中图网

>

数据库

>

数据仓库与数据挖掘

大数据MBA-通过大数据实现与分析驱动企业决策与转型

作者：(美)BillSchmarzo著

出版社：清华大学出版社出版时间：2017-08-01

开本： 32开 页数： 244

本类榜单：计算机/网络销量榜

中图价:¥32.4(6.5折) 定价 ~~¥49.8~~ 登录后可看到会员价

加入购物车收藏

运费6元，满39元免运费

?新疆、西藏除外

本类五星书更多>

>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥38.8¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥49.3¥69
>
第一行代码Android

第一行代码Android

¥58.4¥99
>
深度学习

深度学习

¥92.4¥168
>
Unreal Engine 4蓝图完全学习教程

Unreal Engine 4蓝图完全学习教程

¥72.2¥168
>
深入理解计算机系统-原书第3版

深入理解计算机系统-原书第3版

¥104.3¥139
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

¥21¥49.9

商品详情
商品评论(0条)

中图价:¥32.4 加入购物车

版权信息
本书特色
内容简介
目录
作者简介

大数据MBA-通过大数据实现与分析驱动企业决策与转型版权信息

ISBN：9787302477365
条形码：9787302477365 ; 978-7-302-47736-5
装帧：一般胶版纸
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
数据库
>
数据仓库与数据挖掘

大数据MBA-通过大数据实现与分析驱动企业决策与转型本书特色

商业利益相关者放弃对信息技术数据和分析方法控制的日子已经结束了。商业利益相关者在对机构进行数据收集和分析工作提供支持和货币化方面必须处于前沿及核心的位置。商业领导者需要了解在何处以及如何使用大数据，利用客户、产品和运营数据的新来源之间的冲突，再加上数据科学，优化关键业务流程，发现新的货币化机会，创造竞争优势新来源。然而，将商业用户改造成数据科学家是不现实的。*重要的是，我们应当教会商业用户像数据科学家一样思考，这样他们便可以利用信息技术，与数据科学家合作，进行用例识别、需求定义、业务估值以及*终的分析操作。本书提供了一个商业化框架，辅以相应的支持方法和实践练习。这些方法和练习不仅可以帮助商业用户明确在何处以及如何利用大数据获得商业优势，而且还为操作分析方法、建立正确的组织结构，以及将机构用户体验的分析观察结果推向客户和一线员工等多方面提供了相应的指导。

大数据MBA-通过大数据实现与分析驱动企业决策与转型内容简介

本书主要面向商业领域的读者，并基于以下几个关键前提：● 组织机构不需要大数据策略。相比之下，他们需要整合了大数据的商业策略。● 商业领袖将分析方法转化为信息技术的时代已经结束，未来的企业领导者必须将分析方法视为与会计、财务、管理科学和营销一样的商业规则。● 数据货币化和商业转型的关键在于释放机构的创造性思维，必须让企业用户能够“像数据科学家一样思考”。● *后，大数据的商业潜力只受到企业用户创造性思维的限制。本书的重点即，帮助未来的商业领袖将数据和分析方法整合到他们的商业模型中，并通过帮助企业“像数据科学家一样思考”，释放机构的创意，引领文化的转型。

