数据驱动力 企业数据分析实战

版权声明
O'Reilly　Media， Inc．介绍
前言　xi
第　1章 数据驱动意味着什么　1
1．1　数据收集　1
1．2　数据访问　2
1．3　报表　3
1．4　报警　4
1．5　从报表和报警到分析　5
1．6　数据驱动的特征　7
1．7　分析成熟度　8
1．8　小结　12
第　2章 数据质量　13
2．1　数据质量的各个方面　14
2．2　脏数据　15
2．2．1　数据生成　16
2．2．2　数据录入　16
2．2．3　缺失数据　22
2．2．4　多重记录　24
2．2．5　截尾数据　24
2．2．6　计量单位　25
2．2．7　默认值　25
2．3　数据世系　26
2．4　数据质量是共同承担的责任　26
第3章　数据收集　29
3．1　全量收集　29
3．2　数据源的优先级　31
3．3　关联数据　33
3．4　数据收集　34
3．5　购买数据　36
3．6　数据留存　39
第4章　分析组织　41
4．1　分析师类型　41
4．1．1　数据分析师　42
4．1．2　数据工程师和分析工程师　42
4．1．3　商业分析师　43
4．1．4　数据科学家　43
4．1．5　统计学家　43
4．1．6　金融工程师　44
4．1．7　会计和财务分析师　44
4．1．8　数据可视化专家　45
4．2　分析需要团队协作　45
4．3　技能和素质　48
4．4　辅助工具　50
4．4．1　探索性数据分析和统计建模　50
4．4．2　数据库查询　51
4．4．3　文件审查和操作　52
4．5　分析组织结构　54
4．5．1　集中型　54
4．5．2　分散型　55
第5章　数据分析　58
5．1　什么是分析　59
5．2　分析的类型　60
5．2．1　描述性分析　63
5．2．2　探索性分析　65
5．2．3　推断分析　71
5．2．4　预测分析　73
5．2．5　因果分析　76
第6章　指标设计　78
6．1　指标设计　79
6．1．1　简单　79
6．1．2　标准化　79
6．1．3　准确　80
6．1．4　精确　81
6．1．5　相对和绝对　81
6．1．6　稳健　82
6．1．7　直接　83
6．2　KPI　84
6．2．1　KPI案例　85
6．2．2　多少个KPI　86
6．2．3　KPI的定义和目标　87
第7章　用数据讲故事　89
7．1　讲故事　89
7．2　第 一步　92
7．2．1　想达到什么目的　92
7．2．2　受众是谁　92
7．2．3　使用什么媒介　93
7．3　大力推销　93
7．4　数据可视化　94
7．4．1　选择图表　94
7．4．2　设计图表元素　97
7．5　传达　101
7．5．1　信息图　101
7．5．2　仪表板　103
7．6　小结　106
第8章　A/B测试　108
8．1　为何要做A/B测试　111
8．2　怎么做：A/B测试中的最佳实践　112
8．2．1　实验之前　112
8．2．2　运行实验　117
8．3　其他方法　119
8．3．1　多变量测试　119
8．3．2　贝叶斯定理的“强盗”　120
8．4　文化内涵　121
第9章　决策　123
9．1　决策制定得如何　124
9．2　是什么让决策变得困难　127
9．2．1　数据　128
9．2．2　文化　129
9．2．3　认知障碍　130
9．2．4　直觉会在何处奏效　133
9．3　解决方案　134
9．3．1　动机　135
9．3．2　能力　136
9．3．3　触发器　139
9．4　小结　139
第　10章 数据驱动型文化　141
10．1　开放、信任的文化　142
10．2　广泛的数据通识　144
10．3　目标优先的文化　145
10．4　求知好问的文化　146
10．5　迭代、学习型的文化　147
10．6　反HiPPO文化　149
10．7　数据领导　149
第　11章 数据驱动型的首席高管　151
11．1　首席数据官　152
11．1．1　首席数据官的职责　153
11．1．2　成功的秘密　155
11．1．3　首席数据官的未来　158
11．2　首席分析官　159
11．3　小结　162
第　12章 隐私、道德和风险　164
12．1　尊重隐私　165
12．2　要有同理心　168
12．3　数据质量　172
12．4　安全　173
12．5　执行　174
12．6　小结　174
第　13章 结论　176
扩展阅读　181
附录A　关于数据不合理的有效性：为什么数据越多越好　183
附录B　愿景声明　189
关于作者　192
关于封面　192