《數據變現》
目錄
中文版序言
譯者序
序言
致謝
關於作者
第 1篇簡介
第 1章簡介 // 2
1.1決策 // 3
1.2分析之旅 // 6
1.3解決問題 // 7
1.4調研顯示…… // 9
1.5如何使用這本書 // 12
1.5.1第 1篇:簡介 // 12
1.5.2第 2篇:決策分析 // 13
1.5.3第 3篇:變現策略 // 13
1.5.4第 4篇:敏捷分析 // 14
1.5.5第 5篇:實施啟用 // 14
1.5.6第 6篇:案例研究 // 15
1.6開始吧 // 15
第 2章分析循環:推動優質決策 // 16
2.1分析循環概述 // 17
2.1.1開啟 // 20
2.1.2診斷 // 23
2.1.3行動 // 26
2.1.4測量 // 26
2.1.5數據 // 28
2.2信息用戶層級 // 29
2.3下一步 // 31
第 3章決策架構方法論:彌補缺陷 // 32
3.1方法論概述 // 33
3.2探索發現 // 37
3.3決策分析 // 39
3.4變現策略 // 41
3.5敏捷分析 // 41
3.5.1數據開發 /分析結構 // 42
3.5.2數據科學 /決策理論 // 43
3.5.3引導分析 // 44
3.6實施啟用 // 47
3.7總結 // 50
第 2篇決策分析
第 4章決策分析:構建決策 // 52
4.1分類樹 // 53
4.2提問分析 // 57
4.3關鍵決策 // 60
4.4數據需求 // 64
4.5行動杠杆 // 66
4.6成功指標 // 68
4.7再訪分類樹 // 71
4.8總結 // 74
第 3篇變現策略
第 5章變現策略:讓數據產生收益 // 76
5.1業務杠杆 // 78
5.2變現策略框架 // 81
5.3決策分析和敏捷分析 // 84
5.3.1確定假設和確立選項 // 84
5.3.2提問分析 // 85
5.3.3關鍵決策 // 86
5.3.4行動杠杆 // 87
5.3.5成功指標 // 88
5.3.6數據開發 // 89
5.3.7數據科學 /決策理論 // 90
5.4競爭和市場信息 // 94
5.5總結 // 96
第 6章變現指導原則:做實 // 97
6.1優質數據 // 99
6.2針對性 // 101
6.3整體性 // 102
6.4可行性 // 104
6.5決策矩陣 // 105
6.6以數據科學為基礎 // 106
6.7變現價值 // 107
6.8信心因素 // 109
6.9可測量 // 111
6.10動機 // 111
6.11組織文化 // 112
6.12推動創新 // 114
第 7章產品盈利能力變現策略:個案研究 // 116
7.1背景 // 116
7.2業務杠杆 // 118
7.3探索發現 // 120
7.4決策 // 120
7.4.1分類樹 // 120
7.4.2提問分析 // 121
7.4.3關鍵決策 // 122
7.4.4成功指標 // 123
7.4.5行動杠杆 // 125
7.5數據科學 // 126
7.6變現框架需求 // 126
7.7決策矩陣 // 128
第 4篇敏捷分析
第 8章決策理論:理性 // 131
8.1決策矩陣 // 132
8.2概率 // 134
8.3前景理論 // 137
8.4選擇架構 // 138
8.5認知偏誤 // 140
第 9章數據科學:智能化 // 143
9.1指標 // 144
9.2閾值 // 147
9.3趨勢和預測 // 149
9.4相關分析 // 150
9.5細分 // 153
9.6聚類分析 // 155
9.7速度 // 159
9.8預測和解釋模型 // 161
9.9機器學習 //162
第 10章數據開發:有條不紊 // 164
10.1數據質量 // 164
10.1.1完備性 // 166
10.1.2一致性 // 167
10.1.3重復 // 167
10.1.4符合性 // 168
10.1.5準確性 // 168
10.1.6完整性 // 168
10.1.7及時性、可用性和歷史 // 169
10.2髒數據,怎麼辦? // 170
10.3數據類型 // 170
10.3數據 // 170
10.3.2數據世界 // 171
10.4數據組織 // 173
10.4.1數據移動 // 173
10.4.2粒度 // 174
10.4.3為分析構建 // 175
10.5數據轉換 // 177
