具体描述
数据正在彻底改变所有人做生意的方式。然而,目前所有数据被分析和使用的比例不到0.5%。商业领袖和管理者不能对数据漠不关心或保持怀疑,因为视数据为战略资产的公司才会生存并茁壮成长。
本书是创建一个强大的数据战略的必读的指南,书中解释了如何确定战略性数据需求,用什么方法来收集数据,最重要的是,如何将数据转化为组织改善商业决策和绩效的见解,为需要从大数据、分析和万物互联中获利的组织提供了工具和战略,是每一位旨在利用自己的业务数据的价值以获得竞争优势的读者的基本读物。
本书包含各种案例研究和真实的例子,介绍了如何弄清战略数据资产和数据受众群体;如何收集所需的数据,制定全新的数据收集方法;如何通过预测分析和机器学习获得最大收益;如何拥有适当的技术、数据基础设施和关键数据能力;如何确保拥有有效的安全和管理体系,避开经济、法律和声誉问题。
本书适合科技、互联网企业的创始人、CEO、中高管;数据战略负责人;首席数据官;信息系统负责人;转型中的传统企业管理者;政府相关部门工作人员阅读。
作者简介
伯纳德•马尔( Bernard Marr)
国际知名的商业畅销书作家,多家公司和多个政府机构的主题发言人兼战略顾问。他是商业数据领域的全球权威人士,被 LinkedIn(领英)公认为全球前五大最具商业影响力人士之一。
伯纳德经常为世界经济论坛( World Economic Forum)撰稿,也曾为《福布斯》杂志和 LinkedIn Pulse定期撰写专栏文章,他的专家评论经常出现于 BBC新闻、天空新闻和 BBC世界等电视媒体和广播,以及《泰晤士报》《金融时报》《CFO期刊》《华尔街日报》等知名刊物中。
伯纳德 •马尔撰写了大量开创性的书籍和数百篇引发轰动的报告及文章,其中包括国际畅销书 Big Data in Practice: How 45 successful companies used big data analytics to deliver extraordinary results(《大数据在实践中: 45家成功的公司如何使用大数据分析来提供非凡的结果》)、 Big Data: Using SMART big data, analytics and metrics to make better decisions and improve performance(《智能大数据 SMART准则:数据分析方法、案例和行动纲领》)、Key BusinessAnalytics:The 60+ business analysis tools every manager needs to know(《关键业务分析:所有管理者都需要了解的 60种业务分析工具》)、The Intelligent Company(《智能公司》)以及 Dummies(傻瓜学)系列丛书中的 Big Data for Small Business(《大数据专家:小企业也能用好大数据》)。
伯纳德•马尔曾与许多世界知名机构合作并提供咨询服务,其客户包括埃森哲咨询、阿斯利康制药、英格兰银行、巴克莱银行、 BP(英国石油)、思科、 DHL(敦豪快递)、Fujitsu(富士通)、Gartner(高德纳咨询)、HSBC(汇丰银行)、IBM、Mars(玛氏)、英国国防部、微软、北大西洋公约组织、 Oracle(甲骨文)、英国内政部、 NHS(英国国家医疗服务署)、法国 Orange电信、Tetley(泰特利茶业),T-Mobile、 Toyota(丰田汽车)、英国皇家空军、 SAP、Shell(壳牌石油)、联合国以及沃尔玛等。
目录信息
致谢
作者简介
第 1章 为何说当下业务无不是数据业务 // 1
1.1 大数据和物联网的惊人增长 // 1
1.2 数据驱动的勇敢新世界 // 2
1.3 我们是否正在逼近人工智能 // 7
1.4 数据正在如何彻底改变我们的商业世界 // 10
1.4.1 数据在商业中的基本作用 // 10
