大数据分析：数据驱动的企业绩效优化、过程管理和运营决策

译者序 序 前言 作者简介 第一部分

数据分析及其价值概述 第1章

谈及数据分析时我们到底在谈什么 2 1.1

我们为什么需要一个新术语：传统商务智能里的问题 3 1.2

三种类型的数据分析 4 1.3

数据挖掘适合什么 6 1.4

业务数据分析和其他一些类型 6 1.5

Web数据分析 7 1.6

大数据分析 7 1.7

结论 8 第2章

数据分析中的ROI 9 2.1

传统的ROI分析 9 2.1.1

现金流和ROI 10 2.1.2

构建一个可靠的ROI 11 2.1.3

其他用于决策制定的财务度量标准 11 2.1.4

ROI分析中其他注意事项 11 2.2

Teradata公司评估数据分析投资的方法 13 2.2.1

阶段1：验证业务目标并记录最佳实践用途 13 2.2.2

阶段2: 设想一下新功能 14 2.2.3

阶段3：对ROI和报告调查结果进行决策 14 2.2.4

阶段4：沟通 14 2.3

计算价值的一个例子 14 2.4

Freescale半导体公司中的ROI分析 15 2.4.1

背景和环境情况 16 2.4.2

在受高度影响的领域开始进行 16 2.4.3

让经理和领导参与进来 16 2.4.4

持续渐进的成长 17 2.4.5

吸取经验教训 18 第二部分

数据分析应用 第3章

为建立数据分析优势利用专有数据 22 3.1

管理专有数据和分析结果的问题 24 3.1.1

在IATA的PaxIS利用专有数据 25 3.1.2

一个利用专有数据的行业：客户支付 25 3.2

支付数据中的经验教训 28 第4章

Web数据分析：原始大数据 29 4.1

Web数据概述 30 4.1.1

你遗漏了什么 31 4.1.2

假设各种可能性 31 4.1.3

一个重要的新信息源 32 4.1.4

应该收集何种数据 33 4.1.5

对于客户隐私会怎么样 33 4.2

Web数据揭示了什么 34 4.2.1

购物行为 35 4.2.2

客户购买过程和购买偏好 35 4.2.3

搜索行为 36 4.2.4

反馈行为 38 4.3

Web数据实践 38 4.3.1

最优产品推荐 39 4.3.2

客户流失模型 40 4.3.3

客户响应模型 40 4.3.4

客户群体划分 42 4.3.5

广告宣传结果评估 43 4.4

本章小结 44 第5章

在线参与度分析 45 5.1

参与度定义 45 5.2

一个测量在线参与度的模型 47 5.3

对参与度记分的价值 49 5.4

PBS的参与度分析 50 5.5

Philly.com的参与度分析 51 第6章

通向零售业客户“最优产品推荐”之路 53 6.1

数据分析和通向有效进行“最优产品推荐”之路 54 6.2

推荐战略设计 55 6.3

了解你的客户 56 6.4

了解你的推荐 56 6.5

了解购买交易背景 57 6.6

分析和执行：决定和制定推荐 58 6.7

学习和适应NBO 60 第三部分

数据分析技术 第7章

在生产规模应用数据分析 64 7.1

和行为有关的决策 65 7.2

施加业务影响所花的时间 65 7.3

运营中的业务决策 66 7.4

服从问题 66 7.5

数据考量 67 7.6

在生产规模应用数据分析的实例：YouSee 67 7.6.1

潜在的解决方案 68 7.6.2

YouSee 成果 69 7.6.3

YouSee面临的挑战和吸取的经验教训 70 7.6.4

未来在产品规模应用数据分析的计划 71 7.7

来自其他成功公司的经验教训 71 第8章

云计算中的前瞻式数据分析 73 8.1

业务解决方案关注点 74 8.2

五大关键发展机遇 74 8.2.1

打包发布的以云计算为基础的“决策即服务”解决方案 75 8.2.2

用于软件即服务的前瞻式数据分析 75 8.2.3

用于历史遗留系统中的前瞻式数据分析 75 8.2.4

数据云建模 76 8.2.5

弹性计算模型威力 76 8.3

市场状况 77 8.3.1

早期采用者的竞争优势 77 8.3.2

决策管理增加了数据分析价值 77 8.3.3

可持续化的传统数据源优势 78 8.4

优缺点 78 8.5

采用以云计算为基础的前瞻式数据分析 79 第9章

数据分析技术和业务用户81 9.1

各自独立但不等同 81 9.2

阶段化数据 82 9.3

多用途 82 9.4

通用复杂性 82 9.5

以客户端和产品为基础 82 9.6

