第1章 統一語言:數據、指標、信息,天哪! 1
1.1 三頭小豬的故事 1
1.2 數據 5
1.3 指標 6
1.4 信息 7
1.5 量化分析 8
1.6 根本問題 10
1.7 數據?量化分析悖論 14
1.8 量化分析體係的構成 16
1.9 總結 17
1.10 小竈 17
第2章 設計量化分析體係:怎麼設計 20
2.1 嚮著根本問題,前進! 21
2.2 檢查根本問題 28
2.3 構建量化分析體係 29
2.4 明確信息、指標和數據需求 32
2.5 采集指標和數據 34
2.6 如何采集數據 35
2.6.1 優先考慮自動化 36
2.6.2 置辦軟硬件 37
2.6.3 開展調查 37
2.6.4 用人 37
2.7 再供例子一枚 38
2.7.1 信息 39
2.7.2 指標 39
2.7.3 數據 40
2.8 迴顧 41
2.9 結論 41
2.10 小竈 42
第3章 規劃優質量化分析:從哪裏開始 46
3.1 量化分析開發規劃 46
3.2 文檔:提高開發規劃的檔次 59
3.3 迴顧 63
3.4 結論 64
第4章 把量化分析當做指示器 65
4.1 事實並非真相 65
4.1.1 量化分析也會犯錯 68
4.1.2 準確的量化分析也隻是指示器 69
4.1.3 指示器:定性數據與定量數據 71
4.2 迴顧 73
4.3 結論 74
第5章 善用答案綱要:便捷之道 75
5.1 答案綱要是什麼 75
5.1.1 答案綱要:第一層 76
5.1.2 答案綱要:第二層 76
5.1.3 答案綱要:第三層 78
5.1.4 答案綱要:第四層 80
5.1.5 答案綱要: 第五層及其後各層 85
5.2 如何使用答案綱要:明確量化分析類型 86
5.3 小竈 87
5.4 迴顧 89
5.5 結論 90
第6章 從效用開始 91
6.1 遠景健康狀況 92
6.2 組織健康狀況 93
6.3 投入VS産齣 94
6.3.1 業務流程健康狀況 95
6.3.2 産品/服務健康狀況 96
6.4 客戶視角 98
6.5 消除恐懼 100
6.6 應該先做的就先做 101
6.7 迴顧 101
6.8 結論 102
第7章 三角交叉法:創建效率量化分析的必備良藥 104
7.1 三角交叉法的曆史沿革 105
7.2 三角交叉的實際應用 106
7.2.1 指標的三角交叉 107
7.2.2 數據源及采集方法的三角交叉 109
7.2.3 視角的三角交叉 111
7.3 人口統計數據不行 112
7.4 迴顧 114
7.5 結論 115
第8章 期望值:如何看齣量化分析結果的含義 117
8.1 謹慎選擇 117
8.1.1 延伸目標 117
8.1.2 拿指標當目標 118
8.1.3 戰術目標和臨界點 119
8.1.4 和指標掛鈎的激勵方案 120
8.2 期望值 120
8.3 期望值發現之旅 125
8.4 迴顧 128
8.5 結論 129
第9章 成績單的製作及解讀 130
9.1 概念 131
9.2 基礎工作 132
9.2.1 可用性 140
9.2.2 速度 142
9.2.3 準確性 145
9.2.4 使用情況 147
9.2.5 客戶滿意度 149
9.3 運用期望值 157
9.4 迴顧 161
9.5 結論 161
第10章 最終交付物:量化分析成績單 162
10.1 交付情況 163
10.1.1 可用性 163
10.1.2 速度 166
10.1.3 準確性 167
10.2 使用情況 169
10.3 客戶滿意度 174
10.4 權重與指標 177
10.4.1 嚴密性 178
10.4.2 靈活性 178
10.5 數據上捲至評級 179
10.6 迴顧 184
10.7 結論 185
第11章 高級量化分析 186
11.1 涉足其他象限 187
11.1.1 作為對産品/服務健康狀況工作的支持 187
11.1.2 指導業務流程優化工作 187
11.1.3 與組織一起成長 187
11.2 量化分析對未成年組織的好處 188
11.3 讓業務流程可重復 189
