数据驱动力:企业数据分析实战电子书

版权声明

O'Reilly Media, Inc. 介绍

业界评论

中文版赞誉

前言

概要

读者对象

篇章结构

排版约定

O'Reilly在线学习平台（O'Reilly Online Learning）

联系我们

致谢

更多信息

第 1 章 数据驱动意味着什么

1.1 数据收集

1.2 数据访问

1.3 报表

1.4 报警

1.5 从报表和报警到分析

1.6 数据驱动的特征

1.7 分析成熟度

1.8 小结

第 2 章 数据质量

2.1 数据质量的各个方面

2.2 脏数据

2.2.1 数据生成

2.2.2 数据录入

2.2.3 缺失数据

2.2.4 多重记录

2.2.5 截尾数据

2.2.6 计量单位

2.2.7 默认值

2.3 数据世系

2.4 数据质量是共同承担的责任

第 3 章 数据收集

3.1 全量收集

3.2 数据源的优先级

3.3 关联数据

3.4 数据收集

3.5 购买数据

数据集的价值

3.6 数据留存

第 4 章 分析组织

4.1 分析师类型

4.1.1 数据分析师

4.1.2 数据工程师和分析工程师

4.1.3 商业分析师

4.1.4 数据科学家

4.1.5 统计学家

4.1.6 金融工程师

4.1.7 会计和财务分析师

4.1.8 数据可视化专家

4.2 分析需要团队协作

4.3 技能和素质

4.4 辅助工具

4.4.1 探索性数据分析和统计建模

4.4.2 数据库查询

4.4.3 文件审查和操作

4.5 分析组织结构

4.5.1 集中型

4.5.2 分散型

第 5 章 数据分析

5.1 什么是分析

5.2 分析的类型

5.2.1 描述性分析

5.2.2 探索性分析

5.2.3 推断分析

5.2.4 预测分析

5.2.5 因果分析

第 6 章 指标设计

6.1 指标设计

6.1.1 简单

6.1.2 标准化

6.1.3 准确

6.1.4 精确

6.1.5 相对和绝对

6.1.6 稳健

6.1.7 直接

6.2 KPI

6.2.1 KPI案例

6.2.2 多少个KPI

6.2.3 KPI的定义和目标

第 7 章 用数据讲故事

7.1 讲故事

7.2 第一步

7.2.1 想达到什么目的

7.2.2 受众是谁

7.2.3 使用什么媒介

7.3 大力推销

7.4 数据可视化

7.4.1 选择图表

7.4.2 设计图表元素

7.5 传达

7.5.1 信息图

7.5.2 仪表板

7.6 小结

第 8 章 A/B测试

8.1 为何要做A/B测试

8.2 怎么做：A/B测试中的最佳实践

8.2.1 实验之前

8.2.2 运行实验

8.3 其他方法

8.3.1 多变量测试

8.3.2 贝叶斯定理中的“强盗”

8.4 文化内涵

第 9 章 决策

9.1 决策制定得如何

数据驱动、数据启发还是数据影响

9.2 是什么让决策变得困难

9.2.1 数据

9.2.2 文化

9.2.3 认知障碍

9.2.4 直觉会在何处奏效

9.3 解决方案

9.3.1 动机

9.3.2 能力

9.3.3 触发器

9.4 小结

第 10 章 数据驱动型文化

10.1 开放、信任的文化

10.2 广泛的数据通识

10.3 目标优先的文化

10.4 求知好问的文化

10.5 迭代、学习型的文化

10.6 反HiPPO文化

10.7 数据领导

第 11 章 数据驱动型的首席高管

11.1 首席数据官

11.1.1 首席数据官的职责

11.1.2 成功的秘密

11.1.3 首席数据官的未来

11.2 首席分析官

11.3 小结

第 12 章 隐私、道德和风险

12.1 尊重隐私

无意泄露

12.2 要有同理心

提供选择

12.3 数据质量

12.4 安全

12.5 执行

12.6 小结

第 13 章 结论

扩展阅读

分析组织

数据分析与数据科学

决策制定

数据可视化

A/B测试

附录 A 关于数据不合理的有效性：为什么数据越多越好

A.1 最近邻类型问题

A.2 相对频率问题

A.3 估计单变量分布问题

A.4 多变量问题

附录 B 愿景声明

B.1 价值

B.2 启动

关于作者

关于封面

看完了