新書推薦：
《
大唐兴衰三百年3：从女主当国到开元盛世
》
售價：NT$
325.0
《
直击核心：通向卓越教练之路的革命性方法
》
售價：NT$
549.0
《
高性能储能器件电解质：设计、制备与应用
》
售價：NT$
493.0
《
四时如意 国风纹样线描涂色集
》
售價：NT$
279.0
《
活下去才是硬道理：华为的36条生存法则
》
售價：NT$
437.0
《
森林：保护6万种树木的家
》
售價：NT$
403.0
《
数字经济：“数字中国”顶层规划与实践路径
》
售價：NT$
386.0
《
算者生存：商业分析的方法与实践
》
售價：NT$
447.0
|
| 編輯推薦： |
|
任何人都可以利用他们所掌握的信息，并利用它来做出更好的决策。 此书揭示了商业分析的过程，并帮助任何人在仅仅五个步骤中从数据转移到决策
|
| 內容簡介： |
|
写给所有人： *部分和第三部分写给每一位有兴趣了解分析的读者。*部分是对分析的介绍：什么是分析、为什么要分析和常用分析方法。第四部分提供真实案例，对分析如何影响从政治到体育、从执法机关到技术领域这些典型的商业环境进行说明。 写给想学习和实践分析的读者： 第二部分详细介绍了商业分析的BADIR 模型，对预测分析进行了概述，并介绍了用于商业智能和分析的工具。这部分将为你提供必要的知识，将商业分析应用到你日常大部分的工作中，并在必要时针对复杂分析与专家进行充分的沟通。本书附录中还提供了必要的统计知识，方便你在需要时参考。 写给领导者： 商业领袖和分析大师会发现第三部分值得花时间阅读，因为通过很好地利用数据，你可以引领企业走向盈利。本书提供了专门的工具包和方法，帮助你创建数据支持企业，建立一个分析议程，扩大分析在各类组织中的影响，并轻松地避免掉入常见的陷阱。
|
| 關於作者： |
|
皮扬卡贾殷（Piyanka Jain） Aryng管理顾问公司的CEO，这家公司专攻商业分析。作为分析领域备受尊崇的业界领头羊，她曾在美国营销协会、预测分析世界、GigaOm和谷歌用户分析会等商业及分析研讨会上担任专题演讲人，演讲主题为通过数据驱动型决策来取得竞争优势。担任分析领导人15年之久，她对商业产生了超过1.5亿美元的影响。她总是想方设法找出各种模型，提出各种观点，推动客户企业的变革并影响商业驱动力。她拥有两个硕士学位，其论文侧重于应用数学和统计学。 普尼特夏尔马（Puneet Sharma） 行动公司（Move Inc.）的分析和使用者研究部副总裁。热衷于运用分析与消费者观点来驱动显著的商业效益。15年来一直在金融服务和互联网公司倡导高效能营销并提供产品策略营销方案。专长在于通过对消费者的信息和深层分析来推动决策制定，并提供可行性建议，以实现行之有效的变革。在马里兰大学取得MBA学位之后，先后在PayPal、Capital One和HSBC等《财富》前500强公司担任营销、产品和分析领导人的职务，负责以消费者为基础的零售业务。
|
| 目錄：
|
目录
赞誉
前言
致谢
序言
第一部分 你好，分析┊1
第1章 要么分析、要么灭亡┊2
第2章 什么是分析┊12
第3章 七大分析方法┊28
第二部分 深入理解┊43
第4章 BADIR：商业分析的五步框架┊44
第5章 预测分析┊94
第6章 数据和分析工具┊121
第三部分 领导工具包┊137
第7章 分析和领导者┊138
第8章 分析竞争┊152
第9章 分析师领导者的攻略手册┊166
第10章 付诸行动┊170
第11章 常见的陷阱┊180
第四部分 实践中的分析：十个案例研究┊201
附录 商业统计101┊217
注释┊224
作者简介┊227
|
| 內容試閱：
|
推荐序
为什么写本书
没有什么能比火箭科学更复杂了。分析学并不是火箭科学。当然，分析学非常专业，涉及各种格式的大量信息，而我们花费数百万美元希望通过分析加上一些人性的洞察、简单的数学和复杂的统计去找某种模式。好吧，这听起来挺难，但就像你刚开始接触的任何课题一样，有基本原理、方法和简单诀窍，帮你掌握它并利用它来实现你自己的利益。尽管成分复杂，但分析（尤其是商业分析）其实就是一个简单的解决问题工具。本书的目的就是解释分析是什么，以及怎样去进行分析。
