托馬斯·達文波特 

l 
1954年10月17日出生於美國。畢業於哈佛大學，曾先後在哈佛商學院、芝加哥大學和波士頓大學任教。還曾擔任埃森哲戰略變革研究院主任，美國知名商學院巴布森學院教授。

l 
流程再造、知識管理、注意力經濟三大運動發起者，多次預見商業未來，《財富》全球500強企業爭相咨詢的企業顧問。

l 
暢銷書作家，出版了近20本管理類暢銷書，被多個國家引進出版，享譽全球。

珍妮·哈裡斯

l 
埃森哲卓越績效研究院高級研究員，常駐芝加哥。

羅伯特·莫裡森

前 言  數據力，未來企業的核心競爭力

引 言  未經檢視的決策是不值得做出的

第1部分  DELTA 模型，5 要素重塑組織競爭力

01 D 高質量、無間斷的數據閉環 

數據立方體

獨特的數據，獨特的數據戰略

業務需求驅動數據融合

數據並非一定要無缺陷

能被訪問的數據，纔是好數據

數據隱私，讓數據懂你但不認識你

至關重要的數據監管

數據公司的5 大階段

可以跳過或加速的階段

02 E 建立大數據戰略，打破企業信息孤島 

企業級視角

搭建一個好平臺

從企業級視角管理數據分析師

重新定位企業

03 L 不隻是CEO，人人都要有數據領導力 

數據領導力素

不同階段的領導力

04 T 數據落地，跳出你所在的行業看世界

發現轉瞬即逝的機遇

進行繫統性的盤點

設定你的目標

五段企業的進化路線圖

05 A 數據分析師，未來稀缺的人纔 

4 類分析師，好決策的靈魂

要精通數據，更要精通“人”

全情投入的驅動力

如何激勵與留住數據分析師

高效能的分析師組織架構

將數據分析師作為戰略來管理

分析師的工作分配

分析師管理5 階段

第2部分  實踐數據力，成為智能商業競先者

06讓數據分析與業務流程高度融合

手工分析，還是工業化分析

三種類型的決策

分析型業務流程的好處

嵌入核心業務

4 個步驟，解決數據分析融入業務流程的難題

IT
基礎架構，融合的核心

常見的7
個障礙

07營造自己的數據文化

數據文化，硬科學踫撞出的軟要素

恩威並施

使用數據分析支持其他企業文化

重塑企業文化

發現障礙

競爭優勢的進化

08不斷在變化中評估與修正

以評估推動創新

評估戰略與商業模式

重新評估數據分析的目標

評估競爭對手

對客戶和合作伙伴進行評估

評估技術、數據和信息

評估和管理模型

09應對4 大挑戰，破除數據化轉型的障礙

尋找期初的切入點

組織並管理數據分析所需的資源

如何應對數據分析能力的供不應求

向數據分析型企業邁進

10更好的決策，更好的結果

從直覺型決策到數據化決策

以流程的方式管理決策

數據化決策，並非通向成功的惟一之路

今天的全球商業舞臺對錯誤率幾乎沒有任何容忍度，但反過來說，其實這正是對洞察力的巨大回報。《工作中的數據分析》一書將讓你看到：優秀的公司是如何利用數據科學來裝備每個決策者，使其有能力做出好決策。

——吉姆·古德奈特

賽仕公司創始人兼CEO

在我的職業生涯中，一直在等待一本像《工作中的數據分析》一樣的書。現在，它終於來了！看完這本書，企業創新者可以用書中提到的數據分析策略來超越競爭對手，成為行業佼佼者。這本書真的是太迷人了，而且讀起來十分有親切感！

——桑迪·肯尼迪 

美國零售業領導者協會會長

《工作中的數據分析》是一本權威的有關數據分析的經驗集萃。在火箭隊，我們成功地實踐了書中的DELTA模型。如果你還沒有在業務中使用數據分析，那可真就落後了。

 ——達裡爾·莫雷

 休斯敦火箭隊總經理

[精彩樣章]

