大决策： 大数据时代的预测分析和决策管理

出版者:上海社会科学院出版社

作者:拉里·罗森伯格

页数:184

译者:陈建

出版时间:2014-5

价格:38.00

isbn号码:9787552005547

具体描述

21世纪的所有企业都面临着相同的挑战和机遇：如何才能将海量的数字数据转化为财务和客户价值？另一个重要问题是，企业如何利用这些数据激发下一波的业务创新？

数据的真正价值来自于有效使用数据作出决策。企业的经营决策多达数百万个，这些决策对企业与客户的关系以及企业的发展前景产生影响。《大决策》讲述了企业如何利用决策管理（原则和技术）去改善这些决策的结果。在这本开创性的作品中，作者用通俗易懂的语言，分享了50年来帮助企业实现和改善自动化决策的经验，展示了目光远大的执行官和经理人如何利用分析洞察来确保公司的决策能应对日益增加的复杂性，跟上日益加快的变化步伐。

作者简介

拉里·罗森伯格，费埃哲前任CEO，首席研究员，麻省理工大学物理学理科学士学位，以及加州大学伯克利分校物理学理科硕士学位和运营研究工科学士学位。他还担任巴克教育研究所（Buck Institute for Education）的董事长，以及诸多盈利和非盈利组织的董事。

约翰·纳什，费埃哲前任战略副总裁。在加入费埃哲之前，他担任风险管理信息产品公司Seisint（现在是律商联讯的子公司）产品战略副总裁。

安·格雷厄姆，职业记者，《战略与经营》杂志的编辑和长期撰稿人，经济学人集团、高纳德咨询公司、博思公司和Knowledge@Wharton的记者和编辑。

本书作者罗森伯格系费埃哲（FICO）前任CEO，首席研究员。FICO 是决策管理的领导者，所开发的FICO信用分是最常用的一种普通信用分。美国三大信用局都使用FICO信用分，每一份信用报告上都附有FICO信用分，以致FICO成为信用评分的代名词。

目录信息

译序 １
引言 １
第一章　从直觉到算法 １１
第二章　分析学如何提升客户关系的价值 ３４
第三章　共同创造和决策管理 ５２
第四章　决策领先企业的三个原则 ６７
第五章　新型知识工作者 ８６
第六章　解密决策管理 ９９
第七章　决策管理的未来 １１７
附录Ａ：费埃哲决策管理方法 １４１
附录Ｂ：词汇表 １６８
致谢 １７１
关于作者 １７４
· · · · · · (收起)

用户评价

当我第一次翻开《大决策》这本书时，就被它所传递出的专业性和深度所震撼。我一直以来都在思考，如何才能在大数据时代，将海量的信息转化为真正有价值的洞察，并且能够指导我们做出更优的决策。这本书似乎正是我一直在寻找的答案。我对书中关于“数据驱动的决策流程”的构建非常感兴趣，它不仅仅是关于技术的应用，更是关于如何将数据分析的结果有效地整合到整个决策的生命周期中。我特别希望书中能够提供一些关于如何识别和定义关键决策问题的指导，因为很多时候，我们能够分析出大量数据，但却不知道这些数据对我们真正想要解决的问题有什么意义。同时，我也期待书中能够分享一些关于如何构建和优化预测模型的最佳实践，以及如何处理模型中的偏差和不确定性。我个人非常关注“客户洞察”和“个性化推荐”等领域，因为在这些领域，精准的预测性分析能够极大地提升用户体验和商业价值。我希望书中能够提供一些关于如何通过预测分析来理解客户需求，以及如何利用这些洞察来制定更具吸引力的产品和营销策略。这本书的语言风格也让我感到非常舒适，它既有学术的严谨性，又不失通俗易懂的表达，让我能够轻松地沉浸其中，并且从中汲取知识。我相信，这本书将会成为我学习大数据分析和决策管理领域的重要参考，并且能够帮助我在未来的工作中取得更大的成就。