1.4.2 智能工厂与工业 4.0 // 14
1.4.3 自动化及其对就业的现实威胁 // 16
1.4.4 区块链技术:是否是数据和企业的未来 // 18
1.5 所有业务都必须成为数据业务 // 19
1.5.1 一切以数据战略为起点 // 20
1.5.2 你的公司是否需要首席数据官 // 21
注解 // 23
第 2章 战略性数据需求的确定 // 25
2.1 以数据提高企业的决策质量 // 26
2.1.1 利用数据更好地了解客户和市场 // 27
2.1.2 在一个意想不到的场景,让数据为你而动 // 29
2.2 利用数据改善运营 // 30
2.2.1 通过数据获得内部效率 // 31
2.2.2 亚马逊:如何以数据优化业务流程并增加销售额 // 33
2.2.3 优步:如何以数据优化运输 // 34
2.2.4 罗尔斯•罗伊斯:如何以数据驱动制造业成功 // 35
2.3 商业模式的转型:将数据作为企业资产 // 37
2.3.1 如何以数据提升企业价值 // 37
2.3.2 将数据转化为新的收入源泉 // 38
2.4 只有正确的数据才是有意义的,并非所有数据都是有价值的 // 40
2.5 为数据提供强有力的商业案例 // 42
注解 // 43
第 3章 使用数据改善商业决策 // 44
3.1 明确你的关键性业务问题 // 44
3.1.1 好问题带来更好的答案 // 46
3.1.2 针对顾客、市场和竞争者的问题 // 47
3.1.3 有关财务的问题 // 52
3.1.4 有关内部运营的问题 // 55
3.1.5 有关人员的问题 // 57
3.2 数据的可视化及沟通洞见 // 60
3.2.1 是否每个人都应有权访问数据 // 61
3.2.2 告别电子表格,迎接数据可视化时代 // 63
3.2.3 以视觉与文字的融合发挥最大效果 // 64
3.2.4 虚拟现实和数据可视化的未来 // 65
注解 // 66
第 4章 使用数据改善企业运营 // 67
4.1 利用数据优化运营流程 // 68
4.1.1 数据如何改善制造过程 // 68
4.1.2 如何以数据强化仓储和配送 // 70
4.1.3 如何以数据增强业务流程 // 71
4.1.4 如何以数据强化销售及营销流程 // 75
4.2 以数据改善顾客供应 // 78
4.2.1 为客户提供更优服务 // 78
4.2.2 提供更好的产品 // 81
注解 // 84
第 5章 数据的货币化 // 85
5.1 增加企业价值 // 86
5.2 数据本身成为企业核心资产 // 87
5.3 由企业数据处理能力创造的价值 // 90
5.4 向顾客或利益相关者出售数据 // 91
5.5 理解用户生成数据的价值 // 96
第 6章 数据的取得与收集 // 98
6.1 了解不同类型的数据 // 99
6.1.1 对“大数据”的定义 // 100
6.1.2 结构化数据的定义 // 101
6.1.3 非结构化数据和半结构化数据的定义 // 103
6.1.4 内部数据的定义 // 105
6.1.5 外部数据的定义 // 106
6.2 更多的新型数据 // 108
6.2.1 活动数据 // 108
6.2.2 对话数据 // 109
6.2.3 照片和视频数据 // 110
6.2.4 传感器数据 // 111
6.3 内部数据的收集 // 111
6.4 外部数据的访问 // 113
6.5 如果你需要的数据尚不存在 // 116
注解 // 117
第 7章 将数据转化为洞见 // 118
7.1 分析技术的进化方式 // 119
7.2 了解不同类型的分析技术 // 120
7.2.1 文本分析 // 121
7.2.2 情感分析 // 122
7.2.3 图像分析 // 122
7.2.4 视频分析 // 123
7.2.5 语音分析 // 124
7.2.6 数据挖掘 // 124
