數源思維:業務導嚮的數據思維秘籍

數源思維:業務導嚮的數據思維秘籍 pdf epub mobi txt 電子書 下載2025

出版者:電子工業齣版社
作者:倉劍
出品人:
頁數:276
译者:
出版時間:2017-3
價格:59
裝幀:平裝
isbn號碼:9787121309977
叢書系列:
圖書標籤:
  • 數據分析
  • 數源思維
  • 數據
  • 互聯網
  • 統計學!
  • 慧報培訓推薦
  • Buy
  • 數據思維
  • 業務分析
  • 數據分析
  • 數字化轉型
  • 商業決策
  • 數據驅動
  • 思維模式
  • 方法論
  • 實戰指南
  • 增長
想要找書就要到 小美書屋
立刻按 ctrl+D收藏本頁
你會得到大驚喜!!

具體描述

《數源思維:業務導嚮的數據思維秘籍》為非專業數據技術人員提供瞭一種有效利用數據解決問題的思維方法——數源思維。這種方法的簡單描述,就是“從業務中來,迴業務中去”。《數源思維:業務導嚮的數據思維秘籍》的上篇使用實例和典故詳解瞭數源思維內涵和四個操作步驟。下篇同樣以實例方式展示瞭數源思維如何在各部門的業務中發揮威力,並將企業策略製定工作從傳統被動、慢速、靜態的方式轉變為主動、快速、動態的方式。

《數源思維:業務導嚮的數據思維秘籍》可以幫助企業市場、産品、運營等業務管理者建立或提升數據導嚮的業務問題解決能力,可以幫助戰略規劃或中高層管理者提升數據導嚮的戰略分析能力,同時《數源思維:業務導嚮的數據思維秘籍》也可以作為商學院高年級學生的思維方法學習與訓練用書。閱讀《數源思維:業務導嚮的數據思維秘籍》不需要任何高等數學或統計學基礎。

著者簡介

倉劍,米飯科技創始人,前新浪微博數據中心資深數據分析師,新浪學堂培訓師,數據驅動課題組組長。前賽迪顧問軟件産業研究總監、總經理。在近20年的職業生涯中,先後從事軟件售前、戰略谘詢顧問、行業分析師、數據分析師等工作,最後自己創業,這是一條從業務走嚮數據再迴到業務的職業道路,倉劍將其結成一份工作總結,形成此書。

圖書目錄

上篇 解密數源思維
第 1 章 數源視角下的三重境界 2
隻見業務不見數;又見業務又見數;隻見業務不見數……
數據及其處理技術是招式,當忘掉招式的時候,就是練成數源思維秘籍的時候。
1.1 沒數 2
1.2 有數 4
1.3 馭數 6
1.4 數據就像金箍棒 9
1.5 數源思維的戰略性 12
第 2 章 數源思維不是什麼 15
數源思維是大數據思維嗎?是數據化管理嗎?是商業統計分析嗎?是一種數學應用嗎?
既是,也不是。這些都是數源思維的招式,如果沒有它們,則不能解決任何實際問題。但這其中任何一招都構不成數源思維。
2.1 數源思維不等於數據思維 15
2.2 數源思維不等於考古發掘 20
2.3 數源思維不等於數學邏輯 22
2.4 數源思維不等於 KPI 思維. 24
2.5 數源思維的四步麯 27
第 3 章 問,數源思維與産品思維、用戶思維 32
提問——將業務問題轉化為數據問題是數源思維第一步的核心任務。實現這一任務的路徑和方法可以有多種,但最終要實現的目標是一緻的。
3.1 三類思維的關係 32
3.2 提問要點 39
3.3 不要搞錯決策對象 43
第 4 章 拆,問題的拆分 46
拆分——第一步中定義好的問題往往因為比較宏觀而無法直接著手解決,我們就需要將其拆分為更微觀的細節問題,進而再去尋找細分問題的解答方法。
4.1 從整到分,從分到整 46
4.2 結構化拆分問題的方法 50
4.3 相親看眼緣嗎 55
4.4 相關問題的轉換 59
4.5 攻擊要害 60
4.6 問題的時空轉換 61
第 5 章 解,設計解決問題 64
解答——當問題已經足夠明確和細分,能著手開始解決後,我們就進入瞭“解”的步驟。在解答問題的整個過程中與思維密切相關的是方法、算法設計。
5.1 問題類型 64
5.2 定性問題的測量方法 67
5.3 全局問題的局部算法 73
5.4 大問題的逐步求精 76
5.5 難測問題的替代算法 82
5.6 利用實驗創造數據 87
第 6 章 謀,數源思維與科學思維、人文思維 93
科學思維——探究客觀之理,做令人信服之論;
人文思維——抒發主觀之情,記感人情懷之述。
6.1 科學思維與數據說服 93
6.2 人文思維與數據感人 99
6.3 推理說服與想象感人 104
6.4 要有一個好故事 107
6.5 符閤視覺需求 116
第 7 章 認識數據的局限和代價 130
要用好數據這項工具,除瞭要知道它的優勢,還必須清楚在現有條件下它的劣勢,從而避免應用時的偏頗。但從總的趨勢來說,機器利用數據做齣的判斷越來越精準,比如下麵第一節講到的人臉識彆例子,在最新的人機大戰中,機器又實現瞭超越。
7.1 非結構化數據的局限 130
7.2 非直觀化數據的代價 134
7.3 結果影響行為的睏擾 137
下篇 打通任督二脈
第 8 章 什麼叫接地氣的戰略 142
要形成企業戰略,觀察的角度和思考的維度應該如何選擇?是要觀察外部環境,還是應該考察內部資源;是要靜態的分析,還是應該動態的調整?對於這些問題的解答雖然並無定論,一直在發展變化,但還是存在一個相對確定的總體趨勢。
8.1 內外動靜兩相宜 142
8.2 自下而上藏乾坤 150
8.3 互聯網金融要從隔壁起,不信你問“馬爸爸” 156
第 9 章 如何看透産業、行業 160
産業和行業的狀態及其發展是企業進行戰略思考時最重要的外部環境信息。同時,因為它們是企業運行的直接環境,企業中多個部門的業務是與這兩者有直接的接觸,所以對它們的觀察和感知就有條件融入這些一綫部門的業務中。
9.1 企業、行業、産業、市場,你分得清嗎 160
9.2 一箭射穿産業迷霧 167
9.3 照亮行業的太極圖 172
9.4 看透産業、行業的太極劍 178
9.5 總裁問題人人可解 179
第 10 章 市場/銷售部門如何替總裁分憂 185
市場部的業務直接與用戶和市場接觸,在工作中會將大量市場數據帶入企業,有效利用這些數據就能形成戰略分析信息。銷售部會將競爭對手信息帶入企業,從而幫助企業瞭解行業競爭態勢,分析自身優劣勢。
10.1 吹動市場的三葉扇 185
10.2 魔道相爭修齣正果 193
10.3 市場爭奪中的知彼之道 200
第 11 章 産品部門如何替總裁分憂 205
産品設計和開發部門的工作涉及産業、行業和用戶需求,因此會不斷將相關數據、信息帶入企業。利用好這些數據、信息就能提高戰略思考的動態能力。
11.1 産品更新中也能探知機遇與威脅. 205
11.2 書名竟然可以這麼取 208
11.3 順藤摸瓜理解用戶需求 215
第 12 章 運營部門如何替總裁分憂 219
運營部門是企業中與用戶互動最頻繁最密切的業務單元,因此運營工作會持續産生有關用戶、需求的豐富數據。對於這些數據的有效利用,就能形成判斷市場機遇、威脅的信息,從而支持動態的戰略思考。
12.1 閱盡億萬用戶隻用一眼 219
12.2 如何釋放深藏在人與人之間的核能 225
12.3 馬雲屢敗屢戰背後的駭人趨勢 232
第 13 章 總裁的決策 239
一綫業務的信息有瞭以後,如何進行匯總、整閤、分析,從而形成戰略?
13.1 四部門替總裁分瞭多少憂 239
13.2 數據/規劃部門粉墨登場 242
13.3 上下通達獨孤求敗 244
後記 246
鳴謝 248
參考文獻 249
圖索引 253
· · · · · · (收起)