未經檢視的決策是不值得做出的 

如果我們想做出更好的決策，以及基於此采取更有效的行動，就必須學會運用數據分析。工作中的數據分析意味著在關鍵業務領域運用數據與分析來提升績效。長久以來，管理者習慣於利用直覺與勇氣做決策，做決策時強調的不是數據，而是經驗以及沒有依據的判斷。我們的研究表明，四成的關鍵決策不是基於事實而是基於管理者的直覺做出的。

雖然有時候基於直覺與經驗做出的決策運作良好，但更多時候，這些決策或誤入歧途或以災難而告終。管理者熱衷於合並與收購，以彰顯他們的個性，而忽略了有關能否帶來價值的審慎考慮；銀行基於不動產價格會一直上升這個未經驗證的假設而做出信用與風險的決策；政府基於有限的情報就發動戰爭。這些都是沒有依據的決策的特殊案例。

在某些情況下，沒有分析支撐的決策不一定會導致悲劇，但它確實會使我們喪失很多賺錢的機會。比如，基於直覺對市場承受能力進行判斷進而制定產品與服務的價格，而不是基於過去類似情況下消費者真實支付意願的詳細數據定價；基於直覺雇用員工，而沒有對他們的技能以及個性進行詳細分析，以預測員工的績效；供應鏈的管理者維持著一個舒適的庫存水平，而不是用數據決定適合的庫存水平；棒球球探用放大鏡觀察球員的某個特點，而不是利用數據分析判斷其真正能贏得比賽的能力。

蘇格拉底曾經說過：“未經檢視的人生是不值得過的人生。”我也要說：“未經檢視的決策是不值得做出的決策。”

我們以下面這位軟件公司的高層管理者的情況為例。當被問及公司近期的一次銷售大會的情況時，他回答道：“一切都不錯。我們有來自110家公司的聽眾，大會的主題演講增強了他們對我們公司未來的信心，增加了我們交叉銷售的機會，所有12 場技術大會的情況都不錯。”

對於大部分公司而言，這已經很不錯了。這位管理者說：“我認為除了是否應該在全國以每季度12 場大會的節奏繼續推廣之外，沒有別的決策需要考慮。”然而，在經過深思熟慮之後，他還是提出了很多關於銷售大會值得深思的問題：

l 
多少與會者是現有客戶？多少是潛在客戶？

l 
本區域的每個客戶是否都派了代表參會？

l 
本區域的每個潛在客戶是否都派了代表參會？

l 
哪個與會者的銷售前景好？

l 
多少與會者同時參加了公司的年度大會？

這位高管不知道以上問題的答案。既然如此，不妨開始搜集與分析數據。即使他認為自己所在的公司在數據分析上比同行略勝一籌，但至少就這些銷售大會而言，還有很多地方有待提高。這個小故事旨在說明，即使那些已經做得不錯的公司也有機會在數據分析方面更上一層樓，從更好的決策中獲益。

那些一直用慣例管理的公司都有很大的改善空間。例如，上述這家公司召開銷售大會就是因為這是慣例。在本書中，我們將提供一組工具來提升企業的分析能力。我們將證明，提升企業的分析能力將不隻是管理者的職責，也將被納入企業中每個人的職責範圍。

數據分析對你的企業有什麼好處？其中好處諸多，如下文列舉的這些。我們認為，在數據分析方面表現得出類撥萃的企業，同時在執行方面也會高人一籌。這絕不是偶然。數據分析不是企業制勝的惟一之道，但很多行業的案例表明，數據分析是通往成功的可行之路。以下是成為數據分析型企業的益處：

