1.本書通過豐富的案例展示如何打造完整的分析價值鏈：收集正確、可靠的數據，合理分析，獲得見解，並將見解融入決策過程；2.前華為中國區CIO楊通鵬、EXIN亞太區總經理孫振鵬聯合推薦；3.一線案例分析，助力數字化轉型。在數字化轉型如火如荼的當下，企業必須努力打造數據驅動型文化。這不隻意味著擁有數據分析精英團隊--如果缺乏前瞻性分析，即使生成再多的報表，也不是數據驅動組織。- 理解數據驅動的真正含義- 學習評估數據質量的各個指標- 收集和分析可靠的數據- 用數據講故事- 用A/B測等

●中文版贊譽
前言
第1章 數據驅動意味著什麼
1.1 數據收集
1.2 數據訪問
1.3 報表
1.4 報警
1.5 從報表和報警到分析
1.6 數據驅動的特征
1.7 分析成熟度
1.8 小結
第2章 數據質量
2.1 數據質量的各個方面
2.2 髒數據
2.2.1 數據生成
2.2.2 數據錄入
2.2.3 缺失數據
2.2.4 多重記錄
2.2.5 截尾數據
2.2.6 計量單位
2.2.7 默認值
2.3 數據世繫
2.4 數據質量是共同承擔的責任
第3章 數據收集
3.1 全量收集
3.2 數據源的優先級
3.3 關聯數據
3.4 數據收集
3.5 購買數據
3.6 數據留存
第4章 分析組織
4.1 分析師類型
4.1.1 數據分析師
4.1.2 數據工程師和分析工程師
4.1.3 商業分析師
4.1.4 數據科學家
4.1.5 統計學家
4.1.6 金融工程師
4.1.7 會計和財務分析師
4.1.8 數據可視化專家
4.2 分析需要團隊協作
4.3 技能和素質
4.4 輔助工具
4.4.1 探索性數據分析和統計建模
4.4.2 數據庫查詢
4.4.3 文件審查和操作
4.5 分析組織結構
4.5.1 集中型
4.5.2 分散型
第5章 數據分析
5.1 什麼是分析
5.2 分析的類型
5.2.1 描述性分析
5.2.2 探索性分析
5.2.3 推斷分析
5.2.4 預測分析
5.2.5 因果分析
第6章 指標設計
6.1 指標設計
6.1.1 簡單
6.1.2 標準化
6.1.3 準確
6.1.4 準確
6.1.5 相對和絕對
6.1.6 穩健
6.1.7 直接
6.2 KPI
6.2.1 KPI案例
6.2.2 多少個KPI
6.2.3 KPI的定義和目標
第7章 用數據講故事
7.1 講故事
7.2 第一步
7.2.1 想達到什麼目的
7.2.2 受眾是誰
7.2.3 使用什麼媒介
7.3 大力推銷
7.4 數據可視化
7.4.1 選擇圖表
7.4.2 設素
7.5 傳達
7.5.1 信息圖
7.5.2 儀表板
7.6 小結
第8章 A/B測試
8.1 為何要做A/B測試
8.2 怎麼做：A/B測試中的很好實踐
8.2.1 實驗之前
8.2.2 運行實驗
8.3 其他方法
8.3.1 多變量測試
8.3.2 貝葉斯定理中的“強盜”
8.4 文化內涵
第9章 決策
9.1 決策制定得如何
9.2 是什麼讓決策變得困難
9.2.1 數據
9.2.2 文化
9.2.3 認知障礙
9.2.4 直覺會在何處奏效
9.3 解決方案
9.3.1 動機
9.3.2 能力
9.3.3 觸發器
9.4 小結
第10章 數據驅動型文化
10.1 開放、信任的文化
10.2 廣泛的數據通識
10.3 目標優先的文化
10.4 求知好問的文化
10.5 迭代、學習型的文化
10.6 反HiPPO文化
10.7 數據領導
第11章 數據驅動型的首席高管
11.1 首席數據官
11.1.1 首席數據官的職責
11.1.2 成功的秘密
11.1.3 首席數據官的未來
11.2 首席分析官
11.3 小結
第12章 隱私、道德和風險
12.1 尊重隱私
12.2 要有同理心
12.3 數據質量
12.4 安全
12.5 執行
12.6 小結
第13章 結論
擴展閱讀
附錄 A 關於數據不合理的有效性：為什麼數據越多越好
附錄 B 願景聲明
關於作者
關於封面

面對大數據這一勢不可擋的時代潮流，所有企業都需要思考如何在實際工作中挖掘數據，充分發揮數據分析師的纔能，進而有效地利用數據完成商業決策。本書首先講解數據本身，重點介紹如何選擇正確的數據源，確保數據的質量和可靠性，然後討論數據分析，組織需要獲取擁有推薦技術和工具並能洞察數據變化的人纔。接下來幾章介紹具體的分析工作，包括性能分析、設計指標、A/B測試和原型講解等，隨之深入到分析價值鏈的下一環節 ：利用分析結果和數據見解做出決策。本書適合數據分析師、數據科學家、企業管理者閱讀。

(英)卡爾·安德森 著 張奎,郭鵬程,管晨 譯