扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
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)
指标体系与指标平台:方法与实践 版权信息
- ISBN：9787111757764
- 条形码：9787111757764 ; 978-7-111-75776-4
- 装帧：精装
- 册数：暂无
- 重量：暂无
- 所属分类：>
指标体系与指标平台:方法与实践 本书特色
（1）作者背景权威：本书由行业领先的数据智能产品提供商数势科技官方出品，创始人兼CEO领衔撰写。（2）作者经验丰富：融合了其创始人在百度、平安、京东等头部企业的数字化实践经验和其多年来服务多加全球百强企业的实战经验。（3）内容系统全面：详细讲解指标体系的设计方法、指标平台的产品设计和技术架构、指标在各行业落地应用的方法，以及指标与大模型等新技术的结合。（4）方法实践并重：不仅讲解了指标体系和指标平台的建设方法，还通过几个综合案例讲解了指标如何赋能金融、零售、制造和连锁加盟等行业。（5）11位专家力荐：本书得到了京东云总裁曹鹏、百度集团执行副总裁沈抖、腾讯云副总裁陈菲、百川智能总裁洪涛等11位专家的鼎力推荐。
指标体系与指标平台:方法与实践 内容简介
内容简介 这是一部讲解企业如何利用指标推动数字化转型和实现数字化经营的著作，详细讲解了指标体系的设计方法、指标平台的产品设计和技术架构、指标在各行业落地应用的方法。 本书由行业领先的数据智能产品提供商数势科技官方出品，融合了其创始人在百度、平安、京东等头部企业的技术研发经验和其团队服务近百家企业的实战经验，得到了来自清华大学、信通院、腾讯、京东、百度等10余位专家的鼎力推荐。 具体地，本书主要讲解了以下五个方面的内容： （1）从指标驱动的数字化经营新模式开始，介绍指标管理对企业经营的重要意义。 （2）指标体系的设计方法论，带着设计思维模拟指标拆解、设计、落地的全过程。 （3）指标管理平台的产品设计与技术架构，介绍了作者团队在多年实践中总结出的“一处定义、全局使用”的指标平台建设方法。 （4）深入零售、金融、制造、消费品、连锁加盟等行业，从不同行业的特点出发，介绍不同行业的指标体系建设、平台设计和应用的全景图，结合行业的很好实践，为想要进行数据智能决策的企业提供参考。 （5）探索两大趋势——数据民主化以及大模型在数据智能、指标管理中的应用，探索时下*优选的技术带给企业经营的无限价值。
指标体系与指标平台:方法与实践 目录
目 录
赞誉
序一
序二
前言
第1章 指标驱动的数字化经营1
1.1 重新认识指标：业务对象的数字孪生2
1.1.1 什么是指标2
1.1.2 什么是指标体系10
1.2 重新认识数字化：指标驱动的数字化经营14
1.2.1 企业经营模式的变迁14
1.2.2 什么是数字化经营16
1.2.3 推动数字化经营刻不容缓22
1.3 指标如何驱动数字化经营25
1.3.1 指标与企业数字化的关系25
1.3.2 指标驱动数字化经营的3项关键工作27
第2章 指标体系设计方法53
2.1 指标体系设计目标53
2.2 指标体系设计思路54
2.3 自上而下的指标拆解55
2.3.1 自上而下的指标拆解流程55
2.3.2 北极星指标设计56
2.3.3 指标拆解59
2.3.4 过程指标设计65
2.4 自下而上的指标收集67
2.4.1 指标收集及口径梳理67
2.4.2 指标规范化定义68
2.5 数据分析驱动的指标设计70
2.5.1 引入数据分析方法的必要性70
2.5.2 数据分析驱动的指标设计方法70
2.6 指标体系全局框架设计73
第3章 指标平台的产品设计77
3.1 指标平台的产品定位78
3.1.1 指标平台的必要性78
3.1.2 指标平台在数据平台中的定位79
3.1.3 构建指标平台的4个目标80
3.2 指标平台的3种实现方案81
3.2.1 方案一：BI工具升级为Metrics BI平台83
3.2.2 方案二：在数据中台中增加指标管理系统85
3.2.3 方案三：基于Headless理念的Metrics Store88
3.3 构建指标平台的“四位一体”方法论89
3.3.1 “四位一体”方法论框架89
3.3.2 指标平台产品设计的3个关键目标92
3.4 指标平台的架构与功能95
3.4.1 指标平台架构设计95