10.5.1ETL業務規則轉換 // 178
10.5.2分析和報告業務規則轉換 // 178
10.5.3指標轉換 // 178
10.6總結 // 181
第 11章引導分析:使其相關 // 182
11.1然後呢 // 182
11.2引導分析 // 185
11.2.1數據之聲 // 185
11.2.2客戶之聲 // 187
11.2.3客戶簽名 // 193
11.2.4業務之聲 // 194
11.3總結 // 198
第 12章用戶界面(UI):清晰 // 199
12.1UI簡介 // 199
12.2視覺調色板 // 200
12.3少即是多 // 201
12.3.1數據墨水比例 // 204
12.3.2少即是多—但別過頭 // 208
12.4隻看一眼 // 210
12.5模式感知的格式塔原則 // 213
12.6融會貫通 // 214
12.6.1色彩 // 214
12.6.2視覺調素 // 218
12.6.3優良格式塔—少即是多 // 220
12.7總結 // 222
第 13章用戶體驗(UX):使其可用 // 223
13.1效能負荷 // 223
13.1.1認知負荷 // 224
13.1.2工作記憶 // 224
13.1.3注意力 // 225
13.1.4運動負荷 // 226
13.1.5選擇過載 // 227
13.2順流而下 // 228
13.2.1漸進呈現和決策架構 // 229
13.2.2按需提供數據—將數據連接到決策 // 230
13.2.3模塊化 // 231 13.3命題密度 // 232
13.4簡單性:復雜性的另一面 // 234
13.5總結 // 235
第 5篇實施啟用
第 14章敏捷方法:變得敏捷 // 237
14.1敏捷開發 // 237
14.2商海弄潮 // 238
14.3敏捷分析 // 239
14.3.1團隊運動 // 239
14.3.2卡桑德拉效應 // 240
14.3.3分析癱瘓 // 240
14.3.4你想要什麼?你有什麼 // 241
14.3.5一圖訴千言 // 242
14.3.6不是每個孩子都美麗 // 242
14.3.7早日見面,經常見面 // 243
14.4總結 // 243
第 15章實施啟用:獲得采用 // 244
15.1測試 // 244
15.1.1企業項目 // 244
15.1.2小型項目 // 247
15.1.3版本控制 // 247
15.2采用 // 248
15.2.1訓練 // 248
15.2.2推出 // 249
15.3總結 // 252
第 16章分析型組織:組織起來 // 254
16.1決策架構團隊 // 254
16.1.1基於項目還是業務功能型 // 255
16.1.2團隊能力 // 256
16.1.3治理 // 259
16.1.4合作 // 260
16.1.5訓練 // 261
16.2決策架構角色 // 261
16.3行業專家 // 264
16.4分析型組織的心態 // 265
第 6篇案例研究
第 17章案例研究:邁克爾 •安德魯斯定制 // 268
17.1探索發現 // 268
17.1.1收入增長 // 268
17.1.2客戶獲取 // 269
17.1.3客戶吸引 // 269
17.1.4客戶留存 // 269
17.1.5客戶類型 // 270
17.1.6客戶生命周期 // 271
17.1.7業務分析 // 272
17.1.8經營績效 // 273
17.1.9客戶表現 // 274
17.1.10獲取 // 275
17.1.11留存 // 276
17.1.12變現業務杠杆 // 278
17.1.13假設 // 278
17.1.14下一步 // 280
17.2決策分析 // 280
17.2.1提問分析 // 280
17.2.2分類樹 // 281
17.2.3關鍵決策 // 283
17.2.4行動杠杆 // 285
17.2.5成功指標 // 285
17.2.6決策架構 // 287
17.3變現策略部分 // 288
17.4敏捷分析 // 289
17.4.1數據分析 // 289
17.4.2數據開發 // 292
17.4.3分析結構 // 295
17.4.4轉換 // 296
17.4.5數據科學 // 298
17.4.6MAB客戶細分 // 303
17.5變現策略第二部分 // 307
17.5.1單次客戶 // 307
17.5.2首年客戶 // 309