我是一名关注企业运营效率提升的管理咨询师，而《大决策》这本书，恰恰是我一直在寻找的能够提供切实解决方案的宝典。我深知，在大数据时代，每一个企业都面临着如何从海量数据中挖掘出 actionable insights 的挑战。这本书从“预测分析”切入，旨在帮助企业更精准地预判未来趋势，从而做出更有效的决策。我特别期待书中能够提供一些关于“供应链优化”、“库存管理”等领域的数据分析方法，因为这些是提升企业运营效率的关键环节。我希望能够学习到如何利用预测模型来优化库存水平，降低运营成本，并且提高客户满意度。同时，我也非常关注书中关于“客户细分”和“个性化营销”的章节，因为精准的客户洞察能够帮助企业更好地理解客户需求，并制定更具针对性的营销策略。这本书的案例分析也让我非常期待，它能够帮助我更直观地理解大数据在不同行业中的应用效果。我相信，通过阅读这本书，我能够获得更系统、更深入的知识，从而更好地为我的客户提供咨询服务，帮助他们在大数据时代实现可持续发展。

我对《大决策》这本书的期待，源于我对数据驱动决策模式的强烈认同。在我看来，在大数据时代，我们已经进入了一个“没有预测就没有决策”的时代。而这本书，恰恰是系统性地阐述了这一核心理念。我特别欣赏作者在书中对“预测分析”与“决策管理”之间关系的深入剖析。它不仅仅是技术层面的分析，更是对整个商业决策流程的重塑。我个人在金融行业工作，深知精准预测对于风险控制和投资决策的重要性。我希望书中能够提供一些关于“信用风险预测”、“市场趋势预测”等具体应用场景的案例，让我能够学习到如何在复杂多变的金融市场中，利用大数据做出更明智的决策。同时，我也期待书中能够讲解一些关于“机器学习算法”在金融领域的具体应用，以及如何评估这些算法的有效性和可靠性。这本书的排版和设计也让我感到非常专业，它使得阅读过程更加顺畅，也能够更好地突出重点内容。我希望这本书能够成为我理解和应用大数据分析工具的重要参考，并且能够帮助我提升在金融领域的决策水平。我相信，通过这本书的学习，我能够更好地驾驭数据，从而在竞争激烈的金融市场中保持领先地位。

这本书的封面传递出一种严谨而又充满力量的感觉，这与我期待的内容非常契合。我一直在关注大数据在商业领域中的应用，特别是如何将数据转化为可执行的决策。之前阅读过一些关于数据挖掘和机器学习的书籍，但总觉得它们更侧重于技术本身，而忽略了技术与实际业务决策的连接。而《大决策》这本书，从书名和简介来看，它正好弥补了我这方面的知识空白。我非常期待书中能够深入探讨如何利用预测分析来解决实际的商业问题，例如如何通过预测用户行为来优化营销策略，如何通过预测供应链风险来降低运营成本，以及如何通过预测市场趋势来把握新的商机。我个人对“预测性维护”和“风险预警”等应用场景非常感兴趣，因为在这些领域，精准的预测能够直接带来显著的经济效益和安全性提升。我希望书中能够提供一些具体的案例分析，让我能够更直观地理解预测分析在不同行业中的应用效果。同时，我也希望书中能够讲解一些关于如何衡量和评估预测模型性能的指标，以及在面对不确定性时，如何做出最佳的决策。这本书的厚度也让我感到它内容十分充实，我期待在其中学习到一套系统性的方法论，能够帮助我在复杂多变的市场环境中做出更明智、更具前瞻性的决策。我个人认为，大数据不仅仅是一种技术，更是一种思维方式，而这本书恰恰能够帮助我重塑这种思维，让我能够更好地拥抱数据驱动的未来。

