中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
這才是BI該做的事:數據驅動從0到1 版權信息
- ISBN：9787302657101
- 條形碼：9787302657101 ; 978-7-302-65710-1
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
這才是BI該做的事:數據驅動從0到1 本書特色
深入闡述BI團隊應發揮的核心價值；
全書貫穿電商、教育、外賣領域的實操案例；
剖析BI指標體系的設計模型與使用場景；
五大專題詳述BI如何創造業務價值；
這才是BI該做的事:數據驅動從0到1 內容簡介
本書以 BI 負責人的視角介紹 BI 分析師的核心工作和應具備的核心技能，并分析 BI 創造價值的專題，理論和實例并重。全書分為四部分： **部分（第 1、2 章）為 BI 概述與團隊組建，從介紹 BI 分析的基本概念說起，包含BI 職責與數據驅動的概述，以及組建團隊時需要考慮的能力模 型、團隊選型、團隊管理。第二部分（第 3、4 章）為 BI 體系搭建基礎知識，包括數據獲取與管理，指標體系的概念、設計模型與使用場景。第三部分（第 5 ～ 9 章）為 BI 創造價值專題，包括增長、價值主張、盈利、體驗、風控五大專題。第四部分（第 10、11 章）為回顧與展望，從衣、食、住、行、學五個方面回顧數據已經帶來的變化與未來可預期的變化，*后從進化的視角探討應對人工智能范式轉移的策略。 對于想要通過數據驅動業務、改善決策質量的互聯網從業者來說，本書應該是一本非常實用的參考書。
這才是BI該做的事:數據驅動從0到1 目錄
**部分? BI 概述與團隊組建
第 1 章? BI 分析概述? /? 2
1.1 從“分析”的概念說起 / 3
1.1.1 常見的分析概念 / 3
1.1.2 BI 分析的概念 / 8
1.2 BI 分析行業現狀與 BI 的職責 / 9
1.2.1 沒有什么不在被數字化 / 9
1.2.2 我們相信上帝，但其他人必須提供數據 / 14
1.2.3 BI 團隊的職責 / 15
1.2.4 BI 團隊的常見分類 / 16
1.3 數據驅動概述 / 17
1.3.1 數據驅動業務的衡量維度 / 17
1.3.2 數據驅動業務的大體流程 / 19
第 2 章? 組建 BI 團隊? /? 22
2.1 “人”：數據分析師畫像 / 23
2.1.1 分析師通用能力 / 23
2.1.2 不同部門對應的 BI 分析師特征 / 24
2.1.3 不同任務屬性對應的 BI 分析師特征 / 25
2.2 BI 團隊的架構設置與部門間協作 / 27
2.2.1 BI 團隊外部架構 / 27
2.2.2 BI 跨部門協作機制 / 29
2.3 團隊管理 / 32
2.3.1 團隊選型 / 32
2.3.2 團隊運作機制 / 36
第二部分? BI 體系搭建基礎知識
第 3 章? 數據獲取與管理? /? 40
3.1 數據采集（以外賣業務為例） / 41
3.1.1 數據源類型 / 41
3.1.2 數據源的信息結構 / 44
3.1.3 數據傳輸與存儲 / 46
3.2 數據質量管理 / 49
3.2.1 數據質量標準 / 49
3.2.2 數據質量治理 / 50
3.3 新型數據源 / 52
3.3.1 關注傳感器的數據 / 52
3.3.2 音頻、視頻等非結構化數據的解析與應用 / 53
3.3.3 標注數據 / 55
第 4 章? 搭建指標體系? /? 57
4.1 指標體系的概念、作用和衡量標準 / 58
4.1.1 指標體系的概念 / 58
4.1.2 指標體系的作用 / 60
4.1.3 指標體系的衡量標準（以外賣場景為例） / 64
4.2 指標體系的設計模型 / 66
4.2.1 **關鍵指標法（以電商和在線教育為例） / 67
4.2.2 OSM 模型（以在線教育為例） / 69
4.2.3 AARRR 海盜指標法（以在線教育為例） / 73
4.2.4 用戶旅程地圖模型（以電商為例） / 75
4.3 指標體系的開發流程 / 78
4.4 指標體系的使用場景（以外賣業務為例） / 78
4.4.1 日維度業務監控 / 78
4.4.2 周維度業務診斷 / 80
4.4.3 月維度業務復盤 / 82
4.4.4 支持日常業務決策 / 84
第三部分? BI 創造價值專題
第 5 章? 專題：增長? /? 88
5.1 概念 / 89
5.1.1 增長黑客的概念 / 89
5.1.2 增長金字塔：找到市場契合點和價值投遞引擎 / 90
5.1.3 增長黑客的運營機制 / 92
5.2 數據科學的演繹 / 95
5.2.1 人工智能的高光時刻 / 95
5.2.2 提煉算法替代決策的機會點 / 96