行业通用 83 9.7

完全可量化 83 9.8

业务部门驱动 83 9.9

特定的供应商公司 83 9.10

现有模型中的问题 84 9.11

数据分析技术中出现的变化 84 9.12

为未来创建数据分析应用程序 86 9.12.1

单用途、行业特定和简单化 86 9.12.2

以服务和解决方案为基础 87 9.12.3

集中式协调 87 9.12.4

整合供应商公司 88 9.13

总结 88 第10章

与企业绩效相关的决策和数据分析 90 10.1

一个决策和数据分析研究案例 90 10.2

相关的决策和数据分析 92 10.2.1

数据分析和决策之间的松耦合关系 92 10.2.2

结构化的人为决策环境 94 10.2.3

自动化的决策 96 10.3

关联决策和信息的过程 97 10.3.1

步骤1：对关键决策在战略上的重视 97 10.3.2

步骤2：信息和数据分析提供 98 10.3.3

步骤3：决策设计 98 10.3.4

步骤4：决策执行 99 10.4

展望决策管理的未来 100 第四部分

数据分析人力因素 第11章

组织管理数据分析人员104 11.1

为什么企业组织会在意 104 11.2

企业组织架构通用目标 105 11.3

特定数据分析型企业组织的目标 106 11.4

组织管理数据分析人员的基本模式 106 11.5

协调方案 109 11.6

何种模型适合你的业务 110 11.7

你能勇敢到何种程度 112 11.8

定位你的模型和协调机制 113 11.8.1

角度1：目前状态 113 11.8.2

角度2：数据分析成熟度 113 11.8.3

角度 3：数据分析策略/场景 114 11.8.4

角度4：反省抱负 115 11.8.5

角度 5：反省现实 115 11.9

数据分析领导力和首席分析官 116 11.10

应该向谁汇报数据分析职能工作 116 11.11

营造数据分析生态环境 117 11.12

逐渐发展数据分析型企业组织 118 11.13

底线 119 第12章

数据分析人才的工作投入度 120 12.1

四大数据分析人才种类 120 12.2

数据分析人员的工作投入度 121 12.3

让数据分析人员具备关键的业务信息 122 12.4

定义角色和期望 123 12.5

培养数据分析人员对新技能、工具和技术的热爱 123 12.6

运用更加集中化的数据分析企业架构 124 第13章

数据分析治理126 13.1

指导原则 126 13.2

治理要素 128 13.2.1

为什么需要治理 128 13.2.2

什么东西正在被人们治理着 130 13.2.3

应该如何对治理进行架构化 130 13.2.4

谁治理什么 132 13.2.5

如何对治理进行运营 134 13.2.6

如何让数据分析治理与其他的治理体系和方法相适应 135 13.3

何时知道自己正在成功的路上 135 第14章

构建全球化的数据 分析能力 137 14.1

广泛分布的地理差异 137 14.2

集中协调集中化的组织 139 14.3

强大的卓越中心 139 14.4

协调化的“分工”方案 140 14.5

其他一些全球化数据分析发展趋势 142 第五部分

数据分析应用案例研究 第15章

医疗合作系统公司146 15.1

Partners公司数据和系统集中管理 147 15.2

Partners公司的临床诊断信息技术管理 148 15.3

Partners公司的高绩效医学计划 150 15.4

Partners 公司在数据分析方面的新挑战 151 15.5

Partners公司的集中管理式业务数据分析 153 15.6

特定于医院的数据分析业务活动：马萨诸塞州综合医院 154 15.7

特定于医院的数据分析业务活动：女子医院 155 第16章

西尔斯控股公司HR职能部门中的数据分析159 16.1

我们做什么 159 16.2

谁造就了优秀的HR数据分析人员 161 16.3

我们最大化价值的秘诀 162 16.4

关键的经验教训 163 第17章

默克公司的商业数据分析文化和关系165 17.1

决策制定者的合作伙伴关系 166 17.2

团队成功的理由 166 17.3

将数据分析嵌入工具中 168 17.4

商业数据分析和决策科技未来的方向 168 第18章

Bernard Chaus 公司供应链中的描述性数据分析170 18.1

关注供应链的需要 171 18.2

数据分析加强了Chaus 公司IT和业务部门之间的同盟关系 173