这本书的封面设计就深深吸引了我，它以一种沉稳而又富有力量的蓝色为主调，点缀着一些抽象的数据流线条，仿佛预示着书中将要探讨的那些深邃的、影响未来的信息洪流。当拿到这本书的时候，我能感受到它纸张的质感，那种厚实而又略带磨砂的感觉，让我觉得这不仅仅是一本普通的技术书籍，更像是一份经过精心打磨的智力结晶。我一直在寻找一本能够系统性地梳理大数据时代下决策科学的书籍，市面上充斥着各种碎片化的信息，要找到一本真正能够帮助我构建起完整认知框架的却很难。从我粗略翻阅的几章来看，作者在开篇就非常准确地指出了大数据带来的机遇与挑战，它不是简单地罗列数据分析的技术，而是着眼于如何利用这些数据来做出更明智、更有效的决策。这一点让我非常欣喜，因为我更关注的是“如何做”，而不是“做什么”。书中提到的“预测分析”概念，在我看来，是大数据最核心的价值所在，它能够帮助我们洞察未来的趋势，规避潜在的风险，抓住稍纵即逝的机会。我个人在工作中经常会遇到需要基于不确定性信息做出判断的情况，而传统的经验主义往往显得力不从心。我迫切地希望这本书能够提供一套切实可行的方法论，帮助我更好地理解和应用预测分析，从而提升我自身以及我所在团队的决策能力。我对书中所提及的案例和应用场景充满了期待，希望能够从中学习到各行各业是如何利用大数据进行预测性决策的，例如在金融领域如何预测市场波动，在营销领域如何精准定位客户，在医疗领域如何优化治疗方案等等。这本书的份量和深度，让我相信它会是一次非常有价值的阅读体验，我会仔细品读，并尝试将书中的理论付诸实践。

拿到《大决策》这本书，我的第一感觉是它的份量很足，内容一定很扎实。我是一名在市场营销领域工作多年的专业人士，深知在大数据时代，传统的经验主义已经难以应对快速变化的市场。因此，我一直在积极寻找能够帮助我提升数据分析和预测能力的工具和方法。这本书的出现，正是我所需要的。我特别对书中关于“预测客户流失”和“预测营销活动效果”的章节充满了期待，因为这些是我工作中经常会遇到的难题。我希望书中能够详细讲解如何利用大数据技术来构建有效的预测模型，并且能够提供一些具体的案例分析，让我能够学习到成功的经验。同时，我也非常关注书中关于“决策后评估”的部分，因为我知道，一个完整的决策管理体系，不仅仅在于预测和执行，更在于对结果的持续追踪和反馈。我希望书中能够分享一些关于如何衡量预测模型的准确性，以及如何根据实际结果来优化模型的策略。这本书的写作风格也让我感到非常亲切，它能够将复杂的技术概念用清晰明了的语言表达出来，让我能够更好地理解和吸收。我相信，通过阅读这本书，我能够更深入地理解大数据时代的商业逻辑，并且能够将这些知识有效地运用到我的工作中，为我的公司带来更大的价值。

《大决策》这本书，为我提供了一个全新的视角来理解数据与决策之间的关系。我一直认为，在大数据时代，我们不应该仅仅是数据的收集者，更应该是数据的驱动者。这本书从“预测分析”出发，旨在帮助读者掌握如何利用数据来预判未来，从而做出更明智的决策。我非常期待书中能够详细讲解“数据可视化”在决策过程中的作用，因为它能够帮助我们更直观地理解复杂的数据。我希望能够学习到如何利用图表和图形来呈现预测分析的结果，并且如何将这些结果有效地传达给决策者。同时，我也非常关注书中关于“机器学习算法”的介绍，这些算法在预测分析中扮演着至关重要的角色，我希望能够了解它们在实际应用中的优势和局限性。这本书的作者在数据科学领域拥有丰富的经验，我相信他所分享的知识一定非常宝贵。我希望通过阅读这本书，能够更深入地理解数据驱动的决策模式，并且能够将这些知识有效地应用于我的工作中，从而提升我的决策能力和工作效率。这本书的出版，对于所有希望在大数据时代提升自身竞争力的人来说，无疑是一份珍贵的礼物。

《大决策》这本书，让我看到了大数据时代下决策科学的未来方向。我是一名对人工智能和商业智能充满好奇的学习者，一直渴望能够深入了解大数据如何赋能决策。这本书从“预测分析”入手，再到“决策管理”，勾勒出了一条清晰的学习路径。我特别期待书中能够详细讲解“时间序列分析”、“回归分析”等预测模型，并且能够提供一些关于如何选择和优化这些模型的指导。我希望能够学习到如何将这些预测模型应用于实际的商业场景，例如“销售预测”、“需求预测”等。同时，我也非常关注书中关于“决策树”和“神经网络”等算法的介绍，这些算法在人工智能领域扮演着重要的角色，我希望能够了解它们在决策管理中的具体应用。这本书的作者在学术界拥有良好的声誉，我相信他所分享的知识一定非常前沿和实用。我希望通过阅读这本书，能够更深入地理解大数据分析的原理和方法，并且能够将这些知识有效地应用于我的学习和研究中。我相信，这本书将会为我打开一扇新的大门，让我能够更好地探索数据驱动的决策世界。