l  幫助企業在動蕩的環境中管理業務、把握方向。數據分析給管理者以工具，幫助他理解其業務動向，其中包括經濟與市場的變化將如何影響業務績效等。

l  知道如何做纔真正管用。嚴格的實驗可以區別你的干預是否真正對業務起到了預想的作用，或者它隻是隨機統計波動的結果。

l  有效利用之前在信息繫統的投資，獲得更深入的洞察、更快速的執行以及在業務流程中獲取更大的價值。

l  降低成本，提升效率。優化技術能夠使企業對資產的需求降到低值，預測模型能夠預估市場的變化，使企業能夠快速應對以降低成本、避免浪費。

l  管理風險。更嚴格的監管需求會需要更準確的數據以及風險管理模型。

l  預估市場條件的變化。你可以對大量的客戶數據及市場數據進行分析，發現其中蘊含的模式。

l  為正在做的決策提供基礎。如果你在做的決策以清晰的邏輯和明確的數據為支撐，那麼你或其他人會更加容易地對決策流程進行復核，提升決策質量。

成為大數據公司

如今，大部分企業已經積累了大量數據，這些數據有些來自如SAP、甲骨文公司（Oracle）等軟件公司提供的面向交易的ERP（企業資源規劃）繫統，也可能來自零售商的影像數據，還可能來自會員卡繫統、財務交易記錄以及顧客上網的點擊量數據。這些企業拿數據做了什麼？隻能說，所做的還遠遠不夠。

當我們對一家連鎖便利店的管理者進行訪談，問到他們如何使用數據時，他們承認其中還有很大的不足。其中一人說道：“好吧，我承認，我們賣了這些數據，我們將數據賣給零售業數據大亨賺的錢比我們賣肉制品賺的錢還要多。”這個事實著實令人驚訝。然而，更令人驚訝的是，他們之後又摻合著本地競爭者的數據一道買回了自己的數據。

“除此之外，你還拿數據做了什麼？”我們問。

“我們將數據存在磁盤裡，之後存到磁帶裡，再之後埋進山體裡，安全到能夠抵御核攻擊。”

“這些數據對你管理業務有何好處？”

“不太多，這也是我請你們來的原因。”

企業、政府、非營利性組織，無論它們是否處於發達國家，都面臨和這家零售企業一樣的低效問題，它們搜集、存儲了大量數據，但沒有有效地利用。它們一面擁有數據，一面進行決策，卻從不分析數據以指導決策。

當然，構建企業數據分析能力不是一蹴而就的事。企業需要每次針對一項決策進行改善，要相信“我們能夠做得更好”。然後用基於事實的定量分析改善這項決策，使其更準確、更一致、更能夠著眼於未來，而不是隻用數據做報表。一旦意識到數據能夠使得某項決策更優化，它們就會尋找下一個有待優化的決策。在某種程度上，這種漸進式的演變是不可避免的，因為整個社會正朝著計算機占據更重要的地位、數據更加豐富的方向前進。然而，那些意識到這點並帶著緊迫感進行這些改變的企業領前一步。

數據分析，讓商業決策更智能

數據分析能夠助力組織和業務進行全方位的轉型。很多企業利用數據分析幫助它們創收，比如用於客戶關繫管理。它們使用客戶分析進行客戶細分，識別優質的客戶群；它們分析數據以理解客戶行為，預測客戶的想法與需求，並據此提供合適的產品與營銷方案；企業需要確保資金與資源被投入到能產生效益的營銷活動與營銷渠道，它們根據所了解的客戶支付意願制定價格，以確保利潤的更大化。並且，它們還會識別有流失風險的客戶，適時采取挽留的措施。

供應鏈管理與運營通常也是數據分析活躍的領域。高效的供應鏈企業能夠用數據優化庫存和運輸路線，還能根據庫存物品的庫存成本和速度，在合適的地方建造站點，以確保在合適的地方放置合適數量的合適物品。如果它們處於服務行業，則會利用數據度量並優化服務運營。

通常來說，人力資源是直覺的天下，但現在越來越多的人開始使用數據分析招聘或留住員工。如體育行業會使用數據分析挑選和挽留優秀的球員，企業也會利用數據分析挑選有價值的雇員，並預先判知哪些員工可能會離職。它們也會用數據分析來判斷，哪些員工應該在什麼時間上崗工作，以使銷售額和利潤取得好成績。

當然，數據分析也可以用於很多傳統上和數字打交道的業務領域，如金融與會計。除了在計分卡上記錄一些財務指標或非財務指標之外，一些優秀的企業用數據分析判斷驅動財務業績的因素究竟還有哪些。在這個充滿了不確定性的年代，金融企業及其他一些企業在使用數據分析監控並防範風險。近期，投資行業持續出現問題，這使得沒有人再會認為，投資行業可以在沒有數據分析的情況下能運作良好。在銀行與保險行業，使用數據分析進行授信和制定保險條款的工作正變得日益普遍與復雜。