5.2.3 2% 的人通過機器控制 98% 的人 / 97
5.2.4 提問題的能力才是核心能力 / 99
5.3 數據驅動增長的案例（以在線教育為例） / 101
5.3.1 獲客：注冊 / 102
5.3.2 激活：轉化 / 103
5.3.3 留存：退費 / 104
5.3.4 盈利：續費 / 105
5.3.5 傳播：轉介紹 / 107
5.3.6 附：增長分析中常用的算法模型 / 108
第 6 章? 專題：價值主張? /? 110
6.1 實現價值主張的分析方法 / 111
6.1.1 **性原理：抓住本質 / 111
6.1.2 爬樓梯策略：窮盡方法 / 113
6.2 數據驅動價值主張的實現（以在線教育為例） / 115
6.2.1 提高運營效率 / 115
6.2.2 提高學習效果 / 118
6.3 數據驅動價值主張的實現（以外賣業務為例） / 122
6.3.1 外賣平臺的出現是社會的進步 / 122
6.3.2 多、快、好、省 / 123
第 7 章? 專題：盈利? /? 130
7.1 盈利能力分析 / 132
7.1.1 傳統的盈利能力分析：賺更多錢 / 132
7.1.2 新業務的盈利能力分析：賺 1 塊錢 / 133
7.2 制定業務目標 / 135
7.2.1 制定目標的“格柵思維” / 135
7.2.2 目標預測的模型類型 / 136
7.2.3 制定目標的決策體系：格柵模型 / 143
7.2.4 目標管理的長遠意義：鍛造持續成功的團隊 / 145
7.3 增長結構優化 / 146
7.3.1 增長引擎的類型 / 146
7.3.2 數據驅動增長引擎（以在線教育業務為例） / 147
7.4 單位經濟效益優化：毛利分析 / 150
7.4.1 確定毛利目標（以外賣業務為例） / 150
7.4.2 優化毛利結構（以外賣業務為例） / 152
第 8 章? 專題：體驗? /? 157
8.1 用戶體驗概述 / 158
8.1.1 概念 / 158
8.1.2 度量模型 / 158
8.1.3 用戶體驗分析方法 / 161
8.2 用戶體驗分析應用 / 162
8.2.1 搭建體驗指標體系（以外賣業務為例） / 162
8.2.2 問卷調研 / 163
8.2.3 KANO 模型 / 166
8.2.4 文本挖掘 / 168
8.2.5 關聯用戶行為與評價、調研 / 170
第 9 章? 專題：風控? /? 172
9.1 概述 / 174
9.1.1 風控的概念 / 174
9.1.2 風控的特征 / 174
9.1.3 風控不利可能造成的影響 / 176
9.2 風險感知（以外賣業務為例） / 177
9.2.1 掃描業務流程與策略，鎖定風控點 / 177
9.2.2 異常值分析與離群點監測 / 179
9.2.3 客服數據監測 / 180
9.3 風險分析（以外賣業務為例） / 181
9.3.1 描述性分析 / 181
9.3.2 根本原因分析 / 183
9.3.3 共同因素分析 / 184
9.4 風險治理 / 186
9.4.1 治理的環節 / 186
9.4.2 治理的策略 / 187
第四部分? 回顧與展望
第 10 章? 數據驅動隨處可見? /? 190
10.1 衣 / 191
10.1.1 SHEIN 是什么 / 191
10.1.2 SHEIN 的數據驅動的運營機制 / 192
10.2 食 / 196
10.2.1 編輯基因—獲得更好的西紅柿種子 / 196
10.2.2 數據驅動，提高種植效率 / 197
10.2.3 數據驅動，提高交易效率 / 199
10.2.4 數據驅動，提煉市場信號 / 200
10.3 住 / 201
10.3.1 比爾·蓋茨的未來之家 / 201
10.3.2 交互：基于語言交互的智能音響 / 202
10.3.3 領會意圖：環境計算 / 203
10.4 行 / 205
10.4.1 擁有不出行的選擇：在線生活和工作 / 205
10.4.2 提高出行效率：網約車平臺 / 206
10.4.3 智慧交通：單車智能、車路協同 / 208
10.5 學 / 209
10.5.1 搜索信息 / 209
10.5.2 在線教育 / 211
10.5.3 人工智能與教育 / 212
第 11 章? 數量與質量：結合人工智能的競爭優勢? /? 216
11.1 科學 / 217
11.2 還原 / 218
11.3 變異 / 219
11.4 概率 / 220
11.5 涌現 / 221
11.5.1 層創進化 / 221
11.5.2 吸引與排斥 / 222
11.5.3 元素與網絡 / 223
11.6 智能 / 225
11.6.1 人類和果蠅有什么差別 / 225
11.6.2 人類和黑猩猩有什么差別 / 225
