| | | | 大數據競爭力:如何成為真正的數據分析型企業 托馬斯·達文波特珍 | | 該商品所屬分類：圖書 -> ε | | 【市場價】 | 651-944元 | | 【優惠價】 | 407-590元 | | 【出版社】 | 人民郵電出版社 | | 【ISBN】 | 9787115549334 | | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品
一次購物滿2000元台幣95折+免運費+贈品
一次購物滿3000元台幣92折+免運費+贈品
一次購物滿4000元台幣88折+免運費+贈品
| | 【本期贈品】 | ①優質無紡布環保袋，做工棒！②品牌簽字筆 ③品牌手帕紙巾
|
|
| 版本 | 正版全新電子版PDF檔 | | 您已选择： | 正版全新 | 溫馨提示：如果有多種選項，請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折，例如了得網價格是100元，電子書pdf的價格則是69元。
*. 購買電子書不支持貨到付款，購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。
*. 如果收到的電子書不滿意，可以聯絡我們退款。謝謝。 | | | |
| | 內容介紹 | |
出版社：人民郵電出版社 ISBN：9787115549334 商品編碼：10027293811188 包裝：平裝 開本：16開 出版時間：2021-02-01 頁數：243 字數：null 代碼：79
"| 商品基本信息，請以下列介紹為準 | | 商品名稱： | 大數據競爭力:如何成為真正的數據分析型企業 | | 作者： | (美)托馬斯·H.達文波特//珍妮·哈裡斯 | | 代碼： | 79.8 | | 出版社： | 郵電出版社 | | 出版日期： | 2021-02-01 | | ISBN： | 9787115549334 | | 印次： | 1 | | 版次： | 第1版 | | 裝幀： | | | 開本： | 16開 |
| 內容簡介 | 托馬斯·H.達文波特是管理學界的重量級專家。他與珍妮·哈裡斯在這本書中為讀者展示了大數據分析在企業中的應用價值和未來前景。他們基於對不同行業內代表性公司的長期觀察和訪談調研，以豐富的案例闡釋了數據分析型企業的競爭優勢和核心特征，介紹了數據分析在企業人力資源管理、財務管理、供應鏈管理、客戶管理等方面的應用與價值。
本書是各類公司管理者借助大數據分析構建競爭優勢的實踐手冊，也是各類商業數據分析人員的入門指導書。 |
| 目錄 | 第一部分 大數據分析帶來的競爭優勢
第一章 大數據競爭的本質——運用數據分析構建競爭力
什麼是大數據分析
為行大數據競爭
我們是怎麼走到這一步的——大數據競爭的起源
合適的數據分析決策時機是什麼時候
職業體育運動領域的數據分析——及其對商業數據分析的啟示
第二章 數據分析型企業的核心特征
數據分析型企業的主要特點
第三章 大數據分析與公司的業績表現——如何將大數據競爭力轉化為公司的持久優勢
大數據分析對公司業績影響的證據
將數據分析打造為企業的競爭優勢
政府數據分析
向客戶提供大數據分析產品和服務
大數據分析的邊界
本章小結
第四章 公司內部流程中的大數據分析——如何優化財務、並購、運營、研發和人力資源管理
財務部門的大數據分析
利用數據分析完善外部報告
利用數據分析優化公司績效管理和考評繫統
成本管理中的數據分析
風險管理中的數據分析
公司並購中的數據分析
運營管理領域的數據分析
生產制造領域的數據分析
產品質量管理領域的數據分析
防控領域的數據分析
物流運輸領域的數據分析
研究和開發領域的數據分析
人力資源領域的數據分析
第五章 公司外部流程中的大數據分析——如何利用數據分析優化與客戶和供應商的合作
奇怪的同伴
利用大數據分析優化客戶管理流程
利用大數據分析優化供應商管理流程
本章小結
第二部分 構建大數據分析能力
第六章 提高企業數據分析能力的路線圖——數據分析的五個階段
大數據競爭路線圖概述
第一階段：大數據競爭的先決條件
第二階段：自我證明的漫漫長路——開行局部的數據分析
第三階段：產生數據分析意願
第四階段：具備初步的數據分析能力
第五階段：成為數據分析型企業
沿著大數據競爭路線圖繼續
本章小結
第七章 管理數據分析人員——培養大數據競爭中的稀缺資源
數據分析領域的奇聞軼事
高管人員與大數據競爭
數據分析師和數據科學家
非專業的數據分析人士
第八章 構建大數據分析的架構——以技術環境對標商業要求
數據分析技術的體繫架構
數據管理
數據轉換工具和流程
數據存儲庫