3.4.2 指标平台产品功能98
第4章 指标平台的技术架构110
4.1 指标平台的技术架构概览110
4.2 指标平台的技术特色113
4.2.1 丰富的数据连接器113
4.2.2 智能化的指标计算引擎114
4.2.3 多样化的指标服务输出方式116
4.2.4 先进的OLAP数据库底盘119
4.3 指标平台的核心技术122
4.3.1 核心智能加速引擎122
4.3.2 指标智能归因134
4.3.3 与大模型结合138
第5章 零售业的经营分析指标体系141
5.1 经营分析指标体系：零售业的转型利器141
5.1.1 从商业的本质看零售业面临的挑战141
5.1.2 指标体系对回归商业本质的作用与价值144
5.2 经营分析指标体系的建设方法146
5.2.1 建设目标146
5.2.2 设计框架147
5.2.3 承载平台150
5.2.4 衍生数据产品155
5.3 经营分析指标体系的应用实践157
5.3.1 全国连锁零售商从0到1共建经营分析平台157
5.3.2 区域龙头零售商快速复制经营分析指标体系162
第6章 金融业的4K指标体系168
6.1 金融业的挑战与痛点169
6.2 4K指标体系概述170
6.2.1 4K指标体系是什么170
6.2.2 4K指标体系能做什么174
6.3 4K指标体系如何解决经营分析问题179
6.3.1 4K指标体系在某头部金融机构的应用179
6.3.2 4K指标体系在某头部证券机构的应用192
6.4 金融业4K指标体系总结与应用展望211
第7章 制造业的全链路指标控制塔213
7.1 全链路指标控制塔的概念和特点214
7.1.1 全链路指标控制塔的定义和范围214
7.1.2 全链路指标控制塔的关键特点和功能214
7.1.3 全链路指标控制塔对制造企业的重要性216
7.2 制造企业数字化管理的挑战和需求218
7.2.1 制造企业数字化管理的现状和趋势218
7.2.2 制造企业数字化管理面临的挑战219
7.2.3 全链路指标控制塔如何应对挑战和满足需求220
7.3 全链路指标控制塔的整体架构和模块223
7.3.1 数据采集和集成模块223
7.3.2 数据存储和处理模块224
7.3.3 指标定义和计算模块225
7.3.4 数据分析和可视化模块225
7.3.5 实时监控和报警模块226
7.3.6 预测和优化模块226
7.3.7 决策支持和工作流模块227
7.3.8 系统管理和安全模块228
7.4 全链路指标控制塔的实施和推广策略229
7.4.1 实施全链路指标控制塔的步骤和方法229
7.4.2 成功实施全链路指标控制塔的8个要素232
7.5 全链路指标控制塔在制造企业中的应用案例242
7.5.1 M集团的全链路指标控制塔实施242
7.5.2 J公司的数字化管理改进247
7.6 推广全链路指标控制塔的策略和建议252
7.6.1 战略规划与顶层设计252
7.6.2 基础设施建设与技术集成253
7.6.3 跨部门协同与流程重构253
7.6.4 人才培养与教育培训254
7.6.5 KPI设定与预警机制建设254
7.6.6 持续改进与文化塑造255
7.6.7 外部合作与生态共建255
7.7 全链路指标控制塔对制造企业数字化管理的重要意义256
7.7.1 实现全局可视化257
7.7.2 数据驱动决策258
7.7.3 实时异常预警和快速响应259
7.7.4 促进跨部门实时协同261
7.7.5 推动持续改进和优化262
7.7.6 适应数字化转型263
7.8 全链路指标控制塔在制造领域的应用前景265
第8章 指标平台赋能连锁加盟业态数字化经营267
8.1 指标平台为连锁加盟企业赋能268
8.1.1 连锁加盟业务特点268
8.1.2 连锁加盟业态数字化需求269
8.1.3 连锁加盟品牌的数字化建设痛点270
8.1.4 连锁加盟品牌需要的指标平台273
8.2 连锁加盟业指标平台案例分析275
8.2.1 案例背景275
8.2.2 指标平台的建设需求和目标275
8.2.3 指标平台的建设思路和技术架构277
8.2.4 指标平台建设的5个阶段280
8.2.5 指标平台的9项能力282
8.3 指标平台的4个业务价值290
8.4 案例复盘与点评294
第9章 数据民主化：人人用数，数利人人296
9.1 什么是数据民主化296