7.2.7 业务实验 // 125
7.2.8 视觉分析 // 126
7.2.9 相关性分析 // 126
7.2.10 回归分析 // 127
7.2.11 情景分析 // 128
7.2.12 预测 /时间序列分析 // 129
7.2.13 蒙特卡罗模拟法 // 129
7.2.14 线性规划 // 130
7.2.15 同期群分析 // 130
7.2.16 因子分析 // 131
7.2.17 神经网络分析 // 132
7.2.18 元分析 /文献分析 // 133
7.3 高级分析:机器学习、深度学习和认知计算 // 133
7.4 以不同分析技术的结合追求成功最大化 // 137
第 8章 技术和数据基础架构的创建 // 139
8.1 “大数据即服务”:能成为企业的一站式解决方案吗 // 140
8.2 收集数据 // 143
8.3 存储数据 // 146
8.3.1 了解云基础 /分布式存储系统 // 146
8.3.2 Hadoop概述 // 148
8.3.3 Spark:Hadoop的替代品 // 149
8.3.4 数据湖和数据仓库的简单介绍 // 150
8.4 数据的分析和处理 // 151
8.5 提供数据访问服务 // 155
8.5.1 倡导数据管家的概念 // 156
8.5.2 数据的沟通 // 157
注解 // 159
第 9章 打造组织的数据能力 // 160
9.1 大数据技能短缺及其对企业的影响 // 160
9.2 建立内部技能和竞争力 // 163
9.2.1 五种基本的数据科学技能 // 163
9.2.2 招募新人才 // 166
9.2.3 为现有人员提供培训并提高其工作技能 // 168
9.3 将数据分析业务外包 // 170
9.3.1 与数据服务供应商合作 // 170
9.3.2 Kaggle:众包数据科学家 // 172
注解 // 175
第 10章 不要让数据成为负债:数据治理 // 177
10.1 数据所有权和隐私方面的考虑 // 178
10.1.1 拥有还是外购 // 178
10.1.2 确保拥有合理权限 // 179
10.1.3 将数据最少化作为好的实践 // 180
10.1.4 理解隐私问题 // 182
10.2 数据的安全问题 // 187
10.2.1 数据泄露的重大影响 // 187
10.2.2 物联网的威胁 // 190
10.3 践行良好的数据治理 // 192
注解 // 194
第 11章 数据战略的执行和完善 // 196
11.1 把数据战略付诸实践 // 196
11.1.1 态度是关键 // 196
11.1.2 数据战略为什么会失败 // 198
11.2 创建数据文化 // 201
11.3 重新审视数据战略 // 203
11.3.1 调整企业需求 // 204
· · · · · · (收起)
读后感
用户评价
这本书的独特之处在于它的前瞻性,它没有被眼前的技术热点所束缚,而是将目光投向了五年乃至十年后商业世界可能发生的一切。我特别欣赏作者对于“数据伦理”和“隐私保护”的探讨,这部分内容处理得极其细腻和负责任。在当前这个数据泄露事件频发的时代,将合规性和用户信任放在战略核心,无疑是高明的。我感觉作者的理念是:没有信任的数据,就没有价值的战略。书中还穿插了几个非常精彩的“反面案例”,分析了那些因为傲慢或短视而错失数据良机的企业。这些案例的剖析入木三分,揭示了许多组织在数据投入上常见的认知偏差。读完后,我立刻对我们内部关于客户画像的构建方式进行了调整,更加注重数据的透明度和可解释性,而不是仅仅追求模型的准确率。这本书就像是一剂清醒剂,让人明白,数据战略的成功,最终衡量标准是它能否为企业带来可持续的、负责任的增长,而非昙花一现的流量暴增。
