数据化决策：数据分析与高效经营

出版者:人民邮电出版社

作者:[日]BSR 大数据科学研究会

页数:0

出版时间:2018-7

价格:59.80元

装帧:平装

isbn号码:9787115479976

具体描述

如何用数据分析高效经营已成为职场人士瞩目的焦点。这种现象的背后是社会对从堆积如山的数据中提炼出有益信息的强大需求，可以说正是这种需求使得数据化决策的重要性越来越凸显。 本书围绕数据化决策的方式方法，介绍职场人士所必需的管理知识、统计学基础知识和商务应用能力，并通过Excel分析具体案例，深刻阐述从数据分析到高效经营的商务思考方式。 本书不单讲深奥的经营决策思维，也不独论专业的数据分析实操，而是在两者综合的基础上，思维化繁为简，实操具体到位，图文搭配教学，力求帮助职场人士将大数据与商业相结合，找到企业经营之道。

作者简介

BSR大数据科学研究会 专门研究大数据时代数据科学的机构

目录信息

第 1章 大数据时代的数据科学家
1.1 点球成金
1.2 棒球和数据科学家
1.3 发现了“宝藏”的运动家队
1.4 在真理的海洋边玩耍的孩子
1.5 大数据和数据科学家
1.6 大数据时代硬件与网络高度发展
1.7 大数据时代另一个特征
1.8 最有魅力的数据科学家
1.9 数据科学家的素养与技能
Management Science ① 什么是管理
1.10 数据科学家的用武之地
Column 1 直觉判断法
第 2章 让数据分析服务于经营
2.1 三个石匠
2.2 数据科学家的眼光
2.3 数据科学家的管理素质
2.4 战略地图——平衡计分卡
2.5 战略地图解读
2.6 尺度与评价标准——KPI
2.7 KPI 解读
Management Science ② 应当了解的常用KPI
2.8 KPI 导向数据分析
2.9 KPI 导向数据分析的基本方式
2.10 PDCA 思想及缺陷
2.11 约束理论
2.12 五大核心步骤
2.13 以五大核心步骤实践PDCA
Column 2 远足比喻
第3章 用统计学揭示数据内涵
3.1 平均数的内涵
3.2 几何平均数及调和平均数
Do It Excel ① 用函数计算各类平均数
3.3 加权平均数
3.4 中位数和众数
3.5 频数分布表
3.6 直方图
Do It Excel ② 绘制直方图
3.7 数据分布的离散程度
3.8 极差
3.9 方差
3.10 标准差与变异系数
Data Science ① 统计学的关键！理解方差、标准差、变异系数
Do It Excel ③ 计算方差、标准差、变异系数
3.11 标准正态分布
3.12 Z 分数和T 分数
3.13 将标准差应用到库存管理中
Do It Excel ④ 手头应该持有多少现金？
Column 3 6σ（六西格玛）
第4章 用相关分析挖掘潜藏商机
4.1 相关关系在商业中的重要性
Management Science ③ 理解相关关系和因果关系的不同
4.2 验证相关关系的基本步骤
4.3 相关关系可视化——散点图
4.4 相关关系强弱性——相关系数
Do It Excel ⑤ 散点图和相关系数
4.5 问卷调查的相关关系
4.6 问卷调查结果的相关矩阵
Do It Excel ⑥ 用分析工具计算相关系数
4.7 满意度分析图
4.8 策略方案的制定
Do It Excel ⑦ 用散点图绘制满意度分析图
4.9 顾客与商品的细分化
Do It Excel ⑧ 绘制帕累托图
4.10 交叉分析的基本方法
Do It Excel ⑨ 用数据透视表进行交叉分析
Column 4 找不到“数据分析”按钮！
第5章 用回归分析预测未来
5.1 用回归分析预测未来
5.2 回归直线与回归方程
5.3 回归直线准确度——R2 值
Data Science ② 计算R2 值的思考方式
Do It Excel 计算回归系数和截距
5.4 理解回归分析及其结果的含义①
5.5 理解回归分析及其结果的含义②
Do It Excel 用回归分析表导出回归方程
5.6 多元回归分析
5.7 用Excel 进行多元回归分析
5.8 多元回归方程
5.9 报纸广告和店内促销，谁的贡献度更高？
5.10 定性转定量，分析更简单①
5.11 定性转定量，分析更简单②
Do It Excel 将有、无转为数值
5.12 回归分析表
5.13 用回归分析表进行有效促销
Column 5 看似简单实际很难的概率问题
第6章 用检验做出战略决策
6.1 假设是否成立？
6.2 样本均值与总体均值
Data Science ③ 中心极限定理
6.3 通过掷骰子理解检验
Do It Excel 制作二项分布图
6.4 检验的基本步骤
6.5 该店午餐价格比当地午餐均价便宜？
Data Science ④ 双边检验和单边检验
Do It Excel 调查平均数之间是否存在差异①
6.6 样本容量小？——t 检验
Do It Excel 调查平均数之间是否存在差异②
6.7 多个比较对象？——F 检验
6.8 是否有显著差异？——方差分析①
6.9 是否有显著差异？——方差分析②
Column 6 均值回归
第7章 用R 语言结构化数据
7.1 数据分析的实际标准——R
7.2 R 的基本操作
Do It R ① 读取R 的数据集
7.3 箱线图
Data Science ⑤ 理解箱线图的内涵
Do It R ② 导入程序包
7.4 用R 也能做回归分析
7.5 用R 还能做聚类分析
Do It R ③ 用R 进行聚类分析
Do It R ④ 将城市间的距离可视化
7.6 小心黑天鹅事件
参考文献
· · · · · · (收起)

