享受学习的乐趣吧！
网站提供的资源
你可以从本书的网站下载“像数据科学家一样思考”的工作簿，也可以扫描封底的二维码下载。你会发现意外的惊喜！
这对你意味着什么
旧金山大学“大数据MBA”课程的学生告诉我，这本教材让他们有机会周密地策划，推动跨机构间合作，解决问题，接受挑战，再利用数据和分析方法将提出的想法付诸实践。什么样的雇主会不想要一个知道如何实现这些过程的未来领导者呢？
用户评价
这本书的封面设计简洁明快，那种深沉的蓝色调一下子就抓住了我的眼球，感觉非常专业。我原本对“大数据”这个概念抱持着一种既好奇又敬畏的态度，觉得它离我的日常工作有点遥远，更多是技术大牛们才需要关注的领域。但是，当我翻开这本书的序言，那种扑面而来的“实操感”立刻让我放下了戒心。作者似乎很擅长把那些听起来高深莫测的算法和模型，用一种非常接地气的方式呈现出来。比如，开篇关于如何界定“有价值的数据集”的那一段论述，就让我茅塞顿开，意识到很多我们日常忽略的“边角料”信息，其实蕴藏着巨大的商业潜力。它没有陷入无休止的数学公式堆砌，而是通过大量的行业案例，像剥洋葱一样，一层一层地展示了数据驱动决策的具体路径。我尤其喜欢它对“数据治理”这个环节的强调，很多企业盲目投入技术，却忽略了数据质量本身，这本书精准地指出了这种本末倒置的问题，让我对后续的阅读充满了期待。
评分这本书的阅读体验有一种逐步深化的层次感。前面部分铺垫了基础概念和战略高度，到了中间部分，开始深入到实施层面，这部分对我这个偏向业务落地的人来说尤其重要。它对不同行业数据分析方法的侧重差异进行了细致的区分，例如，对于内容平台，推荐算法的精细化调优是核心；而对于制造业，预测性维护和供应链的实时可视化则占据主导地位。书中介绍的几种经典分析框架，比如客户生命周期价值（CLV）的动态计算模型，我马上就尝试在我们的CRM系统中进行了试点验证。令我惊喜的是，通过书中提供的方法论调整，我们对高价值客户的识别准确率有了显著提升。这本书的厉害之处在于，它提供的不是一成不变的公式，而是一套可以根据自身企业基因进行灵活配置的分析工具箱。
评分这本书的叙事节奏把握得相当到位，它不像某些技术书籍那样，上来就给你抛出一大堆复杂的架构图让你头晕目眩。相反，它更像是一位资深顾问在跟你一对一交流。我是在一个项目瓶颈期接触到这本书的，当时我们团队正为如何量化市场反馈效果而伤透脑筋。书中关于“因果推断”在营销活动评估中的应用那部分，简直是雪中送炭。它详细拆解了如何设计A/B测试，以及在非理想实验环境下如何利用各种统计工具去逼近真实的因果关系。我记得书中举了一个零售业库存优化的例子，通过对历史销售波动和季节性因素的复杂建模，成功避免了一次可能发生的过度备货危机。这种将抽象理论与具体商业场景无缝对接的能力，是这本书最宝贵的财富。它教会我的不是“如何敲代码”，而是“如何用数据思维去思考商业问题”。
评分读完关于企业数字化转型战略的那几章后，我感觉自己的视野一下子被拉高了，仿佛站在了公司的决策层。这本书最让我震撼的一点是，它并没有将大数据仅仅定位为“提高效率的工具”，而是将其视为“重塑商业模式的引擎”。它深入探讨了那些成功利用数据实现跨界创新、颠覆传统行业的案例，比如金融科技公司如何通过用户行为数据重构信用评估体系，或者物流企业如何通过实时路径优化构建起成本壁垒。文字的笔触非常老辣，对成功的经验和失败的教训都有着深刻的剖析。尤其是关于“数据资产化”的讨论，它清晰地勾勒出了一条从数据收集到数据产品化的完整价值链，让我明白了企业内部数据沉淀的真正意义所在，绝不仅仅是报表好看那么简单，而是可以作为新的利润增长点被独立运营。
评分总的来说，这本书的价值远远超过了我对一本商业管理读物的预期。它最吸引我的是那种务实的态度，没有把读者当成纯粹的技术小白，但也没有把读者当成已经是数据科学家的专家。它始终将焦点锁定在“决策”和“转型”这两个核心目标上，确保每一项技术讨论的背后都有明确的商业目标支撑。我发现自己不再害怕与技术部门的同事沟通，因为这本书极大地弥补了我在技术理解和商业语言之间的鸿沟。它成功地搭建了一座桥梁，让业务领导者能够真正理解大数据背后的逻辑，从而在战略制定上做出更自信、更具前瞻性的判断。对于任何渴望在当前激烈市场竞争中占据先机的管理者而言，这本书无疑是一份极具指导意义的案头参考。
评分包裹就用塑料袋，弄个硬纸壳夹一下喽...感觉不好
评分老公给买的，还没开始看，但愿能有所提升?
评分这个塑封是破掉的 而且售后客服随意处理导致现在都没有解决 工号38962的客服极端恶劣 有同样经历的消费者一起控诉他
评分挺好的书，大家觉得很有用，支持京东书城哦
评分书不错，买了很多了，越来越上瘾，家里都放不下了，哈哈，以前要是这么爱看书该有多好
评分Hadoop高级数据分析 使用Hadoop生态系统设计和构建大数据系统/大数据应用与技术丛书
评分真的很好真的很好真的很好
评分包裹就用塑料袋，弄个硬纸壳夹一下喽...感觉不好
评分非常好，还没有看呢，应该是会不错嗯额敏
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.coffeedeals.club All Rights Reserved. 静流书站 版权所有