数源思维：业务导向的数据思维秘籍

出版者:电子工业出版社

作者:仓剑

页数:276

出版时间:2017-3

价格:59

装帧:平装

isbn号码:9787121309977

具体描述

《数源思维：业务导向的数据思维秘籍》为非专业数据技术人员提供了一种有效利用数据解决问题的思维方法——数源思维。这种方法的简单描述，就是“从业务中来，回业务中去”。《数源思维：业务导向的数据思维秘籍》的上篇使用实例和典故详解了数源思维内涵和四个操作步骤。下篇同样以实例方式展示了数源思维如何在各部门的业务中发挥威力，并将企业策略制定工作从传统被动、慢速、静态的方式转变为主动、快速、动态的方式。

《数源思维：业务导向的数据思维秘籍》可以帮助企业市场、产品、运营等业务管理者建立或提升数据导向的业务问题解决能力，可以帮助战略规划或中高层管理者提升数据导向的战略分析能力，同时《数源思维：业务导向的数据思维秘籍》也可以作为商学院高年级学生的思维方法学习与训练用书。阅读《数源思维：业务导向的数据思维秘籍》不需要任何高等数学或统计学基础。

作者简介

仓剑，米饭科技创始人，前新浪微博数据中心资深数据分析师，新浪学堂培训师，数据驱动课题组组长。前赛迪顾问软件产业研究总监、总经理。在近20年的职业生涯中，先后从事软件售前、战略咨询顾问、行业分析师、数据分析师等工作，最后自己创业，这是一条从业务走向数据再回到业务的职业道路，仓剑将其结成一份工作总结，形成此书。

目录信息

上篇 解密数源思维
第 1 章 数源视角下的三重境界 2
只见业务不见数；又见业务又见数；只见业务不见数……
数据及其处理技术是招式，当忘掉招式的时候，就是练成数源思维秘籍的时候。
1.1 没数 2
1.2 有数 4
1.3 驭数 6
1.4 数据就像金箍棒 9
1.5 数源思维的战略性 12
第 2 章 数源思维不是什么 15
数源思维是大数据思维吗？是数据化管理吗？是商业统计分析吗？是一种数学应用吗？
既是，也不是。这些都是数源思维的招式，如果没有它们，则不能解决任何实际问题。但这其中任何一招都构不成数源思维。
2.1 数源思维不等于数据思维 15
2.2 数源思维不等于考古发掘 20
2.3 数源思维不等于数学逻辑 22
2.4 数源思维不等于 KPI 思维. 24
2.5 数源思维的四步曲 27
第 3 章 问，数源思维与产品思维、用户思维 32
提问——将业务问题转化为数据问题是数源思维第一步的核心任务。实现这一任务的路径和方法可以有多种，但最终要实现的目标是一致的。
3.1 三类思维的关系 32
3.2 提问要点 39
3.3 不要搞错决策对象 43
第 4 章 拆，问题的拆分 46
拆分——第一步中定义好的问题往往因为比较宏观而无法直接着手解决，我们就需要将其拆分为更微观的细节问题，进而再去寻找细分问题的解答方法。
4.1 从整到分，从分到整 46
4.2 结构化拆分问题的方法 50
4.3 相亲看眼缘吗 55
4.4 相关问题的转换 59
4.5 攻击要害 60
4.6 问题的时空转换 61
第 5 章 解，设计解决问题 64
解答——当问题已经足够明确和细分，能着手开始解决后，我们就进入了“解”的步骤。在解答问题的整个过程中与思维密切相关的是方法、算法设计。
5.1 问题类型 64
5.2 定性问题的测量方法 67
5.3 全局问题的局部算法 73
5.4 大问题的逐步求精 76
5.5 难测问题的替代算法 82
5.6 利用实验创造数据 87
第 6 章 谋，数源思维与科学思维、人文思维 93
科学思维——探究客观之理，做令人信服之论；
人文思维——抒发主观之情，记感人情怀之述。
6.1 科学思维与数据说服 93
6.2 人文思维与数据感人 99
6.3 推理说服与想象感人 104
6.4 要有一个好故事 107
6.5 符合视觉需求 116
第 7 章 认识数据的局限和代价 130
要用好数据这项工具，除了要知道它的优势，还必须清楚在现有条件下它的劣势，从而避免应用时的偏颇。但从总的趋势来说，机器利用数据做出的判断越来越精准，比如下面第一节讲到的人脸识别例子，在最新的人机大战中，机器又实现了超越。
7.1 非结构化数据的局限 130
7.2 非直观化数据的代价 134
7.3 结果影响行为的困扰 137
下篇 打通任督二脉
第 8 章 什么叫接地气的战略 142
要形成企业战略，观察的角度和思考的维度应该如何选择？是要观察外部环境，还是应该考察内部资源；是要静态的分析，还是应该动态的调整？对于这些问题的解答虽然并无定论，一直在发展变化，但还是存在一个相对确定的总体趋势。
8.1 内外动静两相宜 142
8.2 自下而上藏乾坤 150
8.3 互联网金融要从隔壁起，不信你问“马爸爸” 156
第 9 章 如何看透产业、行业 160
产业和行业的状态及其发展是企业进行战略思考时最重要的外部环境信息。同时，因为它们是企业运行的直接环境，企业中多个部门的业务是与这两者有直接的接触，所以对它们的观察和感知就有条件融入这些一线部门的业务中。
9.1 企业、行业、产业、市场，你分得清吗 160
9.2 一箭射穿产业迷雾 167
9.3 照亮行业的太极图 172
9.4 看透产业、行业的太极剑 178
9.5 总裁问题人人可解 179
第 10 章 市场/销售部门如何替总裁分忧 185
市场部的业务直接与用户和市场接触，在工作中会将大量市场数据带入企业，有效利用这些数据就能形成战略分析信息。销售部会将竞争对手信息带入企业，从而帮助企业了解行业竞争态势，分析自身优劣势。
10.1 吹动市场的三叶扇 185
10.2 魔道相争修出正果 193
10.3 市场争夺中的知彼之道 200
第 11 章 产品部门如何替总裁分忧 205
产品设计和开发部门的工作涉及产业、行业和用户需求，因此会不断将相关数据、信息带入企业。利用好这些数据、信息就能提高战略思考的动态能力。
11.1 产品更新中也能探知机遇与威胁. 205
11.2 书名竟然可以这么取 208
11.3 顺藤摸瓜理解用户需求 215
第 12 章 运营部门如何替总裁分忧 219
运营部门是企业中与用户互动最频繁最密切的业务单元，因此运营工作会持续产生有关用户、需求的丰富数据。对于这些数据的有效利用，就能形成判断市场机遇、威胁的信息，从而支持动态的战略思考。
12.1 阅尽亿万用户只用一眼 219
12.2 如何释放深藏在人与人之间的核能 225
12.3 马云屡败屡战背后的骇人趋势 232
第 13 章 总裁的决策 239
一线业务的信息有了以后，如何进行汇总、整合、分析，从而形成战略？
13.1 四部门替总裁分了多少忧 239
13.2 数据/规划部门粉墨登场 242
13.3 上下通达独孤求败 244
后记 246
鸣谢 248
参考文献 249
图索引 253
· · · · · · (收起)