读后感

这书实在是幼稚，适合小学生当读物。没几句有用的话。垃圾啊。文字已经够浅显，又一半的弱智图。这样不够骗钱，还半本空白，大行间距。简直不能更幼稚。还好意思定价60，什么鬼啊？6块钱的少儿读物。妹妹买的，本来想学习学习。翻了一下，笑出声了。。。。。。。。。。。。。。...

这书实在是幼稚，适合小学生当读物。没几句有用的话。垃圾啊。文字已经够浅显，又一半的弱智图。这样不够骗钱，还半本空白，大行间距。简直不能更幼稚。还好意思定价60，什么鬼啊？6块钱的少儿读物。妹妹买的，本来想学习学习。翻了一下，笑出声了。。。。。。。。。。。。。。...

这书实在是幼稚，适合小学生当读物。没几句有用的话。垃圾啊。文字已经够浅显，又一半的弱智图。这样不够骗钱，还半本空白，大行间距。简直不能更幼稚。还好意思定价60，什么鬼啊？6块钱的少儿读物。妹妹买的，本来想学习学习。翻了一下，笑出声了。。。。。。。。。。。。。。...

这书实在是幼稚，适合小学生当读物。没几句有用的话。垃圾啊。文字已经够浅显，又一半的弱智图。这样不够骗钱，还半本空白，大行间距。简直不能更幼稚。还好意思定价60，什么鬼啊？6块钱的少儿读物。妹妹买的，本来想学习学习。翻了一下，笑出声了。。。。。。。。。。。。。。...

这书实在是幼稚，适合小学生当读物。没几句有用的话。垃圾啊。文字已经够浅显，又一半的弱智图。这样不够骗钱，还半本空白，大行间距。简直不能更幼稚。还好意思定价60，什么鬼啊？6块钱的少儿读物。妹妹买的，本来想学习学习。翻了一下，笑出声了。。。。。。。。。。。。。。...

用户评价

我这次购买这本书，主要是希望能解决我在供应链管理上的一些痛点，比如需求预测的准确性问题。市面上很多预测模型讲得天花乱坠，但我实际操作起来总是发现模型和现实有巨大的鸿沟。这本书给我的最大惊喜在于，它没有强迫我一头扎进复杂的机器学习算法里，而是从最基础的“数据清洗”和“时间序列分解”讲起，强调了输入数据质量对预测结果的决定性影响。作者非常诚恳地指出，很多时候我们需要的不是更复杂的模型，而是更干净、更结构化的历史数据。书中关于“异常值处理”的章节，简直就是我的“救星”，它帮我理解了为什么上个月的销量会突然暴增（原来是竞争对手临时关店），并指导我如何在模型中正确地“平滑”掉这种一次性事件的影响。这种强调基础、注重实操落地能力的讲解方式，让我感觉这本书像是放在案头的工具书，随时可以翻阅并应用到下一季度的采购计划中。它把高深的预测科学，拉回到了日常的精细化管理轨道上，避免了为追求“高大上”而牺牲实用性的陷阱。

坦白说，我是一个对“流程优化”有执念的人。我一直觉得，一个公司只要流程跑顺了，效率自然就上去了。这本书在数据分析的应用层面确实给了我很多启发，但更让我触动的是它对“决策文化”的塑造。作者用了不少篇幅去描述那些数据分析到位，但最终决策依然失败的案例，核心原因在于组织内部对数据的“信任度”和“接受度”不够。这让我深思，我们团队里常常出现的情况是，数据分析师给出了明确的A/B测试结果，但业务部门因为“经验丰富”而坚持走B方案，结果错失良机。这本书巧妙地提供了一些“软技能”层面的建议，比如如何有效地“可视化”数据报告以获得高层支持，以及如何在跨部门沟通中建立基于事实的对话基础。它不只谈技术，更谈“人与数据”之间的关系。读完后，我立刻意识到，数据化决策的成功，一半靠分析工具，一半靠管理艺术。这本书成功地平衡了这两者，让它不仅仅停留在技术手册的层面，而上升到了企业管理哲学的探讨，非常深刻，值得细细品味。