我们已经告诉了你分析其实可以很简单。那我们是否告诉过你，企业中的每个成员都足够了解如何在企业日常事务中带来积极变化？或者告诉过你这种简单的分析只花费复杂分析成本的一小部分，却可以帮你解决80%的实际业务问题吗？嗯，它可以。
并不是所有分析问题都是需要数据科学家建立并读取复杂模型的大型项目。事实上，这些问题中的80%可以由管理人员和决策者日常解决，他们只掌握简单工具和方法就可以了。他们知道什么时候应该以及如何最好地利用数据科学家和分析师去解决更复杂的商业问题。本书专为这些商务人士提供基本知识，并帮助数据科学家最大限度地发挥自己的能力。本书力争结合两方最好的资源来推动结果。
那我们期望分析会影响什么样的结果呢？如果操作得当，通过商业分析可以发现差异，创造满意的客户、更好的产品、改进的流程、高效的员工、提高收入和利润，从而让股东开心。结合我们在大型企业领导分析部门30年的工作经验，我们知道，有些企业做法得当，而另外一些企业还在苦苦挣扎。这种模式对我们来说越来越明显。因为成功的企业对分析、丰富的资源、清楚的沟通和简单的方法有信心，所以它们已经能够利用分析来推动经济增长，而那些还在挣扎的企业却有各种失误，但有一条简单的出路，那就是学习本书的内容。
每次出现一个热门的流行语时，各公司就急急忙忙地跟风。了解分析可能带来的潜在价值之后，各企业开始对分析还有大数据产生错误预期。它们认为分析太复杂了，需要能在数据实验室里解决所有问题的"科学家"。他们认为数据应该定期给出答案，然后大数据工具就可以修复这一切不可能！我们希望在本书里消除这些或是其他的误解。
但是，你如何挣脱这种分析无力？有一个方法可以解决这种病症，BADIR框架可以帮你用五个简单步骤从数据中得出决策。这种方法非常普遍适用，可应用于商业或企业分析的很多方面。为了说明这一点，本书中贯穿了这方面的例子。
这些例子来自我们在硅谷（Silicon Valley）各大公司及最近在Aryng管理咨询公司分析团队的工作经历。
本书写给谁
写给所有人：第一部分和第三部分写给每一位有兴趣了解分析的读者。第一部分是对分析的介绍：什么是分析、为什么要分析和常用分析方法。第四部分提供了真实的案例，对分析如何影响从政治到体育，从执法机关到技术领域这些典型的商业环境进行说明。
写给想学习和实践分析的读者：第二部分详细介绍了商业分析的BADIR模型，对预测分析进行了概述，并介绍了用于商业智能和分析的工具。这部分将为你提供必要的知识，将商业分析应用到你日常大部分的工作中，并在必要时针对复杂分析与专家进行充分的沟通。本书附录中还提供了必要的统计知识，方便你需要时参考。
写给领导者：商业领袖和分析大师会发现第三部分值得花时间阅读，因为通过很好地利用数据，你可以引领企业走向盈利。本书提供了专门的工具包和方法，帮助你创建数据赋能型企业，建立一个分析议程，扩大分析在各类组织中的影响，并轻松地避免掉入常见的陷阱。
本书所用的术语
我们在本书中使用了以下术语，为了帮助你熟悉它们，我们在这儿给出了这些术语的定义。
AB测试（AB testing）或测试和学习（test and learn）：所谓测试，是对根据分析、直觉或客户输入值所得出观点的有效性进行测量的过程。AB测试能对受控实验中所得到的结论效果进行评价，在一个对照实验中评估这些见解的效果。
分析（analytics）：利用数据和分析来驱动影响，运用结构化的方法来解决商业问题的科学。
BADIRTM：一个从数据到决策的浅显易懂的秘诀。它将数据科学和决策科学（即商业技术技能和软技能）相结合，将数据转换成能产生影响力的观点。这个分析过程适用于各个行业，本书第4章对此进行了介绍。
商业分析（business analytics）：利用历史数据和简单的统计方法，再加上一定的商业背景，去获取观点并对组织施加影响。商业分析包括相关分析和总量分析。