9.2 数字化转型时代集团型企业的痛点298
9.3 数据民主化的理念和价值299
9.3.1 数据消费的发展趋势299
9.3.2 数据民主化的理念301
9.4 某快消品企业的数据民主化实践之路303
9.4.1 组织结构、技术和工具、文化层面的挑战303
9.4.2 数据民主化的体验层：企业级数据资产门户310
9.4.3 数据民主化的语义层：数据资产管理314
9.4.4 数据民主化的长期保障：数据文化和能力318
9.5 数据民主化的重要性320
9.6 数据民主化实践的启示321
第10章 大模型让企业数据洞察触手可及323
10.1 大模型在数据分析中的作用324
10.1.1 大模型在数据分析场景中的优势324
10.1.2 大模型的能力及构建步骤325
10.1.3 利用自我学习能力发现数据中的潜在模式和关系328
10.2 指标在GenAI分析产品中的作用329
10.2.1 指标的语义化帮助大模型更精准对齐用户提问333
10.2.2 大模型对企业经营分析的作用334
10.3 推动数据民主化与决策制定335
10.3.1 对话式分析助手：人人都是数据分析师335
10.3.2 大模型让数据分析结果更透明、更可信337
10.4 构建基于大模型的智能分析助手的挑战337
10.4.1 技术和管理挑战337
10.4.2 大模型的幻觉问题、数据隐私和安全性挑战339
10.4.3 效果评估挑战342
10.5 大模型时代企业智能化发展之路343
10.6 未来趋势：大模型与企业指标结合345
10.6.1 大模型与企业指标的未来发展方向345
10.6.2 大模型技术如何改善数据分析过程346
赞誉
序一
序二
前言
第1章 指标驱动的数字化经营1
1.1 重新认识指标：业务对象的数字孪生2
1.1.1 什么是指标2
1.1.2 什么是指标体系10
1.2 重新认识数字化：指标驱动的数字化经营14
1.2.1 企业经营模式的变迁14
1.2.2 什么是数字化经营16
1.2.3 推动数字化经营刻不容缓22
1.3 指标如何驱动数字化经营25
1.3.1 指标与企业数字化的关系25
1.3.2 指标驱动数字化经营的3项关键工作27
第2章 指标体系设计方法53
2.1 指标体系设计目标53
2.2 指标体系设计思路54
2.3 自上而下的指标拆解55
2.3.1 自上而下的指标拆解流程55
2.3.2 北极星指标设计56
2.3.3 指标拆解59
2.3.4 过程指标设计65
2.4 自下而上的指标收集67
2.4.1 指标收集及口径梳理67
2.4.2 指标规范化定义68
2.5 数据分析驱动的指标设计70
2.5.1 引入数据分析方法的必要性70
2.5.2 数据分析驱动的指标设计方法70
2.6 指标体系全局框架设计73
第3章 指标平台的产品设计77
3.1 指标平台的产品定位78
3.1.1 指标平台的必要性78
3.1.2 指标平台在数据平台中的定位79
3.1.3 构建指标平台的4个目标80
3.2 指标平台的3种实现方案81
3.2.1 方案一：BI工具升级为Metrics BI平台83
3.2.2 方案二：在数据中台中增加指标管理系统85
3.2.3 方案三：基于Headless理念的Metrics Store88
3.3 构建指标平台的“四位一体”方法论89
3.3.1 “四位一体”方法论框架89
3.3.2 指标平台产品设计的3个关键目标92
3.4 指标平台的架构与功能95
3.4.1 指标平台架构设计95
3.4.2 指标平台产品功能98
第4章 指标平台的技术架构110
4.1 指标平台的技术架构概览110
4.2 指标平台的技术特色113
4.2.1 丰富的数据连接器113
4.2.2 智能化的指标计算引擎114
4.2.3 多样化的指标服务输出方式116
4.2.4 先进的OLAP数据库底盘119
4.3 指标平台的核心技术122
4.3.1 核心智能加速引擎122
4.3.2 指标智能归因134
4.3.3 与大模型结合138
第5章 零售业的经营分析指标体系141
5.1 经营分析指标体系：零售业的转型利器141
5.1.1 从商业的本质看零售业面临的挑战141
5.1.2 指标体系对回归商业本质的作用与价值144
5.2 经营分析指标体系的建设方法146
5.2.1 建设目标146
5.2.2 设计框架147
5.2.3 承载平台150