11.4 評測有助於鼓勵使用現有流程 190
11.5 其他象限的量化分析 191
11.5.1 組織健康狀況 192
11.5.2 評測組織健康狀況 196
11.5.3 遠景健康狀況 198
11.5.4 業務流程健康狀況 201
11.6 迴顧 205
11.7 結論 206
第12章 創建服務目錄:如何增強成績單 207
12.1 如何開發服務目錄 209
12.1.1 服務/産品健康狀況服務目錄 209
12.1.2 業務流程健康狀況(效率)服務目錄 211
12.2 小竈 213
12.3 迴顧 214
12.4 結論 215
第13章 構建標準和基準 216
13.1 基準:最適閤拿來做比較 216
13.2 負責任地製定基準 218
13.3 有標準纔能比較 219
13.3.1 拿到優質數據 219
13.3.2 目標:可靠的行業標準 220
13.4 迴顧 221
13.5 結論 222
第14章 敬畏量化分析的力量 223
14.1 量化分析:是指示器還是事實 224
14.2 誤用量化分析:“客戶恨我們” 226
14.3 誤用量化分析:好的,壞的,醜陋的 228
14.3.1 好的 228
14.3.2 壞的 229
14.3.3 醜陋的 230
14.4 意外情況的處理藝術 231
14.5 迴顧 233
14.6 結論 234
第15章 不要掉進研究的陷阱 235
15.1 研究的成本 236
15.2 變相的研究 237
15.2.1 你是不是已經陷進去瞭 237
15.2.2 搞研究怎麼就錯瞭 240
15.3 迴顧 240
15.4 結論 241
第16章 欣然接受組織的個性 242
16.1 問題簡化 245
16.1.1 為什麼 245
16.1.2 是什麼 245
16.1.3 什麼時候 245
16.1.4 誰 246
16.1.5 怎麼做 246
16.2 如果老闆不同意怎麼辦 246
16.2.1 不要措手不及 246
16.2.2 做研究 247
16.2.3 應對失敗 247
16.2.4 應對成功 248
16.2.5 真有那麼淒涼嗎 248
16.3 為什麼接受個性是健康的錶現 249
16.4 迴顧 251
16.5 結論 251
附錄 工具和資源 252
· · · · · · (
收起)
評分
☆☆☆☆☆
量化分析方法論,不是數據分析或者大數據的書
評分
☆☆☆☆☆
當初上企業管理老師要看的書,感覺就是拼湊拼湊,蹭蹭大數據的熱度。
評分
☆☆☆☆☆
和大數據或數據倉庫沒有啥直接關係。主要就是談指標體係建立。
評分
☆☆☆☆☆
拼拼湊湊,炒炒概念
評分
☆☆☆☆☆
和大數據或數據倉庫沒有啥直接關係。主要就是談指標體係建立。
評分
☆☆☆☆☆
本书讲如何对企业做量化分析与管理,可以翻翻做个参考。 内容与大数据毫无关系,其英文名字为:Metrics: How to Improve Key Business Results。可见是中文编辑给标题加上了“大数据”的概念。
評分
☆☆☆☆☆
本书讲如何对企业做量化分析与管理,可以翻翻做个参考。 内容与大数据毫无关系,其英文名字为:Metrics: How to Improve Key Business Results。可见是中文编辑给标题加上了“大数据”的概念。
評分
☆☆☆☆☆
本书讲如何对企业做量化分析与管理,可以翻翻做个参考。 内容与大数据毫无关系,其英文名字为:Metrics: How to Improve Key Business Results。可见是中文编辑给标题加上了“大数据”的概念。
評分
☆☆☆☆☆
本书讲如何对企业做量化分析与管理,可以翻翻做个参考。 内容与大数据毫无关系,其英文名字为:Metrics: How to Improve Key Business Results。可见是中文编辑给标题加上了“大数据”的概念。
評分
☆☆☆☆☆
本书讲如何对企业做量化分析与管理,可以翻翻做个参考。 内容与大数据毫无关系,其英文名字为:Metrics: How to Improve Key Business Results。可见是中文编辑给标题加上了“大数据”的概念。