数据实践之美

作者: 天善智能
页数: 436
定价: 79.00
出版社: 机械工业出版社
出版时间: 2017-01
购买地址: 京东   当当  

10

笔记

35

粉丝

推荐语:《数据实践之美:31位大数据专家的方法、技术与思想》是数据技术领域具有里程碑意义的代表性著作,由国内知名的数据技术社区天善智能领衔组织和策划,首次将来自百度、腾讯、IBM、埃森哲、Teradata、永洪科技、达观数据、神策数据、同程旅游等20余家国内外在数据和互联网领域的领头羊企业的31位数据专家(CEO、CTO、VP、技术总监、架构师、高级分析经理、咨询总监等)联合在一起,分享了他们在数据领域多年来积累下来的*感自豪的方法、技术与思想,同时对很多技术难题给出了经验性的解决方案,颇为珍贵!

撰写笔记
andrea_zhou2017-04-01 17:40已经看到
Part 1 数据化思维 NO.2 数据化营销中的“一·二·三” 叶秋萍
RFM模型,真是不老的经典。
说起来不算是数据挖据,但是好用性和效果一点也不比挖掘什么的差。
现实中CRM精准营销这些方面,RFM模型是必备。也有结合行业或企业特性的一些扩充,RFM+XXX这样的衍生
andrea_zhou2017-04-01 16:00已经看到
Part 1 数据化思维 NO.1 数据化运营的方法论体系 张子良
数据领域,横向打通,
同领域By职能部门或是业务流程。
再拓展即是领域间的打通。
数据仓库的“按主题”这个特性,就是强调的数据破而重组。
另外一方面,纵向价值链的打通,也与应用的建设&层级有同。
andrea_zhou2017-04-01 14:58已经看到
Part 1 数据化思维 NO.1 数据化运营的方法论体系 张子良
借用作者的用词,小结为:
业务驱动、应用先行、场景为核、唯快不破、迭代为王。
andrea_zhou2017-04-01 14:32已经看到
Part 1 数据化思维 NO.1 数据化运营的方法论体系 张子良
数据化建设于哪些地方?
1、数据治理
2、工具平台
3、数据产品
相对而言,数据产品的价值度会更高,因为包含应用层面更多。
数据驱动的数据治理等,也不是一般企业能够承受的住时间周期、建设成本等方面的考验的。
但是完全可以一开始就具备数据治理的意识,使得后期开展这块工作时更为轻松顺利一点。
andrea_zhou2017-04-01 14:29已经看到
Part 1 数据化思维 NO.1 数据化运营的方法论体系 张子良
P5,
对内数据分析部分,谈收益,谈ROI,是高层经常会关注的,
以作者所列举业务推广&验证这些方面而言却阐述收益,自然“难”就一个字。
效率的提升&成本的降低等方面,是否能想办法衡量?
类似于CRM精准营销等方面,虽是传统,但是可读度量性也会好些。
也难怪会有觉得CRM比BI系统更具可落地性些的观点。
andrea_zhou2017-04-01 14:26已经看到
Part 1 数据化思维 NO.1 数据化运营的方法论体系 张子良
数据化运营做什么?
1、改善业务能力
2、利用数据,进行新的业务&模式的衍生
对于一般企业而言,后者的可能性相对而言极小
andrea_zhou2017-03-03 17:53已经看到
Part 1 数据化思维 NO.1 数据化运营的方法论体系 张子良
建立数据化运营组织的重要性,也体现在使企业“数据驱动”不止在老板层面有概念,
而是使得“数据文化”、“数据意识”溶进企业每个员工里,这个时候,数据驱动才不会是空话。
yxwang2017-02-28 15:53已经看到
Part 1 数据化思维 NO.1 数据化运营的方法论体系 张子良
好像这块我们设计到的很少哦。小的企业好像也用不到。用也是用到了一点点的东东
andrea_zhou2017-02-23 17:03已经看到
Part 1 数据化思维 NO.1 数据化运营的方法论体系 张子良
个人感觉驱动力还是主要来自于业务运营的瓶颈。
没有痛,技术再进步,大部分企业也很难实际上推动。
业务运营“瓶颈”这个词,也很有意思,另外一种表达,“重点、难点、痛点”,似乎就缺少了"瓶颈"一词的神韵。
andrea_zhou2017-04-01 14:21已经看到
Part 1 数据化思维 NO.1 数据化运营的方法论体系 张子良
数据化运营组织的架构设计很重要,良好的规划,可以体现战略层面的重视度。
如果重视度不够,后面自然颇多问题滋生。
换而言之,企业亦要从数据化文化层面进行灌输,有这个意识和文化。
核心高层的认知&力度、顶级组织的建设,与整个数据化运营或类似系统的建设成本,紧密相关

目录

前言
Part 1 数据化思维
NO.1 数据化运营的方法论体系 张子良
NO.2 数据化营销中的“一·二·三” 叶秋萍
NO.3 企业数据化管理之巅—同业对标 王卫东
NO.4 管理数据化:柳传志30年管理智慧如何为我所用 袁华杰
NO.5 数据领导力—指标体系规划与管理驾驶舱设计 刘凯
Part 2 数据治理
NO.6 数据库开发实施工艺提升的6种途径 杨宝军
NO.7 ETL串并发数据跑批处理的理论与运用实践 何启平
NO.8 如何高效地对复杂数据进行清洗与转换 谢佳标
Part 3 BI与数据可视化
NO.9 商务智能业务分析构建“5步曲” 吕敏杰
NO.10 构建数据体系的两个“5步曲” 王桐
NO.11 成功实施BI项目的4大要素 贾岩
NO.12 Kimball理论在BI项目中的应用 郭川
NO.13 BI数据可视化分析SaaS产品前瞻 吕品
NO.14 大数据工程的系统架构设计和技术选型 韩庆安
NO.15 数据可视化4步工作法 温融冰
NO.16 如何用R语言对复杂数据进行可视化 谢佳标
NO.17 新思路,新体系:让银行报表的3大痛点不再是噩梦 袁华杰
NO.18 Cognos在金融银行业的最佳运用 吴永帆
Part 4 数据分析与数据挖掘
NO.19 如何做好一名商业分析师? 吴奕君
NO.20 如何用数据驱动运营 桑文锋
NO.21 企业增长中的精细化分析和Growth Hacking 孔淼
NO.22 如何基于业务实现用户行为数据产品化 吴文波
NO.23 电商的数据化管理与运营 尚林栋
NO.24 零售业数据分析指标的管理与应用 沈嵘
NO.25 做好零售业数据分析必须解决的3个难点 邹斌
NO.26 如何用R语言做量化分析 张丹 /
NO.27 从BI到AI,数据分析的4个误区 彭耀
NO.28 企业如何利用跨行业数据挖掘标准流程开展大数据实践 张浩彬
NO.29 详解过程挖掘的技术和方法 汪尚
NO.30 个性化数据挖掘的关键技术与应用实践 陈运文
Part 5 大数据化之路
NO.31 教育行业的大数据实施路径 李宗海
NO.32 数据科学在互联网金融中的应用 张云松
NO.33 地理大数据驱动的智慧选址 张志成
附录

改版

反馈