數據分析工具和軟件
數據可視化工具和軟件
數據部署流程
本章小結
第九章 大數據競爭的未來——技術、人力和公司戰略驅動下的變革之道
科學技術驅動的變革
人力資源驅動的變革
公司戰略驅動的變革
大數據競爭的未來
|
| 媒體評論 | 數據分析專家達文波特歷時10年改版之作，為您提供繫統化的解決方案。
無論高科技企業還是傳統企業，在大數據時代都面臨新的競爭環境，如何用好數據，用好數據分析，提升人力資源、財務、營銷、供應鏈等環節的效率？
如何推動向數據分析型企業的轉型？ |
| 前言 | | 以及相較於更長的時間段呈現出了何種趨勢。\u0007 直至2017年，成熟的公司依舊行描述性分析，但它們會控制描述性分析的總量，並嘗戶（而非專業分析人員）成為執行分析的主體。逐漸地，市面上出現了用行“自助數據分析”的新工具，是在創建可視化數據分析方面更是如此。雖然新工具已經屢見不鮮，許多數據分析用戶依舊願意把電子表格作為他們的主要分析工具。盡管電子表格可能會出錯，也很容易創建出“多個版本的”，但大家對於電子表格的熱情依舊不減。\u0007 貫穿整個數據分析1.0時代的關鍵就在於如何獲取數據、整理數據、把數據放入數據庫以供以後訪問，等等。隨著過去幾十年間數據量的激增，數據分析1.0時代亟待新的解決方案。在此期間，主要開發和使用的數據存儲解決方案是“關繫數據倉庫”（re1ational data warehouse）。這相對於以前的數據存儲方法，可謂向前邁出了一大步，但同時也帶來了巨大的挑戰。通過這種“提取-轉換-加載”（英文簡稱為ETL）模式獲取數據，會耗費大量時間和資源，而且所有數據都必須以相同結構（即行列形式）輸入纔存儲。這導致的後果是，數據倉庫變得異常煩冗笨重，以至於很難知道裡面到底蘊藏了哪些數據資源。數據倉庫的目標在於把用於分析的數據和日常事務性繫統分開，但由於數據分析變得太過重要，部分數據倉庫存儲的內容也直接運用在生產過程中。\u0007 數據分析1.0時代的問題來源不於技術，括,的指南。有鋻於此，他們把數據分析內化為企業文化的重要組成部分。\u0007 當然，如果數據分析的外部環境發生變化，那麼優秀的公司也會因時而變。我們並未逐一檢視本書初版中提到的企業是否全跨越了“數據分析1.0時代”，但我們知道其中不少已經實現了數據分析的升級轉化。在本書前言部分，我們會闡述過去十年間出現的挖掘數據和變革業務的新機會。我們還會簡要介紹一下更早的情況——之所以介紹這些，不是為了單純地上上歷史課，而是想要研究我們可以從中獲得哪些啟示。\u0007 數據分析1.0時代及其啟示\u0007 在21世紀初即我們撰寫本書初版時，站在數據分析前沿的公司已經掌握了數據分析1.0的技術，並且開始考慮如何部署下一個階段的數據分析工作。但直至今天，很多公司還抱殘守缺，滯留在數據分析1.0時代。盡管的數據分析技術和流程已經比比皆是，但每家公司都還需要完成一些屬於數據分析1.0時代的工作。因此，哪怕您所在的公司已經大體跨越了這個階段，了解個中內容仍然大有裨益。\u0007 數據分析1.0時代的公司曾經（或者如果您正在經歷這個階段，那麼就是現在）注重描述性分析，也就是描述和展示歷史情況，而輕視利用分析預測未來（預測性分析）或工作效率（規範性分析）。雖然我們在過去十年間的絕大部分時間裡，都在努力鼓勵企業不要局限於描述性分析，但描述性分析依舊不可或缺。您需要通過這種方式知道企業在過去幾年裡發生了什麼，,是在本書中也做了相關表述——主要集中於第二章和第六章。\u0007 不論您是否樂於見到這一點，大數據分析領域的一些情況並沒有發生太大變化。構建數據分析文化力的重要性以及將大數據分析用於解決緊迫業務問題的需求等都與2007年的情況相當相似。我們在本版中保留了所有這些問題，而且找尋了證明其重要性的許多新例子。十年前，它們就是實現大數據競爭最困難的要素，時至今日依舊如此。, 十年間的四個時代——大數據分析演化史\u0007 在20世紀的最後30年間，人們從數據中認知事物的方法並未發生太大變化。技步自然是存在的，但圖表展示和數據回歸分析的做法卻多年未變。1977年，數據分析師可能會在打孔式計算機上使用數據分析程序，提交相關數據；2005年，雖然數據提交方式升級成了鍵盤，但其他細節卻相似。\u0007 然而入21世紀以來，變革的步伐顯著加快。如果我們將2007年之前商業智能和數據分析的實踐方式稱為“數據分析1.0時代”，那麼在短短十年內，我們就能看到數據分析2.0、3.0和4.0時代的身影——公司內行數據分析的方式發生了三次巨變。\u0007 當我們在2005至2006年著手撰寫本書初版時，我們主要描述了漫長的數據分析1.0時代的相關情況，歷數了在其中表現優秀的公司（我們之後也會重述關於“數據分析1.0時代”的觀點）。