书籍详情
这才是BI该做的事：数据驱动从0到1
作者：都美香
出版社：清华大学出版社
出版时间：2024-03-01
ISBN：9787302657101
定价：¥69.00
购买这本书可以去
内容简介
本书以 BI 负责人的视角介绍 BI 分析师的核心工作和应具备的核心技能，并分析 BI 创造价值的专题，理论和实例并重。全书分为四部分： 第一部分（第 1、2 章）为 BI 概述与团队组建，从介绍 BI 分析的基本概念说起，包含BI 职责与数据驱动的概述，以及组建团队时需要考虑的能力模 型、团队选型、团队管理。第二部分（第 3、4 章）为 BI 体系搭建基础知识，包括数据获取与管理，指标体系的概念、设计模型与使用场景。第三部分（第 5 ～ 9 章）为 BI 创造价值专题，包括增长、价值主张、盈利、体验、风控五大专题。第四部分（第 10、11 章）为回顾与展望，从衣、食、住、行、学五个方面回顾数据已经带来的变化与未来可预期的变化，最后从进化的视角探讨应对人工智能范式转移的策略。 对于想要通过数据驱动业务、改善决策质量的互联网从业者来说，本书应该是一本非常实用的参考书。
作者简介
正在攻读杜克大学跨学科数据科学硕士（MIDS）项目，拥有中国人民大学历史专业本科学位。曾在滴滴担任国家决策支持部负责人，兼任日本、巴西外卖分析团队负责人；火花思维商业智能部负责人；VIPKID高级数据分析经理；华为担任高级工程师。带领团队在零售、教育、外卖等领域实现数据驱动，在供给侧与需求侧、互联网与传统企业、国内和国际业务领域都积累了丰富的实战经验。
目录
第一部分? BI 概述与团队组建
第 1 章? BI 分析概述? /? 2
1.1 从“分析”的概念说起 / 3
1.1.1 常见的分析概念 / 3
1.1.2 BI 分析的概念 / 8
1.2 BI 分析行业现状与 BI 的职责 / 9
1.2.1 没有什么不在被数字化 / 9
1.2.2 我们相信上帝，但其他人必须提供数据 / 14
1.2.3 BI 团队的职责 / 15
1.2.4 BI 团队的常见分类 / 16
1.3 数据驱动概述 / 17
1.3.1 数据驱动业务的衡量维度 / 17
1.3.2 数据驱动业务的大体流程 / 19
第 2 章? 组建 BI 团队? /? 22
2.1 “人”：数据分析师画像 / 23
2.1.1 分析师通用能力 / 23
2.1.2 不同部门对应的 BI 分析师特征 / 24
2.1.3 不同任务属性对应的 BI 分析师特征 / 25
2.2 BI 团队的架构设置与部门间协作 / 27
2.2.1 BI 团队外部架构 / 27
2.2.2 BI 跨部门协作机制 / 29
2.3 团队管理 / 32
2.3.1 团队选型 / 32
2.3.2 团队运作机制 / 36
第二部分? BI 体系搭建基础知识
第 3 章? 数据获取与管理? /? 40
3.1 数据采集（以外卖业务为例） / 41
3.1.1 数据源类型 / 41
3.1.2 数据源的信息结构 / 44
3.1.3 数据传输与存储 / 46
3.2 数据质量管理 / 49
3.2.1 数据质量标准 / 49
3.2.2 数据质量治理 / 50
3.3 新型数据源 / 52
3.3.1 关注传感器的数据 / 52
3.3.2 音频、视频等非结构化数据的解析与应用 / 53
3.3.3 标注数据 / 55
第 4 章? 搭建指标体系? /? 57
4.1 指标体系的概念、作用和衡量标准 / 58
4.1.1 指标体系的概念 / 58
4.1.2 指标体系的作用 / 60
4.1.3 指标体系的衡量标准（以外卖场景为例） / 64
4.2 指标体系的设计模型 / 66
4.2.1 第一关键指标法（以电商和在线教育为例） / 67
4.2.2 OSM 模型（以在线教育为例） / 69
4.2.3 AARRR 海盗指标法（以在线教育为例） / 73
4.2.4 用户旅程地图模型（以电商为例） / 75
4.3 指标体系的开发流程 / 78
4.4 指标体系的使用场景（以外卖业务为例） / 78
4.4.1 日维度业务监控 / 78
4.4.2 周维度业务诊断 / 80
4.4.3 月维度业务复盘 / 82
4.4.4 支持日常业务决策 / 84
第三部分? BI 创造价值专题
第 5 章? 专题：增长? /? 88
5.1 概念 / 89
