贊譽
緻謝
作者簡介
第 1章　為何說當下業務無不是數據業務　// 1
1.1　大數據和物聯網的驚人增長　// 1
1.2　數據驅動的勇敢新世界　// 2
1.3　我們是否正在逼近人工智能　// 7
1.4　數據正在如何徹底改變我們的商業世界　// 10
1.4.1　數據在商業中的基本作用　// 10
1.4.2　智能工廠與工業 4.0　// 14
1.4.3　自動化及其對就業的現實威脅　// 16
1.4.4　區塊鏈技術：是否是數據和企業的未來　 // 18
1.5　所有業務都必須成為數據業務　// 19
1.5.1　一切以數據戰略為起點　// 20
1.5.2　你的公司是否需要首席數據官　// 21
注解　// 23
第 2章　戰略性數據需求的確定　// 25
2.1　以數據提高企業的決策質量　// 26
2.1.1　利用數據更好地瞭解客戶和市場　// 27
2.1.2　在一個意想不到的場景，讓數據為你而動　// 29
2.2　利用數據改善運營　// 30
2.2.1　通過數據獲得內部效率　// 31
2.2.2　亞馬遜：如何以數據優化業務流程並增加銷售額　 // 33
2.2.3　優步：如何以數據優化運輸　 // 34
2.2.4　羅爾斯•羅伊斯：如何以數據驅動製造業成功　 // 35
2.3　商業模式的轉型：將數據作為企業資産　 // 37
2.3.1　如何以數據提升企業價值　// 37
2.3.2　將數據轉化為新的收入源泉　// 38
2.4　隻有正確的數據纔是有意義的，並非所有數據都是有價值的　 // 40
2.5　為數據提供強有力的商業案例　// 42
注解　// 43
第 3章　使用數據改善商業決策　// 44
3.1　明確你的關鍵性業務問題　// 44
3.1.1　好問題帶來更好的答案　// 46
3.1.2　針對顧客、市場和競爭者的問題　// 47
3.1.3　有關財務的問題　// 52
3.1.4　有關內部運營的問題　// 55
3.1.5　有關人員的問題　// 57
3.2　數據的可視化及溝通洞見　// 60
3.2.1　是否每個人都應有權訪問數據　// 61
3.2.2　告彆電子錶格，迎接數據可視化時代　// 63
3.2.3　以視覺與文字的融閤發揮最大效果　// 64
3.2.4　虛擬現實和數據可視化的未來　// 65
注解　// 66
第 4章　使用數據改善企業運營　// 67
4.1　利用數據優化運營流程　// 68
4.1.1　數據如何改善製造過程　// 68
4.1.2　如何以數據強化倉儲和配送　// 70
4.1.3　如何以數據增強業務流程　// 71
4.1.4　如何以數據強化銷售及營銷流程　// 75
4.2　以數據改善顧客供應　// 78
4.2.1　為客戶提供更優服務　// 78
4.2.2　提供更好的産品　// 81
注解　// 84
第 5章　數據的貨幣化　// 85
5.1　增加企業價值　// 86
5.2　數據本身成為企業核心資産　// 87
5.3　由企業數據處理能力創造的價值　// 90
5.4　嚮顧客或利益相關者齣售數據　// 91
5.5　理解用戶生成數據的價值　// 96
第 6章　數據的取得與收集　// 98
6.1　瞭解不同類型的數據　// 99
6.1.1　對“大數據”的定義　// 100
6.1.2　結構化數據的定義　// 101
6.1.3　非結構化數據和半結構化數據的定義　// 103
6.1.4　內部數據的定義　// 105
6.1.5　外部數據的定義　// 106
6.2　更多的新型數據　// 108
6.2.1　活動數據　// 108
6.2.2　對話數據　// 109
6.2.3　照片和視頻數據　// 110
6.2.4　傳感器數據　// 111
6.3　內部數據的收集　// 111
6.4　外部數據的訪問　// 113
6.5　如果你需要的數據尚不存在　// 116
注解　// 117
第 7章　將數據轉化為洞見　// 118
7.1　分析技術的進化方式　// 119
7.2　瞭解不同類型的分析技術　// 120
7.2.1　文本分析　// 121
7.2.2　情感分析　// 122
7.2.3　圖像分析　// 122
7.2.4　視頻分析　// 123
7.2.5　語音分析　// 124
7.2.6　數據挖掘　// 124
7.2.7　業務實驗　// 125
7.2.8　視覺分析　// 126
7.2.9　相關性分析　// 126
7.2.10　迴歸分析　// 127
7.2.11　情景分析　// 128
7.2.12　預測 /時間序列分析　// 129
7.2.13　濛特卡羅模擬法　// 129
7.2.14　綫性規劃　// 130
7.2.15　同期群分析　// 130
7.2.16　因子分析　// 131
7.2.17　神經網絡分析　// 132
7.2.18　元分析 /文獻分析　// 133
7.3　高級分析：機器學習、深度學習和認知計算　 // 133
7.4　以不同分析技術的結閤追求成功最大化　// 137
第 8章　技術和數據基礎架構的創建　// 139
8.1　“大數據即服務”：能成為企業的一站式解決方案嗎　// 140
8.2　收集數據　// 143
8.3　存儲數據　// 146
8.3.1　瞭解雲基礎 /分布式存儲係統　// 146
8.3.2　Hadoop概述　// 148
8.3.3　Spark：Hadoop的替代品　// 149
8.3.4　數據湖和數據倉庫的簡單介紹　// 150
8.4　數據的分析和處理　// 151
8.5　提供數據訪問服務　// 155
8.5.1　倡導數據管傢的概念　// 156
8.5.2　數據的溝通　// 157
注解　// 159
第 9章　打造組織的數據能力　// 160
9.1　大數據技能短缺及其對企業的影響　// 160
9.2　建立內部技能和競爭力　// 163
9.2.1　五種基本的數據科學技能　// 163
9.2.2　招募新人纔　// 166
9.2.3　為現有人員提供培訓並提高其工作技能　// 168
9.3　將數據分析業務外包　// 170
9.3.1　與數據服務供應商閤作　// 170
9.3.2　Kaggle：眾包數據科學傢　// 172
注解　// 175
第 10章　不要讓數據成為負債：數據治理　// 177
10.1　數據所有權和隱私方麵的考慮　// 178
10.1.1　擁有還是外購　// 178
10.1.2　確保擁有閤理權限　// 179
10.1.3　將數據最少化作為好的實踐　// 180
10.1.4　理解隱私問題　// 182
10.2　數據的安全問題　// 187
10.2.1　數據泄露的重大影響　// 187
10.2.2　物聯網的威脅　// 190
10.3　踐行良好的數據治理　// 192
注解　// 194
第 11章　數據戰略的執行和完善　// 196
11.1　把數據戰略付諸實踐　// 196
11.1.1　態度是關鍵　// 196
11.1.2　數據戰略為什麼會失敗　// 198
11.2　創建數據文化　// 201
11.3　重新審視數據戰略　// 203
11.3.1　調整企業需求　// 204
· · · · · · (收起)