17.5.3多年客戶 // 310
17.5.4變現策略需求 // 310
17.5.5決策矩陣 // 312
17.6引導分析 // 317
17.6.1績效儀表板 // 318
17.6.2客戶屬性儀表板 // 319
17.6.3客戶細分儀表板 // 322
17.6.4客戶吸引儀表板 // 322
17.6.5客戶留存儀表板 // 325
17.7閉幕 // 328
參考文獻 // 329
《首席增長官》
目錄
推薦序
前言
致謝
第1章首席增長官的崛起
1.1什麼是首席增長官 // 1
1.1.1可口可樂設立首席增長官 // 1
1.1.2越來越受歡迎的首席增長官 // 2
1.2為什麼會出現首席增長官 // 4
1.2.1市場:紅利消退、增長放緩、競爭加劇 // 5
1.2.2客戶:從被動接受信息到主動選擇產品 // 8
1.2.3技術:為用戶生命周期提供數據洞察力 // 9
1.2.4管理:從職能型組織向增長型組織進化 // 11
1.3首席增長官是做什麼的 // 12
1.3.1首席增長官的定位 // 13
1.3.2首席增長官的角色 // 14
1.3.3首席增長官的職責 // 16
1.4案例:LinkedIn增長的秘密武器 // 17
1.4.1六年間40倍增長 // 17
1.4.2首席增長官的力量 // 18
1.4.3增長是對商業本質的洞察 // 20
1.4.4LinkedIn的增長策略 // 22
1.4.5用數據驅動用戶增長 // 23
1.4.6公司自上而下對數據驅動文化的認同 // 24
第2章從增長黑客到首席增長官
2.1首席增長官進階的三個階段 // 26
2.2增長黑客 // 27
2.2.1增長黑客概念的提出 // 27
2.2.2增長黑客的能力模型 // 30
2.3增長團隊 // 31
2.3.1增長團隊的組織架構 // 31
2.3.2增長團隊的組建和分工 // 34
2.4首席增長官 // 36
2.4.1問題和解決方案匹配時期 // 37
2.4.2小可行性產品時期 // 37
2.4.3產品和市場匹配時期 // 37
2.4.4渠道和產品匹配時期 // 38
2.4.5成熟期 // 39
第3章增長框架
3.1增長框架的概述 // 41
3.1.1學習引擎模型 // 41
3.1.2用戶增長模型 // 44
3.2正確的增長目標:北極星指標 // 46
3.2.1北極星指標的重要性 // 46
3.2.2關於北極星指標的兩個案例 // 47
3.2.3制定北極星指標的六個標準 // 49
3.3高效的衡量技術:數據采集 // 51
3.3.1什麼是用戶行為數據 // 51
3.3.2埋點采集數據 // 54
3.3.3無埋點采集數據 // 57
3.3.4一站式數據采集解決方案 // 59
3.4科學的學習方法:數據分析 // 61
3.4.1數據分析的戰略思維 // 62
3.4.2數據分析的三大思路 // 65
3.4.3數據分析的八種方法 // 69
第4章用戶增長模型
4.1獲取用戶 // 77
4.1.1受眾 // 77
4.1.2獲客成本 // 78
4.1.3用戶旅途 // 79
4.1.4案例解讀 // 86
4.2激活用戶 // 88
4.2.1激活的概念和意義 // 88
4.2.2激活繫統四大組成部分 // 89
4.2.3To C 端用戶激活案例 // 92
4.2.4To B 端用戶激活案例 // 95
4.3用戶留存 // 98
4.3.1什麼是真正的用戶增長 // 98
4.3.2留存分析框架 // 99
4.3.3新用戶留存分析 // 100
4.3.4產品功能留存分析 // 106
4.4用戶營收 // 109
4.4.1營收的兩種方式 // 109
4.4.2用戶付費:以轉化為核心 // 111
4.4.3廣告收入:以黏性為核心 // 114
4.5用戶推薦 // 117
4.5.1推薦體繫的組成 // 117
4.5.2衡量推薦的兩大指標 // 121
4.5.3推薦的經典案例:Airbnb // 122
第5章各崗位的數據驅動增長實戰
5.1市場營銷:渠道、流量、轉化 // 125
5.1.1市場營銷人員的工作重心 // 125
5.1.2優化獲客渠道 // 125
5.1.3監測投放鏈接 // 132
5.1.4優化落地頁面 // 136
5.2產品研發:數據驅動產品優化和迭代 // 139
5.2.1從產品研發流程談起 // 139
5.2.2產品分析的基本概念 // 141