大数据MBA-通过大数据实现与分析驱动企业决策与转型目录

第I部分大数据的商业潜力第1章大数据商业任务 3 1.1 大数据MBA介绍 3 1.2 关注大数据的驱动竞争差异 5 1.2.1 利用技术推动竞争差异 6 1.2.2 论经济驱动的商业转型经验 6 1.3 “不同思考方式”的重要性 8 1.3.1 别想着大数据技术，想想商业转型 8 1.3.2 别想着商业智能，想想数据科学 9 1.3.3 别想着数据仓库，想想数据湖泊 9 1.3.4 别想着“发生了什么”，想想“会发生什么” 10 1.3.5 别想着*高收入人群，想想合作 11 1.4 本章小结 12 1.5 家庭作业 12 第2章大数据商业模式成熟度指数 15 2.1 介绍大数据商业模式成熟度指数 16 2.1.1 阶段1：商业监测 18 2.1.2 阶段2：商业观察 18 2.1.3 阶段3：商业优化 21 2.1.4 阶段4：数据货币化 22 2.1.5 阶段5：商业蜕变 24 2.2 大数据商业模式成熟度指数经验心得 25 2.2.1 经验1：专注原始大数据价值 25 2.2.2 经验2：充分利用见解，创建新的盈利机会 26 2.2.3 经验3：为企业机构变革做准备 26 2.3 本章小结 27 2.4 家庭作业 28 第3章大数据策略文档 29 3.1 建立通用商业术语 30 3.2 介绍大数据策略文档 31 3.2.1 确定机构的关键商业计划 32 3.2.2 Chipotle餐馆中*重要的是什么 33 3.2.3 确定关键商业实体和关键决策 34 3.2.4 明确经济助力因素(用例) 37 3.2.5 识别和优化数据源 39 3.3 介绍优先级矩阵 42 3.4 使用大数据策略文档，赢得世界职业棒球大赛 43 3.5 本章小结 47 3.6 家庭作业 48 第4章用户体验的重要性 51 4.1 “无知的”用户体验 52 4.2 消费者案例分析：提高客户参与 54 4.3 商业案例研究：启用一线员工 56 4.3.1 门店经理仪表盘 56 4.3.2 示例用例：竞争分析 58 4.3.3 其他用例 59 4.4 B2B案例研究：使渠道更有效 60 4.4.1 顾问是你的合作伙伴 ——助他们成功 61 4.4.2 理财顾问案例研究 61 4.4.3 理财顾问仪表盘的信息部分 63 4.4.4 理财顾问仪表盘的建议部分 65 4.5 本章小结 68 4.6 家庭作业 69 第II部分数据科学第5章商业智能和数据科学之间的差异 73 5.1 什么是数据科学 74 5.1.1 商业智能与数据科学：问题是不同的 75 5.1.2 商业智能问题 76 5.1.3 数据科学的问题 76 5.2 分析师各具特点 77 5.3 分析方法不同 78 5.3.1 商业智能分析师的参与过程 78 5.3.2 数据科学家的参与过程 80 5.4 数据模型不同 82 5.4.1 商业智能的数据模型 82 5.4.2 数据科学的数据建模 83 5.5 商业角度的不同 85 5.6 本章小结 88 5.7 家庭作业 88 第6章数据科学101 89 6.1 数据科学案例研究设置 89 6.2 基础的探索性分析 91 6.2.1 趋势分析 91 6.2.2 箱形图 94 6.2.3 地理(空间)分析 95 6.2.4 配对图 95 6.2.5 时间序列分解 96 6.3 分析算法与模型 97 6.3.1 聚类分析 98 6.3.2 正态曲线当量(NCE)分析 99 6.3.3 关联分析 100 6.3.4 图形分析 101 6.3.5 文本挖掘 102 6.3.6 情感分析 103 6.3.7 遍历模式分析 104 6.3.8 决策树分类器分析 105 6.3.9 同期群分析 106 6.4 本章小结 108 6.5 家庭作业 110 第7章数据湖泊 111 7.1 数据湖泊简介 112 7.2 支持商业运行的数据湖泊特征 114 7.3 使用数据湖泊跨越分析鸿沟 115 7.4 数据和分析环境的现代化 117 7.4.1 行动1：创建基于Hadoop 的数据湖泊 117 7.4.2 行动2：分析沙箱的简介 118 7.4.3 行动3：摒弃数据仓库中的ETL过程 119 7.5 分析辐射型分析架构 120 7.6 早期学习 121 7.6.1 经验1：命名并不重要 122 7.6.2 经验2：它是数据湖泊，而不是数据湖区 122 7.6.3 经验3：数据治理是一个生命周期，而不是一个项目 123 7.6.4 经验4：数据湖泊优于而不是落后于数据仓库 124 7.7 未来是什么 125 7.8 本章小结 126 7.9 家庭作业 127 第III部分商业利益相关者的数据科学第8章像数据科学家一样思考 131 8.1 像数据科学家一样思考的过程 132 8.2 本章小结 142 8.3 家庭作业 143 第9章 “By”分析技术 145 9.1 “By”分析技术的简介 146 9.2 “By”分析练习 148 9.3 基于“By”分析的Foot Locker 用例 152 9.4 本章小结 154 9.5 家庭作业 154 第10章评分开发技术 157 10.1 分数的定义 158 10.2 FICO分数示例 158 10.3 其他行业评分的示例 161 10.4 继续讨论勒布朗 • 詹姆斯的示例 162 10.5 继续讨论Foot Locker的示例 166 10.6 本章小结 169 10.7 家庭作业 169 第11章货币化训练 171 11.1 健身跟踪器货币化示例 172 11.1.1 步骤1：了解产品使用 172 11.1.2 步骤2：开发商业利益相关者的人物角色 173 11.1.3 步骤3：对潜在的建议集思广益 174 11.1.4 步骤4：确定支持的数据源 175 11.1.5 步骤5：对盈利机会进行优先级排序 177 11.1.6 步骤6：开发货币化计划 178 11.2 本章小结 179 11.3 家庭作业 179 第12章商业蜕变训练 181 12.1 商业蜕变回顾 182 12.2 商业蜕变训练 183 12.2.1 明确商业蜕变构想 183 12.2.2 了解你的客户 184 12.2.3 明确价值主张 184 12.2.4 定义数据和分析需求 185 12.3 卫生保健中的商业蜕变 190 12.4 本章小结 193 12.5 家庭作业 194 第IV部分构建跨企业间的支持第13章构想的力量 197 13.1 构想：为创造性思维助力 198 13.1.1 大数据前景研讨会的流程 198 13.1.2 前期研究 199 13.1.3 采访商业利益相关者 200 13.1.4 用数据科学进行探索 200 13.1.5 研讨会 202 13.1.6 设计研讨会 204 13.2 *优化矩阵 206 13.3 本章小结 208 13.4 家庭作业 208 第14章释放企业机构影响力 209 14.1 首席数据货币化执行官 209 14.1.1 首席数据货币化执行官的职责 210 14.1.2 首席数据货币化执行官机构 210 14.1.3 分析卓越中心 211 14.1.4 首席数据货币化执行官的领导力 212 14.2 隐私、信任度和决策治理 212 14.2.1 隐私问题=信任问题 213 14.2.2 决策管理 214 14.3 释放企业机构的创新能力 214 14.4 本章小结 216 14.5 家庭作业 217 第15章故事 219 15.1 客户和员工的分析 221 15.2 产品和设备分析 224 15.3 网络和运营分析 225 15.4 一个好的商业故事的特点 227 15.5 本章小结 228 15.6 家庭作业 228

