具体描述
《超越可视化：DT时代的大数据沟通与决策》主要作者为国际知名数据分析公司Juice Analytics的创始人，基于多年的研究成果和实践经验，他们分享了“数据畅流”的理念、框架及路径。
数据畅流指的是运用数据语言流畅地交换和探索组织重要思想的能力。数据畅流能让组织更有效和顺畅地决策、沟通、协调和学习。数据畅流框架包括4个要素：具备数据素养的消费者，熟练的数据生产者，数据畅流的文化以及数据产品的生态系统。这4个要素的有机整合是组织实现数据畅流的必要条件。当框架中显示的所有要素都存在并协同工作时，组织可以把数据作为通用语言来使用。《超越可视化：DT时代的大数据沟通与决策》探讨了帮助个人和组织发展数据畅流框架中每个要素技能的方法，进而基于该框架提供了通往数据畅流的实用指南。
《超越可视化：DT时代的大数据沟通与决策》结合现实案例，提供了大量精美的数据可视化展示，非常实用的数据产品设计指南，个人及组织数据畅流程度的调查清单，以及包括文字及数据格式、图表制作、排版设计等在内的样式指南和示例，实用性非常强。本书面向的读者范围很广，组织领导者、技术领袖、人力资源经理、分析师、数据产品的制作者、数据初学者，以及对大数据感兴趣的社会各界人士，都可以在本书中找到共鸣点。
作者简介
Zach Gemignani，Juice Analytics公司联合创始人，他帮助公司在设计引人入胜的信息体验和提供独特的数据可视化解决方案领域建立了声望。作为公司的CEO，他负责公司的战略方向、思想领导和业务发展。在Juice公司之前，Zach曾在AOL领导报告与分析工作，在Diamond Technology Partners公司担任过咨询顾问，在Booz Allen公司建立了制作精美幻灯片演示的声誉。他毕业于哈弗福德学院，拥有经济学学士学位，并在弗吉尼亚大学达顿商学院获得MBA学位。Zach和他的妻子以及3个孩子住在田纳西州的Nashville。
Chris Gemignani，Juice Analytics公司联合创始人，是公司的技术先行者。Chris曾在信用卡行业从事风险建模和持卡人行为模式分析，积累了数据处理的经验。他凭着对用户界面与交互设计的挑剔眼光，将分析工作经验与将洞察力展现到屏幕上的能力结合在一起。Chris毕业于威廉姆斯学院，拥有计算机科学与经济学学士学位。他在圣路易斯华盛顿大学获得经济学硕士学位。
Richard Galentino博士，战略规划及组织发展咨询公司Stratable的CEO。在创建Stratable公司之前，Richard曾带领国际医疗团队，将数以百计的医生、护士和保健专家团队送往超过27个国家。Richard毕业于哈佛大学（行政、规划和社会政策专业，教育硕士）以及乔治城大学外交学院（经济专业），被选为哈佛国际教育政策研究员。Richard获得了范德堡大学教育领导力与公共政策博士学位。Richard和他的家人住在田纳西州的Nashville。
Patrick Schuermann博士，范德堡大学皮博迪教育学院研究教授。曾担任美国教育部国家教育工作者薪酬改革中心政策与技术支持部主任，以及多个学校领导力与教育技术研究项目的首席研究员。Patrick目前是独立学校领导力硕士学位项目的主任，以及皮博迪职业培训部主席。Patrick和他多才多艺的创作歌手妻子，以及他们的两条狗一起居住于Nashville。
目录信息
I．1 数据是新型商业语言 3
I．2 数据沟通是社会问题，而非技术问题 3
I．3 联系与协同 4
I．4 将数据转化为行动 5
I．5 可视化仅是方案的一小部分 6
I．6 本书为谁而写 7
I．7 注释 8
第1章 最后一英里的问题 9
1．1 信息时代：推动对数据畅流的需求 10
1．2 数据畅流：释放组织的数据潜能 12
1．2．1 大数据与数据隐喻 13
1．2．2 我们的数据畅流框架 15
1．2．3 案例研究：数据畅流框架的窗口 16
1．3 注释 25
第2章 数据畅流框架 27
2．1 数据畅流框架 29
2．1．1 个体和组织 30
2．1．2 使用数据与展示数据 31
2．1．3 要素1：具备数据素养的消费者 31
2．1．4 要素2：数据畅流的生产者 32
2．1．5 要素3：数据畅流的文化 34
2．1．6 要素4：数据产品生态系统 35
2．1．7 结缔组织 36
