数据战略：如何从大数据、数据分析和万物互联中获利

　　数据正在彻底改变我们所有人做生意的方式。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将会生存和茁壮成长。本书是创建一个强大的数据战略的必读的指南，解释如何确定战略性数据需求，用什么方法来收集数据，重要的是，如何将数据转化为改善商业决策和绩效的组织的见解，为需要从大数据、分析和物联网中获利的任何组织配备了工具和战略，是任何旨在利用自己业务数据的价值并获得竞争优势的读者的基本读物。

　　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知名人士，被 LinkedIn（领英）公认为全球前五大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。

赞誉

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

11.3.2　持续演进的技术图景　// 204

11.3.3　遥望未来　// 207

注解　// 210

 

为配合读者阅读本书，作者还提供了一份在线参考资料 ——《超越大数据》（Beyond the Big Data Buzz），要查询该电子书请访问网址：

www.koganpage.com/beyond-the-big-data-buzz。