商业领袖（business leader）：在职能部门、业务部门或整个企业扮演领导角色的个人，包括首席执行官、总经理、产品负责人、营销负责人、客户关系负责人。在这些角色中，他们负责各自业务部门的盈亏（P&L），对公司的战略发挥至关重要的作用。
商业用户（business user）或商务专业人士（business professional）：在各行业中，执行职能战略并负责日常决策的个人，他们直接或间接地影响公司业绩。我们交叉使用这些术语，商业用户的作用可以体现在营销、产品、运营或其他角色上。
数据驱动（data driven）：有些公司是创新驱动公司，有些则是技术驱动公司。数据驱动公司利用数据引导更好的决策，为组织的种种目标提供支持。在本书中，我们交替使用数据启用、数据引导和数据驱动这些术语，读者可以采用其中任何一个，为各自企业的愿景和目标提供支持。
数据科学家（data scientist）：有能力使用先进的统计工具做高级分析的个人。在本书中，有时也用"分析专家"来进行描述。
关键绩效指标（KPI）：衡量某机构或项目成功与否的关键绩效指标。收入和利润往往是企业层面的关键绩效指标。
P&L：利润和亏损（盈亏）。
预测分析（predictive analytics）：对历史数据应用先进的统计技术，以期能预测未来事件。预测分析技术包括线性回归和决策树等，通常需要数据科学家和预测分析专家来完成。
3个关键问题TM（3 key questionsTM）：Aryng咨询公司为企业制定可行性分析框架的另一个秘诀。3个关键问题帮助领导者像剥洋葱一样对企业展开层层分析，明确KPI，找到这些KPI的驱动因素，并协调内部项目，来移除影响KPI的驱动因素。
◆ 前言 ◆
皮扬卡贾殷
我痛恨统计学。1999年在得州农工大学（Texas A & M University）的环境工程论文课题中，我真正想做的是跟踪调查使危险废弃物场地变得不安全的事件。在实验室的研究过程中，当事实愈渐清晰时，坦白地讲，能解决这个问题的唯一方法就是采用非线性回归技术建立逆形态分布模型。
我一直都喜欢数字和数学，曾相对我所就读的年级提前4年用自己的方法推导出勾股定理。我一直质疑每一项杰出技术所带来的影响，包括我父亲的突破性发明--垃圾焚烧发电。数学和工程学成就了今天的我，但在1999年，我努力确保统计数据不仅可以分析一个问题，还可以解决这个问题，并有真正切实的商业影响。我与数据化敌为友，并找到了我的激情所在。
我在明尼苏达大学（University of Minnesota）计算机科学与工程专业完成了第二硕士学位。利用蚂蚁信息素概念，通过统计建模与仿真，我设计了一个自我更新的网络路由表。我曾教三年级和四年级的本科生学习微积分和统计学，我有能力利用统计和分析技术去解决各种不同类型的问题。
当Adobe公司希望通过这些技能来提高其客户体验时，我就知道从这一刻开始，分析将成为我人生的一部分。一如既往地，我努力确保研究的数据可以被转化为行动和积极的商业影响。在一个热爱数据的公司里，我和我的团队能够通过市场营销和广告，改善客户体验，并最终对公司的盈利带来影响。
后来我在不同的公司任职，在贝宝（PayPal），我遇到了普尼特夏尔马。在那里，我们每人带领着一个分析团队。
普尼特夏尔马
取得了计算机科学学位和金融领域的工商管理硕士学位之后，我开启了早期的职业生涯。当我开始了解数据和分析，以及我的数据分析师朋友一天的生活后，我就知道我不得不屈从于这种渴望--我称之为我的"欲望"。美国第一资本投资国际集团（Capital One Financial Corp）招聘数据分析师时，我提交了申请。经过严格的能力测试，Capital One邀请我在董事会里担任数据分析经理，以好好发挥我的技术和业务技能。我在我热爱的事业里蓬勃发展--将分析转换为商业影响和有形的美元价值。公司相信数据能报告所有关键的战略和决策，并且从一开始就这样设计。我和其他500个人一起参加培训，学习统计、建模和分析。我知道进入数据分析领域是一个正确的决定。
