赞誉
致谢
作者简介
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