5.2.4 衍生数据产品155
5.3 经营分析指标体系的应用实践157
5.3.1 全国连锁零售商从0到1共建经营分析平台157
5.3.2 区域龙头零售商快速复制经营分析指标体系162
第6章 金融业的4K指标体系168
6.1 金融业的挑战与痛点169
6.2 4K指标体系概述170
6.2.1 4K指标体系是什么170
6.2.2 4K指标体系能做什么174
6.3 4K指标体系如何解决经营分析问题179
6.3.1 4K指标体系在某头部金融机构的应用179
6.3.2 4K指标体系在某头部证券机构的应用192
6.4 金融业4K指标体系总结与应用展望211
第7章 制造业的全链路指标控制塔213
7.1 全链路指标控制塔的概念和特点214
7.1.1 全链路指标控制塔的定义和范围214
7.1.2 全链路指标控制塔的关键特点和功能214
7.1.3 全链路指标控制塔对制造企业的重要性216
7.2 制造企业数字化管理的挑战和需求218
7.2.1 制造企业数字化管理的现状和趋势218
7.2.2 制造企业数字化管理面临的挑战219
7.2.3 全链路指标控制塔如何应对挑战和满足需求220
7.3 全链路指标控制塔的整体架构和模块223
7.3.1 数据采集和集成模块223
7.3.2 数据存储和处理模块224
7.3.3 指标定义和计算模块225
7.3.4 数据分析和可视化模块225
7.3.5 实时监控和报警模块226
7.3.6 预测和优化模块226
7.3.7 决策支持和工作流模块227
7.3.8 系统管理和安全模块228
7.4 全链路指标控制塔的实施和推广策略229
7.4.1 实施全链路指标控制塔的步骤和方法229
7.4.2 成功实施全链路指标控制塔的8个要素232
7.5 全链路指标控制塔在制造企业中的应用案例242
7.5.1 M集团的全链路指标控制塔实施242
7.5.2 J公司的数字化管理改进247
7.6 推广全链路指标控制塔的策略和建议252
7.6.1 战略规划与顶层设计252
7.6.2 基础设施建设与技术集成253
7.6.3 跨部门协同与流程重构253
7.6.4 人才培养与教育培训254
7.6.5 KPI设定与预警机制建设254
7.6.6 持续改进与文化塑造255
7.6.7 外部合作与生态共建255
7.7 全链路指标控制塔对制造企业数字化管理的重要意义256
7.7.1 实现全局可视化257
7.7.2 数据驱动决策258
7.7.3 实时异常预警和快速响应259
7.7.4 促进跨部门实时协同261
7.7.5 推动持续改进和优化262
7.7.6 适应数字化转型263
7.8 全链路指标控制塔在制造领域的应用前景265
第8章 指标平台赋能连锁加盟业态数字化经营267
8.1 指标平台为连锁加盟企业赋能268
8.1.1 连锁加盟业务特点268
8.1.2 连锁加盟业态数字化需求269
8.1.3 连锁加盟品牌的数字化建设痛点270
8.1.4 连锁加盟品牌需要的指标平台273
8.2 连锁加盟业指标平台案例分析275
8.2.1 案例背景275
8.2.2 指标平台的建设需求和目标275
8.2.3 指标平台的建设思路和技术架构277
8.2.4 指标平台建设的5个阶段280
8.2.5 指标平台的9项能力282
8.3 指标平台的4个业务价值290
8.4 案例复盘与点评294
第9章 数据民主化：人人用数，数利人人296
9.1 什么是数据民主化296
9.2 数字化转型时代集团型企业的痛点298
9.3 数据民主化的理念和价值299
9.3.1 数据消费的发展趋势299
9.3.2 数据民主化的理念301
9.4 某快消品企业的数据民主化实践之路303
9.4.1 组织结构、技术和工具、文化层面的挑战303
9.4.2 数据民主化的体验层：企业级数据资产门户310
9.4.3 数据民主化的语义层：数据资产管理314
9.4.4 数据民主化的长期保障：数据文化和能力318
9.5 数据民主化的重要性320
9.6 数据民主化实践的启示321
第10章 大模型让企业数据洞察触手可及323
10.1 大模型在数据分析中的作用324
10.1.1 大模型在数据分析场景中的优势324
10.1.2 大模型的能力及构建步骤325
10.1.3 利用自我学习能力发现数据中的潜在模式和关系328
10.2 指标在GenAI分析产品中的作用329