然而在这之后，我很惊讶地得知，和我有工作来往的其他公司并不像我们这样对利用数据来带动商业影响感兴趣，有的公司甚至毫无兴趣。分析是一个"支持功能"，根据优先级不同的事业部，分析的产出可能会也可能不会被考虑。现有系统的设立并不利于我们获取有深远影响的各种商业信息。物力和财力被花在理论分析上，却并不一定能直接产生商业影响。一个项目如果有强大的数据驱动执行支持，我和我的团队就能够带来惊人的影响。但是实际并非如此，我曾见证数百万美元资金分文不动地躺在那里，仅作为企业结构的一个要素和分析的感知价值。经过一段时间强烈的自我怀疑，质疑我自己是否真的有能力推动持续的影响，我发现，需求是有的，而我还有不足，我从那些失败中吸取了教训。作为一个技术公司的分析负责人，我还有很多经验、教训需要学习。
我和皮扬卡贾殷多年来经常一起共进午餐并时不时地讨论一番，我发现我们原来都有同样的经历。我们开始清楚地认识到这些模式，并想办法来填补这些缺口。这不只是关于分析，也是因为我们现在拥有可以强有力地提高业绩的环境。分析的复杂性是一个障碍，但是我们知道大约只有20%的时间需要那些资源密集的过程。我们通过共同的努力开始阐明分析的力量、企业对分析的态度、常见的失误，以及用简单的方法来驱动影响。
皮扬卡贾殷
这几年我在会议上发表讲话的时候，也听到了来自其他机构同僚的亲身经历。他们招架不住这些数据、大数据、分析、预测分析，虽然许多人都跟上了潮流，但是他们在分析上的投资并没有得到多少投资回报（ROI）。整个场面模糊又复杂，有一个需求是我们可以填补的。
2011年，我创立了Aryng--一家管理咨询公司，专注于分析。普尼特夏尔马担当顾问的角色，我则设计了一个叫作BADIRTM的商业影响分析方案。BADIRTM代表商业问题（business question）、分析计划（analysis plan）、数据收集（data collection）、得出结论（insights）和提出建议（recommendations），它是一个可将数据转化为更明智决策的简单五步框架。
当召开研讨会时，我们听到了越来越多这样的说法，怎样将如此简洁基础的方法用在工业和学术领域呢？本书囊括了所有这一切。我们很高兴带你一起走上这趟旅程。
◆ 致谢 ◆
本书是我们的信念和商业分析知识的结晶。虽然在过去的几个月里我们全身心地投入在本书上，但是如果没有朋友和家人的帮助与支持，我们根本无法完成本书，他们不仅慷慨地提供了各种专业知识，还大度地包容我们。对于这些善良又聪慧的人所提供的支持，我们心怀感激。
我们是分析专家，但并非专业作家。感谢Lakshmi Jayaraman坚持不懈地听我们诉说故事，加入设计和创新情境，并参与书写和编辑来支持本书。我们同样还感激你利用你的设计专长和插图知识提供的帮助，你的坚持使本书充满乐趣和可读性。
特别感谢我们的审稿人，你们的反馈确保了我们的阐述合情合理，并清楚地传达了本书的意图，所以谢谢你们：Bonny Elgamil、Claire Dean、Nirmal Baid、Desmond Chan、Marcia Trask、Ketan Babaria、Parth Sethia、Sangita Khater、Sunil Bafna、Anshul Mohan、Mahendra Kumar、Narasimman Jayaraman、Kamala Subramaniam、Cole Roberts和Betty Li。
感谢Ramkumar Ravichandran对分析数据工具的研究综述，感谢Kameshwari Viswanadha的输入设计和评审，感谢Vijay Aviur提供我们在本书中谈到的故事。
感谢Shailesh、Ashish和Satvik团队，为本书画了生动的插图。感谢Terri Griffith对本书写作过程的指导以及提供的许多简介。
最后，我们要感谢我们家庭的支持，尤其是我们各自的另一半Parth和Shweta。在我们潜心研究或是缺席大部分周末的时候，她们为我们分担了很多。
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