5.2.3產品數據分析流程 // 145
5.2.4產品數據分析方法 // 149
5.3運營:用數據分析做運營增長,你需要做好這四個方面 // 153
5.3.1流量運營:多維度分析,優化渠道 // 153
5.3.2用戶運營:精細化運營,提高留存 // 156
5.3.3產品運營:用數據來分析和監控功能 // 157
5.3.4內容運營:精準分析每一篇文章的效果 // 158
5.3.5運營實戰案例 // 160
5.4數據分析師:用數據驅動增長 // 165
5.4.1數據分析師的發展歷史 // 166
5.4.2數據分析師的組織架構 // 167
5.4.3數據分析師的增長技能 // 169
5.4.4數據分析師的實戰案例 // 173
5.5客戶成功:以留存續約為核心 // 174
5.5.1客戶成功經理的誕生背景 // 174
5.5.2客戶成功經理的工作職責 // 176
5.5.3客戶成功經理的數據看板 // 178
5.5.4客戶成功經理的實戰案例 // 180
第6章不同行業的數據驅動增長實戰
6.1電商:電商精益化運營的五大關鍵指標和三個關鍵思路 // 183
6.1.1電商行業的五大關鍵指標 // 183
6.1.2商品運營:流量優化和品類優化 // 184
6.1.3用戶運營:提高用戶留存和復購 // 188
6.1.4產品運營:提高轉化效率 // 190
6.2在線旅遊:如何提升購買轉化率 // 192
6.2.1用戶旅途概述 // 193
6.2.2渠道優化 // 194
6.2.3落地頁優化 // 198
6.2.4搜索優化 // 201
6.2.5用戶整合 // 205
6.3互聯網金融:如何促進高成單、高轉化 // 206
6.3.1互聯網金融平臺的增長 // 206
6.3.2互聯網金融平臺的三大增長模型 // 208
6.3.3互聯網金融用戶的四大行為特征 // 211
6.3.4精細化運營的三大步驟 // 213
6.3.5理財業務:提升整體成交額 // 213
6.3.6貸款業務:提升注冊轉化率 // 222
6.4互聯網 :打通線上線下數據,驅動鏈家增長 // 226
6.4.1什麼是增長 // 226
6.4.2增長遇到的挑戰 // 227
6.4.3鏈家如何打通線上線下數據 // 229
6.4.4如何用線上數據分析驅動增長 // 234
後記
《數據戰略》
贊譽
致謝
作者簡介
第 1章為何說當下業務無不是數據業務// 1
1.1大數據和物聯網的驚人增長// 1
1.2數據驅動的勇敢新世界// 2
1.3我們是否正在逼近人工智能// 7
1.4數據正在如何徹底改變我們的商業世界// 10
1.4.1數據在商業中的基本作用// 10
1.4.2智能工廠與工業 4.0// 14
1.4.3自動化及其對就業的現實威脅// 16
1.4.4區塊鏈技術:是否是數據和企業的未來 // 18
1.5所有業務都必須成為數據業務// 19
1.5.1一切以數據戰略為起點// 20
1.5.2你的公司是否需要首席數據官// 21
注解// 23
第 2章戰略性數據需求的確定// 25
2.1以數據提高企業的決策質量// 26
2.1.1利用數據更好地了解客戶和市場// 27
2.1.2在一個意想不到的場景,讓數據為你而動// 29
2.2利用數據改善運營// 30
2.2.1通過數據獲得內部效率// 31
2.2.2亞馬遜:如何以數據優化業務流程並增加銷售額 // 33
2.2.3優步:如何以數據優化運輸 // 34
2.2.4羅爾斯•羅伊斯:如何以數據驅動制造業成功 // 35
2.3商業模式的轉型:將數據作為企業資產 // 37
2.3.1如何以數據提升企業價值// 37
2.3.2將數據轉化為新的收入源泉// 38
2.4隻有正確的數據纔是有意義的,並非所有數據都是有價值的 // 40
2.5為數據提供強有力的商業案例// 42
注解// 43
第 3章使用數據改善商業決策// 44
3.1明確你的關鍵性業務問題// 44
3.1.1好問題帶來更好的答案// 46
3.1.2針對顧客、市場和競爭者的問題// 47
3.1.3有關財務的問題// 52
3.1.4有關內部運營的問題// 55
3.1.5有關人員的問題// 57
3.2數據的可視化及溝通洞見// 60
3.2.1是否每個人都應有權訪問數據// 61
3.2.2告別電子表格,迎接數據可視化時代// 63
3.2.3以視覺與文字的融合發揮效果// 64
3.2.4虛擬現實和數據可視化的未來// 65