5.1.1 增长黑客的概念 / 89
5.1.2 增长金字塔：找到市场契合点和价值投递引擎 / 90
5.1.3 增长黑客的运营机制 / 92
5.2 数据科学的演绎 / 95
5.2.1 人工智能的高光时刻 / 95
5.2.2 提炼算法替代决策的机会点 / 96
5.2.3 2% 的人通过机器控制 98% 的人 / 97
5.2.4 提问题的能力才是核心能力 / 99
5.3 数据驱动增长的案例（以在线教育为例） / 101
5.3.1 获客：注册 / 102
5.3.2 激活：转化 / 103
5.3.3 留存：退费 / 104
5.3.4 盈利：续费 / 105
5.3.5 传播：转介绍 / 107
5.3.6 附：增长分析中常用的算法模型 / 108
第 6 章? 专题：价值主张? /? 110
6.1 实现价值主张的分析方法 / 111
6.1.1 第一性原理：抓住本质 / 111
6.1.2 爬楼梯策略：穷尽方法 / 113
6.2 数据驱动价值主张的实现（以在线教育为例） / 115
6.2.1 提高运营效率 / 115
6.2.2 提高学习效果 / 118
6.3 数据驱动价值主张的实现（以外卖业务为例） / 122
6.3.1 外卖平台的出现是社会的进步 / 122
6.3.2 多、快、好、省 / 123
第 7 章? 专题：盈利? /? 130
7.1 盈利能力分析 / 132
7.1.1 传统的盈利能力分析：赚更多钱 / 132
7.1.2 新业务的盈利能力分析：赚 1 块钱 / 133
7.2 制定业务目标 / 135
7.2.1 制定目标的“格栅思维” / 135
7.2.2 目标预测的模型类型 / 136
7.2.3 制定目标的决策体系：格栅模型 / 143
7.2.4 目标管理的长远意义：锻造持续成功的团队 / 145
7.3 增长结构优化 / 146
7.3.1 增长引擎的类型 / 146
7.3.2 数据驱动增长引擎（以在线教育业务为例） / 147
7.4 单位经济效益优化：毛利分析 / 150
7.4.1 确定毛利目标（以外卖业务为例） / 150
7.4.2 优化毛利结构（以外卖业务为例） / 152
第 8 章? 专题：体验? /? 157
8.1 用户体验概述 / 158
8.1.1 概念 / 158
8.1.2 度量模型 / 158
8.1.3 用户体验分析方法 / 161
8.2 用户体验分析应用 / 162
8.2.1 搭建体验指标体系（以外卖业务为例） / 162
8.2.2 问卷调研 / 163
8.2.3 KANO 模型 / 166
8.2.4 文本挖掘 / 168
8.2.5 关联用户行为与评价、调研 / 170
第 9 章? 专题：风控? /? 172
9.1 概述 / 174
9.1.1 风控的概念 / 174
9.1.2 风控的特征 / 174
9.1.3 风控不利可能造成的影响 / 176
9.2 风险感知（以外卖业务为例） / 177
9.2.1 扫描业务流程与策略，锁定风控点 / 177
9.2.2 异常值分析与离群点监测 / 179
9.2.3 客服数据监测 / 180
9.3 风险分析（以外卖业务为例） / 181
9.3.1 描述性分析 / 181
9.3.2 根本原因分析 / 183
9.3.3 共同因素分析 / 184
9.4 风险治理 / 186
9.4.1 治理的环节 / 186
9.4.2 治理的策略 / 187
第四部分? 回顾与展望
第 10 章? 数据驱动随处可见? /? 190
10.1 衣 / 191
10.1.1 SHEIN 是什么 / 191
10.1.2 SHEIN 的数据驱动的运营机制 / 192
10.2 食 / 196
10.2.1 编辑基因—获得更好的西红柿种子 / 196
10.2.2 数据驱动，提高种植效率 / 197
10.2.3 数据驱动，提高交易效率 / 199
10.2.4 数据驱动，提炼市场信号 / 200
10.3 住 / 201
10.3.1 比尔·盖茨的未来之家 / 201
10.3.2 交互：基于语言交互的智能音响 / 202
10.3.3 领会意图：环境计算 / 203
10.4 行 / 205
10.4.1 拥有不出行的选择：在线生活和工作 / 205
10.4.2 提高出行效率：网约车平台 / 206
10.4.3 智慧交通：单车智能、车路协同 / 208
10.5 学 / 209
10.5.1 搜索信息 / 209
10.5.2 在线教育 / 211
10.5.3 人工智能与教育 / 212
第 11 章? 数量与质量：结合人工智能的竞争优势? /? 216
11.1 科学 / 217
11.2 还原 / 218
11.3 变异 / 219
11.4 概率 / 220
11.5 涌现 / 221
11.5.1 层创进化 / 221
11.5.2 吸引与排斥 / 222
11.5.3 元素与网络 / 223
11.6 智能 / 225
11.6.1 人类和果蝇有什么差别 / 225
11.6.2 人类和黑猩猩有什么差别 / 225
11.6.3 人和机器有什么差别 / 226
11.6.4 结合人工智能的竞争策略 / 226
第 1 章? BI 分析概述? /? 2
1.1 从“分析”的概念说起 / 3
1.1.1 常见的分析概念 / 3
1.1.2 BI 分析的概念 / 8
1.2 BI 分析行业现状与 BI 的职责 / 9
1.2.1 没有什么不在被数字化 / 9
1.2.2 我们相信上帝，但其他人必须提供数据 / 14
1.2.3 BI 团队的职责 / 15
1.2.4 BI 团队的常见分类 / 16
1.3 数据驱动概述 / 17
1.3.1 数据驱动业务的衡量维度 / 17
1.3.2 数据驱动业务的大体流程 / 19
第 2 章? 组建 BI 团队? /? 22
2.1 “人”：数据分析师画像 / 23
2.1.1 分析师通用能力 / 23
2.1.2 不同部门对应的 BI 分析师特征 / 24
2.1.3 不同任务属性对应的 BI 分析师特征 / 25
2.2 BI 团队的架构设置与部门间协作 / 27
2.2.1 BI 团队外部架构 / 27
2.2.2 BI 跨部门协作机制 / 29
2.3 团队管理 / 32
2.3.1 团队选型 / 32
2.3.2 团队运作机制 / 36
第二部分? BI 体系搭建基础知识
第 3 章? 数据获取与管理? /? 40
3.1 数据采集（以外卖业务为例） / 41
3.1.1 数据源类型 / 41
3.1.2 数据源的信息结构 / 44
3.1.3 数据传输与存储 / 46
3.2 数据质量管理 / 49
3.2.1 数据质量标准 / 49
3.2.2 数据质量治理 / 50
3.3 新型数据源 / 52
3.3.1 关注传感器的数据 / 52
3.3.2 音频、视频等非结构化数据的解析与应用 / 53
3.3.3 标注数据 / 55
第 4 章? 搭建指标体系? /? 57
4.1 指标体系的概念、作用和衡量标准 / 58
4.1.1 指标体系的概念 / 58
4.1.2 指标体系的作用 / 60
4.1.3 指标体系的衡量标准（以外卖场景为例） / 64
4.2 指标体系的设计模型 / 66
4.2.1 第一关键指标法（以电商和在线教育为例） / 67
4.2.2 OSM 模型（以在线教育为例） / 69
4.2.3 AARRR 海盗指标法（以在线教育为例） / 73
4.2.4 用户旅程地图模型（以电商为例） / 75
4.3 指标体系的开发流程 / 78
4.4 指标体系的使用场景（以外卖业务为例） / 78
4.4.1 日维度业务监控 / 78
4.4.2 周维度业务诊断 / 80
4.4.3 月维度业务复盘 / 82
4.4.4 支持日常业务决策 / 84
第三部分? BI 创造价值专题
第 5 章? 专题：增长? /? 88
5.1 概念 / 89
5.1.1 增长黑客的概念 / 89
5.1.2 增长金字塔：找到市场契合点和价值投递引擎 / 90
5.1.3 增长黑客的运营机制 / 92
5.2 数据科学的演绎 / 95
5.2.1 人工智能的高光时刻 / 95
5.2.2 提炼算法替代决策的机会点 / 96
5.2.3 2% 的人通过机器控制 98% 的人 / 97
5.2.4 提问题的能力才是核心能力 / 99
5.3 数据驱动增长的案例（以在线教育为例） / 101
5.3.1 获客：注册 / 102
5.3.2 激活：转化 / 103
5.3.3 留存：退费 / 104
5.3.4 盈利：续费 / 105
5.3.5 传播：转介绍 / 107
5.3.6 附：增长分析中常用的算法模型 / 108
第 6 章? 专题：价值主张? /? 110
