图书介绍
数据战略 如何从大数据、数据分析和万物互联中获利pdf电子书版本下载
- （英）伯纳德·马尔（Bernard Marr）著 著
- 出版社： 北京：机械工业出版社
- ISBN：9787111610960
- 出版时间：2019
- 标注页数：210页
- 文件大小：63MB
- 文件页数：226页
- 主题词：数据处理－研究
PDF下载
下载说明
数据战略 如何从大数据、数据分析和万物互联中获利PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 为何说当下业务无不是数据业务 1
1.1 大数据和物联网的惊人增长 1
1.2 数据驱动的勇敢新世界 2
1.3 我们是否正在逼近人工智能 7
1.4 数据正在如何彻底改变我们的商业世界 10
1.4.1 数据在商业中的基本作用 10
1.4.2 智能工厂与工业4.0 14
1.4.3 自动化及其对就业的现实威胁 16
1.4.4 区块链技术：是否是数据和企业的未来 18
1.5 所有业务都必须成为数据业务 19
1.5.1 一切以数据战略为起点 20
1.5.2 你的公司是否需要首席数据官 21
注解 23
第2章 战略性数据需求的确定 25
2.1 以数据提高企业的决策质量 26
2.1.1 利用数据更好地了解客户和市场 27
2.1.2 在一个意想不到的场景，让数据为你而动 29
2.2 利用数据改善运营 30
2.2.1 通过数据获得内部效率 31
2.2.2 亚马逊：如何以数据优化业务流程并增加销售额 33
2.2.3 优步：如何以数据优化运输 34
2.2.4 罗尔斯·罗伊斯：如何以数据驱动制造业成功 35
2.3 商业模式的转型：将数据作为企业资产 37
2.3.1 如何以数据提升企业价值 37
2.3.2 将数据转化为新的收入源泉 38
2.4 只有正确的数据才是有意义的，并非所有数据都是有价值的 40
2.5 为数据提供强有力的商业案例 42
注解 43
第3章 使用数据改善商业决策 44
3.1 明确你的关键性业务问题 44
3.1.1 好问题带来更好的答案 46
3.1.2 针对顾客、市场和竞争者的问题 47
3.1.3 有关财务的问题 52
3.1.4 有关内部运营的问题 55
3.1.5 有关人员的问题 57
3.2 数据的可视化及沟通洞见 60
3.2.1 是否每个人都应有权访问数据 61
3.2.2 告别电子表格，迎接数据可视化时代 63
3.2.3 以视觉与文字的融合发挥最大效果 64
3.2.4 虚拟现实和数据可视化的未来 65
注解 66
第4章 使用数据改善企业运营 67
4.1 利用数据优化运营流程 68
4.1.1 数据如何改善制造过程 68
4.1.2 如何以数据强化仓储和配送 70
4.1.3 如何以数据增强业务流程 71
4.1.4 如何以数据强化销售及营销流程 75
4.2 以数据改善顾客供应 78
4.2.1 为客户提供更优服务 78
4.2.2 提供更好的产品 81
注解 84
第5章 数据的货币化 85
5.1 增加企业价值 86
5.2 数据本身成为企业核心资产 87
5.3 由企业数据处理能力创造的价值 90
5.4 向顾客或利益相关者出售数据 91
5.5 理解用户生成数据的价值 96
第6章 数据的取得与收集 98
6.1 了解不同类型的数据 99
6.1.1 对“大数据”的定义 100
6.1.2 结构化数据的定义 101
6.1.3 非结构化数据和半结构化数据的定义 103
6.1.4 内部数据的定义 105
6.1.5 外部数据的定义 106
6.2 更多的新型数据 108
6.2.1 活动数据 108
6.2.2 对话数据 109
6.2.3 照片和视频数据 110
6.2.4 传感器数据 111
6.3 内部数据的收集 111
6.4 外部数据的访问 113
6.5 如果你需要的数据尚不存在 116
注解 117
第7章 将数据转化为洞见 118
7.1 分析技术的进化方式 119
7.2 了解不同类型的分析技术 120
7.2.1 文本分析 121
7.2.2 情感分析 122
7.2.3 图像分析 122
7.2.4 视频分析 123
7.2.5 语音分析 124
7.2.6 数据挖掘 124
7.2.7 业务实验 125
7.2.8 视觉分析 126
7.2.9 相关性分析 126
7.2.10 回归分析 127
7.2.11 情景分析 128
7.2.12 预测／时间序列分析 129
7.2.13 蒙特卡罗模拟法 129
7.2.14 线性规划 130
7.2.15 同期群分析 130
7.2.16 因子分析 131
7.2.17 神经网络分析 132
7.2.18 元分析／文献分析 133
7.3 高级分析：机器学习、深度学习和认知计算 133
7.4 以不同分析技术的结合追求成功最大化 137
第8章 技术和数据基础架构的创建 139
8.1 “大数据即服务”：能成为企业的一站式解决方案吗 140
8.2 收集数据 143
8.3 存储数据 146
8.3.1 了解云基础／分布式存储系统 146
8.3.2 Hadoop概述 148
8.3.3 Spark：Hadoop的替代品 149
8.3.4 数据湖和数据仓库的简单介绍 150
8.4 数据的分析和处理 151
8.5 提供数据访问服务 155
8.5.1 倡导数据管家的概念 156
8.5.2 数据的沟通 157
注解 159
第9章 打造组织的数据能力 160
9.1 大数据技能短缺及其对企业的影响 160
9.2 建立内部技能和竞争力 163
9.2.1 五种基本的数据科学技能 163
9.2.2 招募新人才 166
9.2.3 为现有人员提供培训并提高其工作技能 168
9.3 将数据分析业务外包 170
9.3.1 与数据服务供应商合作 170
9.3.2 Kaggle：众包数据科学家 172
注解 175
第10章 不要让数据成为负债：数据治理 177
10.1 数据所有权和隐私方面的考虑 178
10.1.1 拥有还是外购 178
10.1.2 确保拥有合理权限 179
10.1.3 将数据最少化作为好的实践 180
10.1.4 理解隐私问题 182
10.2 数据的安全问题 187
10.2.1 数据泄露的重大影响 187
10.2.2 物联网的威胁 190
10.3 践行良好的数据治理 192
注解 194
第11章 数据战略的执行和完善 196
11.1 把数据战略付诸实践 196
11.1.1 态度是关键 196
11.1.2 数据战略为什么会失败 198
11.2 创建数据文化 201
11.3 重新审视数据战略 203
11.3.1 调整企业需求 204
11.3.2 持续演进的技术图景 204
11.3.3 遥望未来 207
注解 210