未读消息消息

购物车

我的订单

个人中心

店铺

我的订单收藏

拍卖

拍卖交易我的竞拍收藏

我的好友资金账户

卖家中心

客服 |

帮助中心 9:00-20:30 在线留言

客服电话

010-89648155

服务时间

客服咨询 8:00-21:00

纠纷处理 9:00-21:00

图书审核 9:00-18:00

监督与建议

请选择

手机孔网

大数据MBA 通过大数据实现与分析驱动企业决策与转型/大数据应用与技术丛书

作者: 于楠译

出版社: 清华大学出版社

出版时间: 2017-07

版次: 1

ISBN: 9787302477365

定价: 49.80

装帧: 平装

开本: 16开

纸张: 胶版纸

页数: 244页

字数: 315千字

正文语种: 简体中文

丛书: 大数据应用与技术丛书

分类: 计算机与互联网

5 张插图图片

24人买过

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。

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https://infocus.emc.com/author/william_schmarzo/。

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
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https://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

查看详情

大数据MBA 通过大数据实现与分析驱动企业决策与转型/大数据应用与技术丛书

内容简介:

作者简介:

目录: