譯者序
序
前言
作者簡介
第一部分　數據分析及其價值概述
第1章　談及數據分析時我們到底在談什麼 2
1.1　我們為什麼需要一個新術語：傳統商務智能裏的問題 3
1.2　三種類型的數據分析 4
1.3　數據挖掘適閤什麼 6
1.4　業務數據分析和其他一些類型 6
1.5　Web數據分析 7
1.6　大數據分析 7
1.7　結論 8
第2章　數據分析中的ROI 9
2.1　傳統的ROI分析 9
2.1.1　現金流和ROI 10
2.1.2　構建一個可靠的ROI 11
2.1.3　其他用於決策製定的財務度量標準 11
2.1.4　ROI分析中其他注意事項 11
2.2　Teradata公司評估數據分析投資的方法 13
2.2.1　階段1：驗證業務目標並記錄最佳實踐用途 13
2.2.2　階段2: 設想一下新功能 14
2.2.3　階段3：對ROI和報告調查結果進行決策 14
2.2.4　階段4：溝通 14
2.3　計算價值的一個例子 14
2.4　Freescale半導體公司中的ROI分析 15
2.4.1　背景和環境情況 16
2.4.2　在受高度影響的領域開始進行 16
2.4.3　讓經理和領導參與進來 16
2.4.4　持續漸進的成長 17
2.4.5　吸取經驗教訓 18
第二部分　數據分析應用
第3章　為建立數據分析優勢利用專有數據 22
3.1　管理專有數據和分析結果的問題 24
3.1.1　在IATA的PaxIS利用專有數據 25
3.1.2　一個利用專有數據的行業：客戶支付 25
3.2　支付數據中的經驗教訓 28
第4章　Web數據分析：原始大數據 29
4.1　Web數據概述 30
4.1.1　你遺漏瞭什麼 31
4.1.2　假設各種可能性 31
4.1.3　一個重要的新信息源 32
4.1.4　應該收集何種數據 33
4.1.5　對於客戶隱私會怎麼樣 33
4.2　Web數據揭示瞭什麼 34
4.2.1　購物行為 35
4.2.2　客戶購買過程和購買偏好 35
4.2.3　搜索行為 36
4.2.4　反饋行為 38
4.3　Web數據實踐 38
4.3.1　最優産品推薦 39
4.3.2　客戶流失模型 40
4.3.3　客戶響應模型 40
4.3.4　客戶群體劃分 42
4.3.5　廣告宣傳結果評估 43
4.4　本章小結 44
第5章　在綫參與度分析 45
5.1　參與度定義 45
5.2　一個測量在綫參與度的模型 47
5.3　對參與度記分的價值 49
5.4　PBS的參與度分析 50
5.5　Philly.com的參與度分析 51
第6章　通嚮零售業客戶“最優産品推薦”之路 53
6.1　數據分析和通嚮有效進行“最優産品推薦”之路 54
6.2　推薦戰略設計 55
6.3　瞭解你的客戶 56
6.4　瞭解你的推薦 56
6.5　瞭解購買交易背景 57
6.6　分析和執行：決定和製定推薦 58
6.7　學習和適應NBO 60
第三部分　數據分析技術
第7章　在生産規模應用數據分析 64
7.1　和行為有關的決策 65
7.2　施加業務影響所花的時間 65
7.3　運營中的業務決策 66
7.4　服從問題 66
7.5　數據考量 67
7.6　在生産規模應用數據分析的實例：YouSee 67
7.6.1　潛在的解決方案 68
7.6.2　YouSee 成果 69
7.6.3　YouSee麵臨的挑戰和吸取的經驗教訓 70
7.6.4　未來在産品規模應用數據分析的計劃 71
7.7　來自其他成功公司的經驗教訓 71
第8章　雲計算中的前瞻式數據分析 73
8.1　業務解決方案關注點 74
8.2　五大關鍵發展機遇 74
8.2.1　打包發布的以雲計算為基礎的“決策即服務”解決方案 75
8.2.2　用於軟件即服務的前瞻式數據分析 75
8.2.3　用於曆史遺留係統中的前瞻式數據分析 75
8.2.4　數據雲建模 76
8.2.5　彈性計算模型威力 76
8.3　市場狀況 77
8.3.1　早期采用者的競爭優勢 77
8.3.2　決策管理增加瞭數據分析價值 77
8.3.3　可持續化的傳統數據源優勢 78
8.4　優缺點 78
8.5　采用以雲計算為基礎的前瞻式數據分析 79
第9章　數據分析技術和業務用戶81
9.1　各自獨立但不等同 81
9.2　階段化數據 82
9.3　多用途 82
9.4　通用復雜性 82
9.5　以客戶端和産品為基礎 82
9.6　行業通用 83
9.7　完全可量化 83
9.8　業務部門驅動 83
9.9　特定的供應商公司 83
9.10　現有模型中的問題 84
9.11　數據分析技術中齣現的變化 84
9.12　為未來創建數據分析應用程序 86
9.12.1　單用途、行業特定和簡單化 86
9.12.2　以服務和解決方案為基礎 87
9.12.3　集中式協調 87
9.12.4　整閤供應商公司 88
9.13　總結 88
第10章　與企業績效相關的決策和數據分析 90
10.1　一個決策和數據分析研究案例 90
10.2　相關的決策和數據分析 92
10.2.1　數據分析和決策之間的鬆耦閤關係 92
10.2.2　結構化的人為決策環境 94
10.2.3　自動化的決策 96
10.3　關聯決策和信息的過程 97
10.3.1　步驟1：對關鍵決策在戰略上的重視 97
10.3.2　步驟2：信息和數據分析提供 98
10.3.3　步驟3：決策設計 98
10.3.4　步驟4：決策執行 99
10.4　展望決策管理的未來 100
第四部分　數據分析人力因素
第11章　組織管理數據分析人員104
11.1　為什麼企業組織會在意 104
11.2　企業組織架構通用目標 105
11.3　特定數據分析型企業組織的目標 106
11.4　組織管理數據分析人員的基本模式 106
11.5　協調方案 109
11.6　何種模型適閤你的業務 110
11.7　你能勇敢到何種程度 112
11.8　定位你的模型和協調機製 113
11.8.1　角度1：目前狀態 113
11.8.2　角度2：數據分析成熟度 113
11.8.3　角度 3：數據分析策略/場景 114
11.8.4　角度4：反省抱負 115
11.8.5　角度 5：反省現實 115
11.9　數據分析領導力和首席分析官 116
11.10　應該嚮誰匯報數據分析職能工作 116
11.11　營造數據分析生態環境 117
11.12　逐漸發展數據分析型企業組織 118
11.13　底綫 119
第12章　數據分析人纔的工作投入度 120
12.1　四大數據分析人纔種類 120
12.2　數據分析人員的工作投入度 121
12.3　讓數據分析人員具備關鍵的業務信息 122
12.4　定義角色和期望 123
12.5　培養數據分析人員對新技能、工具和技術的熱愛 123
12.6　運用更加集中化的數據分析企業架構 124
第13章　數據分析治理126
13.1　指導原則 126
13.2　治理要素 128
13.2.1　為什麼需要治理 128
13.2.2　什麼東西正在被人們治理著 130
13.2.3　應該如何對治理進行架構化 130
13.2.4　誰治理什麼 132
13.2.5　如何對治理進行運營 134
13.2.6　如何讓數據分析治理與其他的治理體係和方法相適應 135
13.3　何時知道自己正在成功的路上 135
第14章　構建全球化的數據 分析能力 137
14.1　廣泛分布的地理差異 137
14.2　集中協調集中化的組織 139
14.3　強大的卓越中心 139
14.4　協調化的“分工”方案 140
14.5　其他一些全球化數據分析發展趨勢 142
第五部分　數據分析應用案例研究
第15章　醫療閤作係統公司146
15.1　Partners公司數據和係統集中管理 147
15.2　Partners公司的臨床診斷信息技術管理 148
15.3　Partners公司的高績效醫學計劃 150
15.4　Partners 公司在數據分析方麵的新挑戰 151
15.5　Partners公司的集中管理式業務數據分析 153
15.6　特定於醫院的數據分析業務活動：馬薩諸塞州綜閤醫院 154
15.7　特定於醫院的數據分析業務活動：女子醫院 155
第16章　西爾斯控股公司HR職能部門中的數據分析159
16.1　我們做什麼 159
16.2　誰造就瞭優秀的HR數據分析人員 161
16.3　我們最大化價值的秘訣 162
16.4　關鍵的經驗教訓 163
第17章　默剋公司的商業數據分析文化和關係165
17.1　決策製定者的閤作夥伴關係 166
17.2　團隊成功的理由 166
17.3　將數據分析嵌入工具中 168
17.4　商業數據分析和決策科技未來的方嚮 168
第18章　Bernard Chaus 公司供應鏈中的描述性數據分析170
18.1　關注供應鏈的需要 171
18.2　數據分析加強瞭Chaus 公司IT和業務部門之間的同盟關係 173
· · · · · · (收起)