10.2.1 指标的语义化帮助大模型更精准对齐用户提问333
10.2.2 大模型对企业经营分析的作用334
10.3 推动数据民主化与决策制定335
10.3.1 对话式分析助手：人人都是数据分析师335
10.3.2 大模型让数据分析结果更透明、更可信337
10.4 构建基于大模型的智能分析助手的挑战337
10.4.1 技术和管理挑战337
10.4.2 大模型的幻觉问题、数据隐私和安全性挑战339
10.4.3 效果评估挑战342
10.5 大模型时代企业智能化发展之路343
10.6 未来趋势：大模型与企业指标结合345
10.6.1 大模型与企业指标的未来发展方向345
10.6.2 大模型技术如何改善数据分析过程346
展开全部
指标体系与指标平台:方法与实践 作者简介
数势科技
数势科技成立于2020年，是行业领先的数据智能产品提供商，致力于推动企业数字化升级，实现数据价值普惠化。作为国家高新技术企业和北京“专精特新”企业，其总部位于北京，在上海、武汉、广州、深圳、成都等地设有办事处，团队产研人员占比80%以上，研究生及以上学历占比30%以上。
公司拥有在大金融、高科技制造和泛零售等领域的专业洞察力及技术实力，为全球优秀企业提供基于大模型增强的数据智能产品，包括智能指标平台（SwiftMetrics）、智能分析助手（SwiftAgent）、智能标签平台（SwiftXDP）以及智能营销平台（SwiftMKT），提升企业的数字化决策能力，推动企业数字化升级。智能指标平台首家通过“中国信通院数据指标管理平台技术要求专项测试”，智能分析助手首批完成“中国信通院大模型驱动的智能数据分析工具专项测试”。
公司是北京信创工委会会员单位，产品已完成麒麟操作系统、达梦数据库、人大金仓数据库等信创适配认证，并通过ISO 27001信息安全管理体系认证、ISO 20000信息技术服务管理体系认证。数势科技
数势科技成立于2020年，是行业领先的数据智能产品提供商，致力于推动企业数字化升级，实现数据价值普惠化。作为国家高新技术企业和北京“专精特新”企业，其总部位于北京，在上海、武汉、广州、深圳、成都等地设有办事处，团队产研人员占比80%以上，研究生及以上学历占比30%以上。
公司拥有在大金融、高科技制造和泛零售等领域的专业洞察力及技术实力，为全球优秀企业提供基于大模型增强的数据智能产品，包括智能指标平台（SwiftMetrics）、智能分析助手（SwiftAgent）、智能标签平台（SwiftXDP）以及智能营销平台（SwiftMKT），提升企业的数字化决策能力，推动企业数字化升级。智能指标平台首家通过“中国信通院数据指标管理平台技术要求专项测试”，智能分析助手首批完成“中国信通院大模型驱动的智能数据分析工具专项测试”。
公司是北京信创工委会会员单位，产品已完成麒麟操作系统、达梦数据库、人大金仓数据库等信创适配认证，并通过ISO 27001信息安全管理体系认证、ISO 20000信息技术服务管理体系认证。
目前，数势科技已服务众多行业头部客户，代表客户有民生银行、江苏银行、广发银行、中金、平安、中信建投、国信证券、海通证券、沃尔玛/山姆、宝洁、永辉、绝味食品、书亦烧仙草等。
书友推荐
- >
人文阅读与收藏·良友文学丛书:一天的工作
人文阅读与收藏·良友文学丛书:一天的工作
¥14.7¥45.8 - >
苦雨斋序跋文-周作人自编集
苦雨斋序跋文-周作人自编集
¥6.9¥16.0 - >
二体千字文
二体千字文
¥14.0¥40.0 - >
随园食单
随园食单
¥15.4¥48.0 - >
伯纳黛特,你要去哪(2021新版)
伯纳黛特,你要去哪(2021新版)
¥15.9¥49.8 - >
罗曼·罗兰读书随笔-精装
罗曼·罗兰读书随笔-精装
¥20.3¥58.0 - >
新文学天穹两巨星--鲁迅与胡适/红烛学术丛书(红烛学术丛书)
新文学天穹两巨星--鲁迅与胡适/红烛学术丛书(红烛学术丛书)
¥9.9¥23.0 - >
有舍有得是人生
有舍有得是人生
¥17.1¥45.0
本类畅销
-
”互联网+“时代计算机算法的应用及其实践研究
¥19.9¥59 -
微服务设计
¥52.8¥69 -
图说深度学习:用可视化方法理解复杂概念
¥109¥188 -
计算机基础
¥17.2¥31 -
改变未来的九大算法
¥50¥68 -
生成式AI入门与AWS实战
¥77.8¥99.8