读后感

数据，大数据，机器学习，数据导向，数据思维，这些都是热得发红的词，却又是神秘得让人不敢多谈。 去年我们公司开始设立了首席数据官。我们这些身在业务部门的人，隐约看到了公司身在互联网行业顺应大势注重数据的挖掘和应用，摩拳擦掌准备全力以赴给予一切支持。然后，一年过...

数据，大数据，机器学习，数据导向，数据思维，这些都是热得发红的词，却又是神秘得让人不敢多谈。 去年我们公司开始设立了首席数据官。我们这些身在业务部门的人，隐约看到了公司身在互联网行业顺应大势注重数据的挖掘和应用，摩拳擦掌准备全力以赴给予一切支持。然后，一年过...

数据，大数据，机器学习，数据导向，数据思维，这些都是热得发红的词，却又是神秘得让人不敢多谈。 去年我们公司开始设立了首席数据官。我们这些身在业务部门的人，隐约看到了公司身在互联网行业顺应大势注重数据的挖掘和应用，摩拳擦掌准备全力以赴给予一切支持。然后，一年过...

数据，大数据，机器学习，数据导向，数据思维，这些都是热得发红的词，却又是神秘得让人不敢多谈。 去年我们公司开始设立了首席数据官。我们这些身在业务部门的人，隐约看到了公司身在互联网行业顺应大势注重数据的挖掘和应用，摩拳擦掌准备全力以赴给予一切支持。然后，一年过...

数据，大数据，机器学习，数据导向，数据思维，这些都是热得发红的词，却又是神秘得让人不敢多谈。 去年我们公司开始设立了首席数据官。我们这些身在业务部门的人，隐约看到了公司身在互联网行业顺应大势注重数据的挖掘和应用，摩拳擦掌准备全力以赴给予一切支持。然后，一年过...