展开全部

大数据MBA-通过大数据实现与分析驱动企业决策与转型作者简介

作者Bill Schmarzo是Dell EMC公司首席技术官(CTO)。作为首席技术官，他负责制定Dell EMC全球服务的大数据策略、指导大数据服务产品和功能。他还直接与企业合作，帮助他们明确在何处以及如何开始他们的大数据之旅。Bill是Big Data: Understanding How Data Powers Big Business一书的作者，他还撰写白皮书，是个狂热的博主，经常发表演讲，介绍如何利用大数据和数据科学影响企业的关键商业计划。他是旧金山大学管理学院的一名研究员，教授“大数据MBA”课程。Bill在数据仓库、商业智能和分析方面具有三十年以上的经验。他撰写了“EMC大数据愿景研讨会”方案，并与Ralph Kimball共同编写了一系列分析应用程序类文章。Bill曾在数据仓库研究所工作，担任分析应用课程的负责人。此前，他是雅虎(Yahoo!)分析副总裁，负责Business Objects的分析应用程序商业部门，职责包括其行业定义的分析应用程序的开发、市场营销和销售。Bill拥有柯伊学院数学、计算机科学和工商管理理学学士学位，以及爱荷华大学工商管理硕士学位。他最近的博文链接是http://infocus.emc.com/author/william_schmarzo/。

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