我是一名对商业决策和数据驱动的进步充满热情的研究者，而《大决策》这本书，毫无疑问是我近来阅读过的最有价值的著作之一。从书籍的整体框架来看，作者显然经过了深思熟虑，他将预测分析这一复杂领域，以一种非常逻辑化的方式呈现出来，使得整个学习过程显得井然有序，也更容易被接受。书中对“大数据时代”的定义和分析，我觉得非常到位，它不仅仅是一个技术概念的更新，更是一种思维模式和商业范式的转变。我尤其对书中关于“预测性建模”的章节印象深刻，它详细阐述了如何从海量数据中提取有价值的信息，并将其转化为可预测的模式。这对于很多希望提升自身分析能力的人来说，无疑是一份宝贵的指南。我个人在研究中常常需要处理大量的数据集，并且需要从中发现潜在的规律，以便为未来的策略制定提供依据。我非常期待书中能够提供一些具体的模型构建方法，以及如何选择最适合特定场景的算法。同时，我也关注到书中对“决策管理”的强调，这意味着它不仅仅是关于预测，更是关于如何将预测结果有效地融入到决策流程中，并且如何建立一套持续优化的决策体系。我希望这本书能够提供一些关于数据伦理和隐私保护的讨论，因为在大数据应用日益广泛的今天，这些问题变得尤为重要。它应该是一本能够帮助我们驾驭数据力量，同时又能够保持审慎和负责任态度的书籍。我相信，通过这本书的学习，我能够更深入地理解大数据时代的决策逻辑，并且能够将这些知识有效地运用到我的研究和实践中。

这本书的出现，就像在信息爆炸的海洋中，为我指明了一个清晰而坚实的航向。我一直对“预测”这个词汇充满着好奇和敬畏，在不确定性中寻找确定性，这本身就是一项极具挑战性的任务。而大数据，则赋予了这种预测更强大的能力和更广阔的可能性。我特别欣赏作者在书中所展现出的那种宏观视野，他不仅仅是停留在技术层面，而是将技术与战略、与管理紧密地结合起来，探讨大数据如何在战略层面影响企业的决策方向。当我阅读到关于“决策管理”的部分时，我感受到一种全新的思维方式的启迪。我们往往习惯于事后诸葛亮，但这本书似乎在教我们如何提前预判，如何在动态变化的环境中保持主动。我对于书中关于“模型构建”和“算法选择”的探讨非常感兴趣，但我更期待的是，作者能够深入浅出地讲解这些复杂的技术原理，并给出如何在实际操作中避免常见误区的建议。毕竟，对于非技术背景的读者来说，理解并应用这些高深的知识是一项不小的挑战。我特别希望书中能有关于如何评估预测模型准确性的章节，以及在预测结果存在不确定性时，如何平衡风险和收益做出最终决策。我曾阅读过一些关于数据分析的书籍，但它们往往过于侧重技术细节，而忽略了决策过程中的人性化因素和情境适应性。我相信这本书能够在这一点上有所突破，它不仅仅是关于数据的科学，更是关于智慧的艺术。我期待着在书页之间，找到那些能够转化为实际行动的洞见，让我的决策过程更加科学、高效，并最终能够产生更大的价值。

写的太虚，整个只说了大数据的一个V，反复说价值，最后的分析方法整出来25步，太悍了

在蜗牛读书上看的，全书旁征博引，但真正有用的内容和观点其实并不多，举例也基本都是点到为止

没什么新意 内容也很浅 看过类似概念科普就不用再浪费时间再看一遍了

写的太虚，整个只说了大数据的一个V，反复说价值，最后的分析方法整出来25步，太悍了

反复强调决策管理的重要性，输出一个概念而已，并没有什么卵用