用户评价

坦白说，市面上的数据思维书籍很多，但很多都陷入了“工具堆砌”或者“理论空谈”的怪圈。这本书的独特之处在于，它构建了一个非常稳固的“思维框架”，然后才在这个框架内填充具体的业务场景。我发现，这本书的核心价值不在于教你用Python或SQL，而在于教你如何像一个“数据科学家”那样思考业务问题。它强调的不是技术能力，而是“业务敏感度”和“逻辑严谨性”。特别是关于数据叙事的部分，作者提出的“数据驱动的故事线”构建方法，让我学会了如何更有效地向高层汇报，不再是简单地罗列图表，而是能够用数据支撑起一个具有说服力的商业论断。这对于提升我在跨部门沟通中的影响力起到了关键作用。如果说别的书教你“如何收集弹药”，这本书教你的是“如何瞄准和开火”。

我是一个典型的“业务出身”管理者，过去总觉得数据分析是IT部门的事情，自己只需要接收他们提供的报表。但随着业务复杂度的提升，我发现对数据理解的深度直接决定了我的战略高度。这本书的出现，彻底改变了我的看法。它不是那种高高在上地谈论宏大叙事，而是非常接地气地从“提问”开始。作者似乎深谙业务人员的痛点，书中大量篇幅都在讨论如何将一个模糊的商业问题，拆解成一个结构化的、可以被数据回答的问题链。这种结构化的思维方式，极大地提高了我的工作效率。而且，书中的案例并非那种理想化的、数据完美的场景，而是充满了现实中的数据缺失、数据不一致等“脏数据”挑战，并提供了应对这些挑战的实用策略。这让我感到非常真实和亲切，仿佛作者就是我的老同事，在旁边给我出谋划策，而不是一个遥远的专家。

这本书的封面设计和书名给人的感觉就是那种非常务实、直击痛点的实战手册，完全不是那种空泛的理论说教。我特别欣赏作者在叙述逻辑上的清晰度和层次感，从一开始的“为什么需要数据思维”到中间的“如何构建数据驱动的业务决策框架”，再到最后的“如何落地并实现持续优化”，整个脉络非常流畅，就像是有人手把手带着你走过一个完整的流程。它没有过多地纠结于晦涩难懂的技术细节，而是聚焦于业务人员如何利用现有数据资源去解决实际的业务难题。特别是书中关于“业务语言”和“数据语言”之间桥梁搭建的论述，让我茅塞顿开，很多之前感觉模棱两可的部门协作问题，一下子就找到了症结所在。这本书更像是一本操作指南，而不是一本学术专著，对于那种急需提升数据能力、但又被技术术语吓退的管理者来说，简直是福音。我个人是做市场运营的，很多时候面对海量数据却不知从何下手，这本书提供了很多非常具体的场景化案例，让我能立刻在自己的工作中找到对应的模型去套用和实践，这种即学即用的感觉是很多同类书籍无法比拟的。

这本书的阅读体验非常“顺滑”，没有那种硬邦邦的阅读障碍感，文字表达极其精准，同时又富含洞察力。我发现自己阅读时，经常需要停下来，反复咀嚼一些句子，因为它们触及了过去我一直未曾察觉到的认知盲区。例如，书中关于“因果关系”与“相关关系”的辨析，用极其生活化的例子阐述了在大数据时代，这种混淆可能带来的巨大决策偏差，这比任何学术论文都来得更直观。它强调的“业务导向”绝不是一句口号，而是贯穿始终的原则——所有的数据探索都必须回溯到它是否能驱动特定的业务行动或改进上。这本书为我提供了一个全新的认知地图，让我能够清晰地看到数据如何渗透并重塑现代商业的每一个角落。它不是一蹴而就的速成秘籍，而更像是一份需要长期在实践中体悟和内化的思维宝典。

读完之后，我最大的感受是，这本书真正做到了“去魅”——它没有把数据分析描绘成只有少数天才才能掌握的魔法，而是将其还原为一种可以系统学习和训练的思维模式。书中对于如何识别“关键业务指标（KPI）”以及如何将这些指标与底层数据进行有效关联的讲解，非常具有操作性。我尤其喜欢其中一个章节，专门探讨了如何避免“数据陷阱”，比如过度依赖某些单一指标而忽略了全局视角，或者在数据解读中引入个人偏见。这种深刻的自我反思和批判性思维的培养，是比单纯学习工具更重要的收获。它教会我，数据本身不会说谎，但解读数据的人可能会。因此，这本书不仅仅是教你“看”数据，更是教你“问”数据，以一种更审慎、更具商业洞察力的方式去对待它。这种对思维底层逻辑的重塑，比学任何一个软件的技巧都更有价值，它真正提升了我的决策质量。

读过很久了，依稀记得不是很好

不就是一本管理学图书嘛

提供一个结合数据与产品的概览式介绍，和思维关系不大。长篇大论较多，可读性不强，像是课本，不如看案例

然并卵

提供了一些思考方式