讀後感

評分

数据,大数据,机器学习,数据导向,数据思维,这些都是热得发红的词,却又是神秘得让人不敢多谈。 去年我们公司开始设立了首席数据官。我们这些身在业务部门的人,隐约看到了公司身在互联网行业顺应大势注重数据的挖掘和应用,摩拳擦掌准备全力以赴给予一切支持。然后,一年过...

評分

数据,大数据,机器学习,数据导向,数据思维,这些都是热得发红的词,却又是神秘得让人不敢多谈。 去年我们公司开始设立了首席数据官。我们这些身在业务部门的人,隐约看到了公司身在互联网行业顺应大势注重数据的挖掘和应用,摩拳擦掌准备全力以赴给予一切支持。然后,一年过...

評分

数据,大数据,机器学习,数据导向,数据思维,这些都是热得发红的词,却又是神秘得让人不敢多谈。 去年我们公司开始设立了首席数据官。我们这些身在业务部门的人,隐约看到了公司身在互联网行业顺应大势注重数据的挖掘和应用,摩拳擦掌准备全力以赴给予一切支持。然后,一年过...

評分

数据,大数据,机器学习,数据导向,数据思维,这些都是热得发红的词,却又是神秘得让人不敢多谈。 去年我们公司开始设立了首席数据官。我们这些身在业务部门的人,隐约看到了公司身在互联网行业顺应大势注重数据的挖掘和应用,摩拳擦掌准备全力以赴给予一切支持。然后,一年过...

評分

数据,大数据,机器学习,数据导向,数据思维,这些都是热得发红的词,却又是神秘得让人不敢多谈。 去年我们公司开始设立了首席数据官。我们这些身在业务部门的人,隐约看到了公司身在互联网行业顺应大势注重数据的挖掘和应用,摩拳擦掌准备全力以赴给予一切支持。然后,一年过...

用戶評價

评分

號稱《未來簡史》中“數據中心主義”的完美落地版 這牛吹得有點大!深入去看感覺例子非常生澀,錶達毫無條理,邏輯性確實不是很好,讀起來很吃力。個人而言有點浪費時間。

评分

號稱《未來簡史》中“數據中心主義”的完美落地版 這牛吹得有點大!深入去看感覺例子非常生澀,錶達毫無條理,邏輯性確實不是很好,讀起來很吃力。個人而言有點浪費時間。

评分

不就是一本管理學圖書嘛

评分

提供瞭一些思考方式

评分

提供一個結閤數據與産品的概覽式介紹,和思維關係不大。長篇大論較多,可讀性不強,像是課本,不如看案例

本站所有內容均為互聯網搜索引擎提供的公開搜索信息,本站不存儲任何數據與內容,任何內容與數據均與本站無關,如有需要請聯繫相關搜索引擎包括但不限於百度google,bing,sogou

© 2025 book.quotespace.org All Rights Reserved. 小美書屋 版权所有