这本书的语言风格我非常欣赏，它没有那种高高在上的学术腔调，读起来感觉像是跟一个非常懂行的朋友聊天。我之前翻过几本类似主题的书，里面充斥着大量的专业术语和复杂的图表，我每次都得查好几个生词才能往下看，极其影响阅读体验。但这本书不一样，作者的叙述逻辑非常流畅，他总是先抛出一个实际的管理难题，然后慢慢引导我们思考：如果我们有数据支持，这个问题该如何拆解？尤其是在讲解“关键绩效指标（KPI）设定”那一章时，作者没有直接给出标准答案，而是提供了一套“提问框架”，让我自己去反思我们公司现有的指标是否真的能反映业务的真实健康状况。举个例子，我们以前只看总销售额，这本书启发我们去细分“新客转化率”和“老客复购周期”，一下子就暴露了我们服务链条中的薄弱环节。它就像一把精密的尺子，帮你量出企业内部那些“不可见”的摩擦和损耗。对于初入职场，或者刚刚被提拔到管理层，希望用科学方法武装自己的年轻人来说，这本书的实战指导价值无可替代，它教会你的不是“是什么”，而是“怎么做”。

对于一个已经运营了十多年的中型企业来说，我们最大的挑战是如何“激活”沉睡的客户数据。我们拥有大量的CRM信息，但除了做一些基础的群发邮件外，几乎没有做更深层次的应用。这本书的视角非常新颖，它把数据分析放到了“客户生命周期”的框架下来审视。它不是教你怎么做“数据挖掘”，而是教你如何识别出“高价值流失风险客户”、“首次复购潜力客户”这些具体的群体画像。我印象最深的是关于“客户分群”的介绍，作者用了一种非常直观的“四象限矩阵”来解释，比我以前看到的任何教科书上的定义都清晰明了。通过这本书的指引，我们团队开始尝试基于RFM（最近一次消费、消费频率、消费金额）模型来设计个性化的挽留活动，而不是全盘撒网。效果立竿见影，邮件打开率和转化率都提升了近两成。这本书的核心价值在于，它真正做到了“数据驱动增长”，它让你看到数据如何直接转化为营销预算的有效产出，让人觉得投入的每一分钟阅读时间，都是在为未来的利润增长打基础。

这本书简直是为我们这种传统行业管理者量身定做的“清醒剂”。说实话，我一开始还挺怀疑的，觉得数据分析这玩意儿太玄乎，离我们的日常运营太远。但这本书的厉害之处就在于，它没有一上来就抛一堆复杂的公式和模型，而是非常接地气地阐述了“为什么要做数据决策”。它通过一些我们都能感同身受的案例，比如库存积压、市场反应迟钝，把数据分析的价值清晰地摆在了我们面前——它不是目的，而是实现高效经营的工具。我特别喜欢作者在讲到“数据素养”那部分时的那种循循善诱，不是居高临下的说教，而是像一个经验丰富的前辈在分享“如何看清眼前这片迷雾”。读完后，我立刻组织了一个小型的跨部门会议，不再是拍脑袋决定营销预算，而是拿出过去一年的销售数据，一起讨论“哪些渠道带来的客户留存率最高”。这本书让我明白，我们手里握着的那些“原始数据”，其实是金矿，只是我们以前不知道怎么去开采它。它提供的不仅仅是方法论，更重要的是一种思维模式的转变，让我们从凭感觉办事，迈向了有理有据地行动。这本书对那些正在转型期的企业管理者来说，绝对是本“必读”的指南，它不会让你变成数据科学家，但能让你成为一个更明智的“数据使用者”。

这本书不要买了，我建议幼儿园和小学一年级读这本书，实在太初级了。当初看了目录觉得可能会有趣才买的，没想到内容这么粗浅。

收获比较大，此书不仅讲解了统计分析的重要概念，而且讲如何用excel工具优秀数据分析，这点受益比较大，数学基础偏弱的可以考虑。

这本书不要买了，我建议幼儿园和小学一年级读这本书，实在太初级了。当初看了目录觉得可能会有趣才买的，没想到内容这么粗浅。

内容也是简单，日本人编总喜欢大量的图文解说，内容比较适合高中生来读。

内容也是简单，日本人编总喜欢大量的图文解说，内容比较适合高中生来读。