注解// 66
第 4章使用數據改善企業運營// 67
4.1利用數據優化運營流程// 68
4.1.1數據如何改善制造過程// 68
4.1.2如何以數據強化倉儲和配送// 70
4.1.3如何以數據增強業務流程// 71
4.1.4如何以數據強化銷售及營銷流程// 75
4.2以數據改善顧客供應// 78
4.2.1為客戶提供更優服務// 78
4.2.2提供更好的產品// 81
注解// 84
第 5章數據的貨幣化// 85
5.1增加企業價值// 86
5.2數據本身成為企業核心資產// 87
5.3由企業數據處理能力創造的價值// 90
5.4向顧客或利益相關者出售數據// 91
5.5理解用戶生成數據的價值// 96
第 6章數據的取得與收集// 98
6.1了解不同類型的數據// 99
6.1.1對“大數據”的定義// 100
6.1.2結構化數據的定義// 101
6.1.3非結構化數據和半結構化數據的定義// 103
6.1.4內部數據的定義// 105
6.1.5外部數據的定義// 106
6.2更多的新型數據// 108
6.2.1活動數據// 108
6.2.2對話數據// 109
6.2.3照片和視頻數據// 110
6.2.4傳感器數據// 111
6.3內部數據的收集// 111
6.4外部數據的訪問// 113
6.5如果你需要的數據尚不存在// 116
注解// 117
第 7章將數據轉化為洞見// 118
7.1分析技術的進化方式// 119
7.2了解不同類型的分析技術// 120
7.2.1文本分析// 121
7.2.2情感分析// 122
7.2.3圖像分析// 122
7.2.4視頻分析// 123
7.2.5語音分析// 124
7.2.6數據挖掘// 124
7.2.7業務實驗// 125
7.2.8視覺分析// 126
7.2.9相關性分析// 126
7.2.10回歸分析// 127
7.2.11情景分析// 128
7.2.12預測 /時間序列分析// 129
7.2.13蒙特卡羅模擬法// 129
7.2.14線性規劃// 130
7.2.15同期群分析// 130
7.2.16因子分析// 131
7.2.17神經網絡分析// 132
7.2.分析 /文獻分析// 133
7.3高級分析:機器學習、深度學習和認知計算 // 133
7.4以不同分析技術的結合追求成功化// 137
第 8章技術和數據基礎架構的創建// 139
8.1“大數據即服務”:能成為企業的一站式解決方案嗎// 140
8.2收集數據// 143
8.3存儲數據// 146
8.3.1了解雲基礎 /分布式存儲繫統// 146
8.3.2Hadoop概述// 148
8.3.3Spark:Hadoop的替代品// 149
8.3.4數據湖和數據倉庫的簡單介紹// 150
8.4數據的分析和處理// 151
8.5提供數據訪問服務// 155
8.5.1倡導數據管家的概念// 156
8.5.2數據的溝通// 157
注解// 159
第 9章打造組織的數據能力// 160
9.1大數據技能短缺及其對企業的影響// 160
9.2建立內部技能和競爭力// 163
9.2.1五種基本的數據科學技能// 163
9.2.2招募新人纔// 166
9.2.3為現有人員提供培訓並提高其工作技能// 168
9.3將數據分析業務外包// 170
9.3.1與數據服務供應商合作// 170
9.3.2Kaggle:眾包數據科學家// 172
注解// 175
第 10章不要讓數據成為負債:數據治理// 177
10.1數據所有權和隱私方面的考慮// 178
10.1.1擁有還是外購// 178
10.1.2確保擁有合理權限// 179
10.1.3將數據少化作為好的實踐// 180
10.1.4理解隱私問題// 182
10.2數據的安全問題// 187
10.2.1數據洩露的重大影響// 187
10.2.2物聯網的威脅// 190
10.3踐行良好的數據治理// 192
注解// 194
第 11章數據戰略的執行和完善// 196
11.1把數據戰略付諸實踐// 196
11.1.1態度是關鍵// 196
11.1.2數據戰略為什麼會失敗// 198
11.2創建數據文化// 201
11.3重新審視數據戰略// 203
11.3.1調整企業需求// 204
11.3.2持續演進的技術圖景// 204
11.3.3遙望未來// 207
注解// 210