这是一本结构严谨、逻辑清晰的学术性著作,阅读过程需要极高的专注度,但回报是丰厚的知识体系建构。作者的写作风格非常严谨,每一论点都辅以详实的理论支撑和引用,使得全书充满了无可辩驳的说服力。对于那些痴迷于“数据思维体系”的构建者而言,这本书无疑是教科书级别的范本。它系统地拆解了战略制定的全流程,从数据源识别的优先级排序,到数据资产的量化评估,再到最终战略成果的KPI设定,形成了一个闭环的管理模型。我尤其喜欢它对“数据资产负债表”的构建方法的阐述,这是一种全新的、量化的方式来评估数据在财务报表上的隐性价值,让人耳目一新。当然,这本书的学术深度也意味着它的门槛不低,如果读者期望看到快速上手的“SOP”(标准作业流程),可能会感到失望。它要求读者放下浮躁,沉下心来,像工程师搭建复杂系统一样,去理解数据战略的底层逻辑和相互作用力。
这本书给我的感觉是,它不是一本“教你如何做”的书,而是一本“让你思考为什么”的书。它没有提供任何现成的工具箱,反而像一位哲学导师,引导你重新审视数据在人类认知和商业决策中的角色定位。作者的笔触非常富有感染力,尤其是在描述数据驱动决策带来的范式转移时,那种激动人心的力量感跃然纸上。他大量使用了类比和隐喻,将复杂的系统科学融入到商业叙事之中,让原本枯燥的战略规划变得富有诗意和想象空间。比如,书中关于“数据预见性”的描述,让我联想到了自然界中物种的演化,将数据视为组织适应环境的“基因突变”过程。这种宏大而富有哲理的视角,极大地拓宽了我的思维边界。我不再仅仅关注本季度的数据目标,而是开始思考:我们的数据战略,如何才能确保我们在下一个十年依然具有竞争力?这本书更像是一次深刻的心灵洗礼,让你在战略层面站得更高,看得更远。
坦白说,我一开始对这本书抱有很大的期待,因为市面上实在太缺乏从宏观战略层面剖析数据价值的书籍了。然而,这本书的叙事节奏实在是太跳跃了,读起来颇有些费力。它更像是一本高管级别的备忘录,充满了对未来趋势的预判和高屋建瓴的指导方针,却在落地执行的细节上显得捉襟见肘。书中对于“数据治理”的论述虽然宏大,但当我试图将其映射到实际操作中时,却发现缺失了关键的桥梁。比如,它提到了跨部门数据壁垒的消除至关重要,但对于如何设计出既能满足A部门需求又不会过度牺牲B部门利益的统一数据模型,书里几乎没有给出可操作的框架。感觉作者站在云端俯瞰全局,视野开阔,但对于身处迷雾中的执行者而言,这本书提供的更多是一种“方向感”,而非“导航图”。或许适合那些已经具备坚实基础,正在谋求下一阶段飞跃的领导者,但对于基层的数据分析师或者刚刚接触数据战略的初级管理者来说,可能会感到力不从心,需要花费大量时间去“翻译”这些战略思想。
这本书简直是为那些在信息洪流中迷失方向的人准备的灯塔!我原本以为这是一本枯燥的理论书籍,没想到读起来却像是在听一位经验丰富的老船长讲述如何驾驭风暴。作者没有过多地纠缠于那些高深的术语,而是用一系列生动的案例,将“数据”这个抽象的概念具象化了。读完第一部分,我立刻对我们公司当前的数据处理流程产生了深刻的怀疑,之前那些看似合理的决策,现在看来简直是盲人摸象。特别是书中关于“数据文化”的构建那一段,让我茅塞顿开。它强调的不是技术工具的堆砌,而是思维模式的转变,这才是真正的痛点所在。我甚至在公司内部组织了一个小型读书会,大家讨论的热火朝天,不少同事都表示,这本书让他们第一次真正理解了数据背后的商业价值,而不仅仅是报表上的数字。如果说市面上大多数数据相关的书籍都在教你“如何打磨工具”,那么这本书就是在告诉你“如何用好工具去征服新的疆域”。它迫使我重新审视我们收集、存储和使用数据的每一个环节,那份被深埋的数据潜力,似乎正随着我的阅读而一点点苏醒。
一堆不太新的概念和案例。讲得不深,还不如知乎透彻,当科普倒是可以看看的。
一堆不太新的概念和案例。讲得不深,还不如知乎透彻,当科普倒是可以看看的。
一堆不太新的概念和案例。讲得不深,还不如知乎透彻,当科普倒是可以看看的。
一堆不太新的概念和案例。讲得不深,还不如知乎透彻,当科普倒是可以看看的。
一堆不太新的概念和案例。讲得不深,还不如知乎透彻,当科普倒是可以看看的。