當行數據競爭的公司大多采用陳舊的手段管理數據，並將數據轉化為略有價值的結論。\u0007 在這裡有一點值得一提。雖然數據量和分析手段會對數據分析產生幫助，但這與“產生有價值的結論”並不能畫上等號。問題的關鍵在於企業到底能在多大程度上積極地利用這些資源，以及這些分析結論在多大程度上創設或了業務方法。本書提到的優秀公司並不總是能使用上的分析工具，但它們善於圍繞自身數據分析能力構建戰略和商業模式。這些公司的高管深信，事實是決策和行動,分析領域發生了很多變化，我們也對這本行了諸多修訂。除了前言部分是全新的以外，我們保留了本書第一版的章節結構，但對每一章行了修改，增添了新的主題內容、新的例子、新的研究成果等。第四章和第五括許多關於機構內部和外部如何使用數據分析的例子，這些例子行了實質性的更新。第八章主要討論技術架構問題，也如讀者所預料的那樣行了大幅度的修訂。本書第一版所討論的“未來”已經大有不同了，所以分析未來的第九章也隨之更新。在本版中，我們添加了以下主題的內容：\u0007 ·數據科學家及其崗位職責；\u0007 ·大數據及其給分析工作帶來的變化；\u0007 ·分布式計算及其他用於管理和分析數據的開源軟件；\u0007 ·數據產品——基於數據和分析的新型產品和服務；\u0007 ·機器學他人工智能技術；\u0007 ·物聯網（IoT）及其對數據分析的影響；\u0007 ·新的計算架構括雲計算；\u0007 ·在運營繫統中嵌入數據分析；\u0007 ·可視化數據分析。\u0007 我們還增添了部分已經存在了一定時日的內容，這些內容在我們撰寫本書初版時還未問世。DELTA模型有一個（我們希望）很容易記住的名字，這個模型解釋了一家機構想要在數據分析方面更上一層樓，必須關注哪些因素。這個模型已經在我們（與羅伯特·莫裡森）合著的《在工作中分析》一書中有所提及，但我們仍然認為這是一個優秀的框架，於,被動應付、緩慢決策的企業文化。從數據分析1.0時代成長起來的一位數據分析專家把她扮演的角色形容為“被線牽著的木偶”。管理人員往往會要求數據分析師對一個問題展開分析，數據分析師隨後會耗費長達一個月左右的時間收集數據、量化分析，並給出答案。然而，管理人員可能壓根不理解分析師使用的分析方法，也可能沒有真正把分析結果用於決策。這項工作的作用就是讓管理人員本人顯得像是個重視大數據的高管。\u0007 ……\u0007 我們深知，本書中的很多想法不會是大數據競爭研究的終結。自從這本書出版以來，我們很高興地看到企業和公共部門逐步接受了大數據競爭的概念。許多學者和顧問也開始討論這一話題。不少優秀的書籍和大量的文章幫助推動了這一領域的發展。此外，有更多的書籍分析了如何實施商業智能、利用大數據，如何搭建和完善供應鏈、營銷、數據可視化、機器學域的分析模型，以及如行基本的定量和統計分析等。數據分析領域接下來仍會繼續發步，商業也必然會花費更多的時間和精力來關注這一領域，我們也將需要各個方面的指導。\u0007 我們會盡努力幫助企業走上這條實現商和管理優化的道路。然而，重要的是需要記住，本書隻是一個概述。我們的目標不是讓商業人士掌行嚴肅數據分析工作所需的一切知識，而是激起您對大數據競爭的興趣，並讓您有足夠的動力繼續學索。\u0007 本書的修訂部分\u0007 由於在過去十年間數據 |
| 作者簡介 | | 托馬斯·H.達文波特（Thomas H.Davenport），哈佛大學博士，現為美國巴布森學院（Babson college）信息技術與管理領域傑出教授，曾在哈佛商學院、芝加哥大學、波士頓大學和德克薩斯大學奧斯汀分校任教。他還是國際數據分析研究所共同創始人、麻省理工學院數字經濟項目研究員以及德勤分析公司（Deloitte Analytics）高級顧問，曾任埃森哲戰略變革研究院主任。\u0007 Davenport也是一位的思，幫助數以百計的公司管理者重振了他們的管理實踐。他的“競爭力分析”理念被《哈佛商業評論》評為過去10年最重要的管理理念之一，並在2000年被CIO雜志評選為“新經濟十大傑出人物”。他還創舉性地提出了業務過程重組、知識管理實施企業繫統的概念。他已經為《哈佛商業評論》、《斯隆管理評論》、《金融時報》等撰寫250餘篇專欄文章，並出版了20部有影響的技術和管理類圖書，本書是其力作。, 珍妮·哈裡斯（Jeanne Harris），前埃森哲高級合伙人、高級研究員，主要研究領括信息技術、數據分析和人力資源管理。她還曾是埃森哲下屬的智能商業、數據分析、績效管理、知識管理、數據池等咨詢部門的負責人。 |
" | | |
| | | | |
|