6.1 实现价值主张的分析方法 / 111
6.1.1 第一性原理：抓住本质 / 111
6.1.2 爬楼梯策略：穷尽方法 / 113
6.2 数据驱动价值主张的实现（以在线教育为例） / 115
6.2.1 提高运营效率 / 115
6.2.2 提高学习效果 / 118
6.3 数据驱动价值主张的实现（以外卖业务为例） / 122
6.3.1 外卖平台的出现是社会的进步 / 122
6.3.2 多、快、好、省 / 123
第 7 章? 专题：盈利? /? 130
7.1 盈利能力分析 / 132
7.1.1 传统的盈利能力分析：赚更多钱 / 132
7.1.2 新业务的盈利能力分析：赚 1 块钱 / 133
7.2 制定业务目标 / 135
7.2.1 制定目标的“格栅思维” / 135
7.2.2 目标预测的模型类型 / 136
7.2.3 制定目标的决策体系：格栅模型 / 143
7.2.4 目标管理的长远意义：锻造持续成功的团队 / 145
7.3 增长结构优化 / 146
7.3.1 增长引擎的类型 / 146
7.3.2 数据驱动增长引擎（以在线教育业务为例） / 147
7.4 单位经济效益优化：毛利分析 / 150
7.4.1 确定毛利目标（以外卖业务为例） / 150
7.4.2 优化毛利结构（以外卖业务为例） / 152
第 8 章? 专题：体验? /? 157
8.1 用户体验概述 / 158
8.1.1 概念 / 158
8.1.2 度量模型 / 158
8.1.3 用户体验分析方法 / 161
8.2 用户体验分析应用 / 162
8.2.1 搭建体验指标体系（以外卖业务为例） / 162
8.2.2 问卷调研 / 163
8.2.3 KANO 模型 / 166
8.2.4 文本挖掘 / 168
8.2.5 关联用户行为与评价、调研 / 170
第 9 章? 专题：风控? /? 172
9.1 概述 / 174
9.1.1 风控的概念 / 174
9.1.2 风控的特征 / 174
9.1.3 风控不利可能造成的影响 / 176
9.2 风险感知（以外卖业务为例） / 177
9.2.1 扫描业务流程与策略，锁定风控点 / 177
9.2.2 异常值分析与离群点监测 / 179
9.2.3 客服数据监测 / 180
9.3 风险分析（以外卖业务为例） / 181
9.3.1 描述性分析 / 181
9.3.2 根本原因分析 / 183
9.3.3 共同因素分析 / 184
9.4 风险治理 / 186
9.4.1 治理的环节 / 186
9.4.2 治理的策略 / 187
第四部分? 回顾与展望
第 10 章? 数据驱动随处可见? /? 190
10.1 衣 / 191
10.1.1 SHEIN 是什么 / 191
10.1.2 SHEIN 的数据驱动的运营机制 / 192
10.2 食 / 196
10.2.1 编辑基因—获得更好的西红柿种子 / 196
10.2.2 数据驱动，提高种植效率 / 197
10.2.3 数据驱动，提高交易效率 / 199
10.2.4 数据驱动，提炼市场信号 / 200
10.3 住 / 201
10.3.1 比尔·盖茨的未来之家 / 201
10.3.2 交互：基于语言交互的智能音响 / 202
10.3.3 领会意图：环境计算 / 203
10.4 行 / 205
10.4.1 拥有不出行的选择：在线生活和工作 / 205
10.4.2 提高出行效率：网约车平台 / 206
10.4.3 智慧交通：单车智能、车路协同 / 208
10.5 学 / 209
10.5.1 搜索信息 / 209
10.5.2 在线教育 / 211
10.5.3 人工智能与教育 / 212
第 11 章? 数量与质量：结合人工智能的竞争优势? /? 216
11.1 科学 / 217
11.2 还原 / 218
11.3 变异 / 219
11.4 概率 / 220
11.5 涌现 / 221
11.5.1 层创进化 / 221
11.5.2 吸引与排斥 / 222
11.5.3 元素与网络 / 223
11.6 智能 / 225
11.6.1 人类和果蝇有什么差别 / 225
11.6.2 人类和黑猩猩有什么差别 / 225
11.6.3 人和机器有什么差别 / 226
11.6.4 结合人工智能的竞争策略 / 226
猜您喜欢