2．2 更深入的资源 36
2．3 数据畅流组织的好处 37
2．4 如何使用这个框架 38
2．5 组织如何艰难前行 39
2．6 小结 40
2．7 注释 40
第3章 组织如何为数据畅流而艰难前行 41
3．1 通往数据畅流之路的陷阱 43
3．1．1 报告激增 43
3．1．2 分裂的数据 45
3．1．3 数据精英主义 46
3．1．4 超级名模 47
3．1．5 缺乏对自身的了解 49
3．1．6 不关注数据 50
3．1．7 指标僵化 52
3．2 寻求平衡 54
3．3 注释 55
第4章 消费者数据理解指南 57
4．1 数据产品 59
4．1．1 日常数据产品 61
4．1．2 使用数据产品的障碍 65
4．2 学习数据的语言 70
4．2．1 解构数据 70
4．2．2 归纳数据 71
4．2．3 探索数据表 73
4．2．4 理解图表以及可视化 74
4．2．5 可理解性 76
4．2．6 解剖数据产品 76
4．3 结语 89
4．4 注释 90
第5章 数据作者：数据演示的熟练设计者 91
5．1 一种稀有的技能组合 92
5．2 你将学到的 93
5．3 有指引的会话 94
5．3．1 找到你的目标和主题 96
5．3．2 信息甄别 101
5．3．3 定义有意义和可付诸行动的指标 105
5．3．4 创建数据产品的结构和流 108
5．3．5 设计有吸引力、容易理解的数据产品 117
5．3．6 用数据产品创建会话 128
5．4 设计原则 130
5．4．1 可视化 130
5．4．2 数据产品的设计原则 136
5．5 数据产品的作者万岁 140
5．6 注释 141
第6章 数据畅流的文化 143
6．1 领导力、文化以及沟通优先问题 145
6．1．1 设定并沟通期望 146
6．1．2 设定明确、可测量的指标 146
6．1．3 表彰有效的数据使用和成果 147
6．2 建立关键指标作为中心 149
6．2．1 什么可以成为好的指标 150
6．2．2 运用指标推动组织改进 152
6．2．3 向员工表明他们的贡献的重要性 153
6．3 共识 156
6．3．1 将通用词汇和术语与组织专有数据相关联 158
6．3．2 理解与奖励可信、可靠的数据来源 159
6．3．3 使数据的操作和建模透明化 161
6．3．4 定义一组共享的关键指标 163
6．3．5 理解数据产品的目的和动机 164
6．4 日常行为 165
6．4．1 数据消费者 166
6．4．2 数据产品 168
6．4．3 数据使用 171
6．5 数据畅流文化的演进 172
6．6 注释 173
第7章 数据产品生态系统 175
7．1 负责信息传递的数据产品 176
7．2 必要条件 177
7．3 向苹果应用商店学习 179
7．4 需求 181
7．4．1 需求排序图 181
7．4．2 基层需求 183
7．4．3 从哪里开始 183
7．5 设计 184
7．5．1 目标 184
7．5．2 从样式指南开始 186
7．6 开发 186
7．7 发现 189
7．7．1 目标 189
7．7．2 出发点：数据产品的集中式库存 190
7．8 讨论 190
7．8．1 目标 191
7．8．2 从哪里开始：创建获取洞见的场所 192
7．9 提炼 193
7．10 向维基百科学习 193
7．10．1 目标 193
7．10．2 哪些是你不需要的 194
7．11 “只有联系” 195
7．12 注释 196
第8章 数据畅流之旅 197
8．1 为什么要数据畅流？ 199
8．2 数据消费者：培养在行的受众 201
8．3 数据产品生产者：实现有效数据沟通的技能 202
8．4 数据畅流文化：建立对数据的共识 202
8．5 数据产品生态系统：促进信息顺畅交流的工具和流程 203
8．6 开始旅程 204
8．7 注释 205
专题 数据畅流清单 207
F．1 数据畅流清单调查问题 208
F．1．1 第1部分：数据消费者的数据素养 209
F．1．2 第2部分：数据产品作者的技能 212
F．1．3 第3部分：数据畅流的文化 215
F．1．4 第4部分：数据产品生态系统 217
F．2 DFI小结 219
F．3 DFI评分指南（组织） 220
F．3．1 问题类型和分值 220
F．3．2 组织评分 220
F．3．3 第1部分：数据消费者的数据素养 220
F．3．4 第2部分：数据产品的作者 221
F．3．5 第3部分：数据畅流的文化 222
F．3．6 第4部分：数据产品生态系统 223
F．3．7 组织评分小结 224
F．4 DFI评分指南（个人） 224
F．4．1 怎样能衡量个人？ 225
F．4．2 第1部分：数据消费者（仅含个人） 225
F．4．3 第2部分：数据作者（仅含个人） 226
F．4．4 个体评分指南小结 226
F．5 DFI配套材料 226
F．5．1 介绍调查的电子邮件 227
F．5．2 数据素养测验 228
附录A 设计数据产品 233
A．1 创建数据产品的清单 234
A．2 像设计师那样思考 236
A．3 设计以致用 238
A．4 摆脱仪表盘一页规则 239
A．5 仪表盘警报一览表 241
A．5．1 场景：用户需要了解如何定义警报以及如何将它放入更大的视图 242
A．5．2 说服力：警报系统需要避免造成不必要的报警，同时提供容易理解的信息以便采取行动 243
A．5．3 沟通：必须把警报设计得可以有效吸引注意并告知受众 243
A．5．4 控制：先进的警报系统应该给予用户定制和管理警报的能力 244
A．6 成功实时仪表盘的8个特征 244
A．7 注释 247
附录B 样式指南 249
B．1 样式指南示例1：字体 251
B．2 样式指南示例2：颜色 252
B．3 样式指南示例3：日期/数据格式 253
B．4 样式指南示例4：条形图 254
B．5 样式指南示例5：趋势图 255
B．6 样式指南示例6：表格 256
译者后记 257
· · · · · · (收起)
读后感
用户评价
这本书的装帧设计挺有意思的，拿到手上就能感受到那种沉甸甸的质感，封面设计简约却不失内涵，黑白灰的色调配上一些抽象的几何图形，让人对里面的内容充满了好奇。尤其是书脊上那几个醒目的标题，虽然我还没来得及深入阅读，但仅仅是字体的选择和排版，就透露出一种专业和严谨的气质。内页的纸张质量也出乎意料的好，印刷清晰，字迹饱满，长时间阅读也不会感到眼睛疲劳，这对于一本可能需要反复研读的专业书籍来说，是一个非常重要的加分项。
我刚翻开目录时，就被其中一些章节的标题吸引住了，比如“从数据洪流到洞察之光”或者“构建可信赖的数据叙事”。这些标题不仅仅是简单的术语堆砌，它们更像是一种邀请，引人深思。我立刻联想到了工作中那些常常因为数据理解偏差而导致的决策失误，这本书似乎在预示着，它将提供一套全新的思维框架，来解决我们日常面对的数据困境。它不是简单地教你如何使用某种工具，而是试图从底层逻辑上去解构“有效沟通”的本质，这让我对后续的阅读充满了期待。
更让我感到欣慰的是，这本书的语言风格似乎保持了一种恰到好处的平衡——既有学术上的深度和精确性，又不失一种面向实践者的亲切感。它没有采用那种拒人于千里之外的晦涩术语，而是努力用清晰、有力的语言去阐述复杂的理念。我隐约感觉到，读完这本书后，我能更自信地站到会议桌前，不仅能展示我的分析结果，更能清晰、有力地阐述这些结果背后的意义和对业务的潜在影响，这才是真正能驱动变革的关键能力。
从初步的浏览来看，这本书的排版布局非常人性化，逻辑层次感很强。不像某些技术书籍那样堆砌公式和代码，它似乎更侧重于思想的传达。我注意到有几页使用了大量的图示和流程图，这些视觉辅助工具的运用看起来非常巧妙，不是为了装饰，而是为了更好地阐明复杂的概念，这对于我这种偏好形象化学习的读者来说，简直是福音。这种对用户阅读体验的关注，让一本可能涉及深奥理论的书籍，变得触手可及。
这本书的作者似乎在努力打破传统数据分析和业务理解之间的壁垒。我看到了一些关于“情境化”和“受众分析”的章节摘要，这让我感觉到，作者深谙“数据本身不会说话，需要人来赋予其意义”的道理。它似乎不仅仅是关于技术实现，更是关于如何将冰冷的数据转化为有温度、有说服力的商业故事。这种跨学科的视角，正是当前许多企业在数字化转型中极度缺乏的，这本书可能正是提供了一种弥合差距的桥梁。
其实就是看了一遍里面画的彩色数据图，整体逻辑不清。
几年前只对数据生产那一章感兴趣，现在更理解整本书的结构了。一个组织层面的数据生产和消费是非常难的事情，作者提出了问题，也没有完美的解决方案。
还可以
个人感觉翻译得不好，不好读，内容一般般
还可以