11.6.3 人和機器有什么差別 / 226
11.6.4 結合人工智能的競爭策略 / 226
第 1 章? BI 分析概述? /? 2
1.1 從“分析”的概念說起 / 3
1.1.1 常見的分析概念 / 3
1.1.2 BI 分析的概念 / 8
1.2 BI 分析行業現狀與 BI 的職責 / 9
1.2.1 沒有什么不在被數字化 / 9
1.2.2 我們相信上帝，但其他人必須提供數據 / 14
1.2.3 BI 團隊的職責 / 15
1.2.4 BI 團隊的常見分類 / 16
1.3 數據驅動概述 / 17
1.3.1 數據驅動業務的衡量維度 / 17
1.3.2 數據驅動業務的大體流程 / 19
第 2 章? 組建 BI 團隊? /? 22
2.1 “人”：數據分析師畫像 / 23
2.1.1 分析師通用能力 / 23
2.1.2 不同部門對應的 BI 分析師特征 / 24
2.1.3 不同任務屬性對應的 BI 分析師特征 / 25
2.2 BI 團隊的架構設置與部門間協作 / 27
2.2.1 BI 團隊外部架構 / 27
2.2.2 BI 跨部門協作機制 / 29
2.3 團隊管理 / 32
2.3.1 團隊選型 / 32
2.3.2 團隊運作機制 / 36
第二部分? BI 體系搭建基礎知識
第 3 章? 數據獲取與管理? /? 40
3.1 數據采集（以外賣業務為例） / 41
3.1.1 數據源類型 / 41
3.1.2 數據源的信息結構 / 44
3.1.3 數據傳輸與存儲 / 46
3.2 數據質量管理 / 49
3.2.1 數據質量標準 / 49
3.2.2 數據質量治理 / 50
3.3 新型數據源 / 52
3.3.1 關注傳感器的數據 / 52
3.3.2 音頻、視頻等非結構化數據的解析與應用 / 53
3.3.3 標注數據 / 55
第 4 章? 搭建指標體系? /? 57
4.1 指標體系的概念、作用和衡量標準 / 58
4.1.1 指標體系的概念 / 58
4.1.2 指標體系的作用 / 60
4.1.3 指標體系的衡量標準（以外賣場景為例） / 64
4.2 指標體系的設計模型 / 66
4.2.1 **關鍵指標法（以電商和在線教育為例） / 67
4.2.2 OSM 模型（以在線教育為例） / 69
4.2.3 AARRR 海盜指標法（以在線教育為例） / 73
4.2.4 用戶旅程地圖模型（以電商為例） / 75
4.3 指標體系的開發流程 / 78
4.4 指標體系的使用場景（以外賣業務為例） / 78
4.4.1 日維度業務監控 / 78
4.4.2 周維度業務診斷 / 80
4.4.3 月維度業務復盤 / 82
4.4.4 支持日常業務決策 / 84
第三部分? BI 創造價值專題
第 5 章? 專題：增長? /? 88
5.1 概念 / 89
5.1.1 增長黑客的概念 / 89
5.1.2 增長金字塔：找到市場契合點和價值投遞引擎 / 90
5.1.3 增長黑客的運營機制 / 92
5.2 數據科學的演繹 / 95
5.2.1 人工智能的高光時刻 / 95
5.2.2 提煉算法替代決策的機會點 / 96
5.2.3 2% 的人通過機器控制 98% 的人 / 97
5.2.4 提問題的能力才是核心能力 / 99
5.3 數據驅動增長的案例（以在線教育為例） / 101
5.3.1 獲客：注冊 / 102
5.3.2 激活：轉化 / 103
5.3.3 留存：退費 / 104
5.3.4 盈利：續費 / 105
5.3.5 傳播：轉介紹 / 107
5.3.6 附：增長分析中常用的算法模型 / 108
第 6 章? 專題：價值主張? /? 110
6.1 實現價值主張的分析方法 / 111
6.1.1 **性原理：抓住本質 / 111
6.1.2 爬樓梯策略：窮盡方法 / 113
6.2 數據驅動價值主張的實現（以在線教育為例） / 115
6.2.1 提高運營效率 / 115
6.2.2 提高學習效果 / 118
6.3 數據驅動價值主張的實現（以外賣業務為例） / 122
6.3.1 外賣平臺的出現是社會的進步 / 122
6.3.2 多、快、好、省 / 123
第 7 章? 專題：盈利? /? 130
7.1 盈利能力分析 / 132
7.1.1 傳統的盈利能力分析：賺更多錢 / 132
7.1.2 新業務的盈利能力分析：賺 1 塊錢 / 133
7.2 制定業務目標 / 135
7.2.1 制定目標的“格柵思維” / 135
7.2.2 目標預測的模型類型 / 136
7.2.3 制定目標的決策體系：格柵模型 / 143
7.2.4 目標管理的長遠意義：鍛造持續成功的團隊 / 145
7.3 增長結構優化 / 146
7.3.1 增長引擎的類型 / 146
7.3.2 數據驅動增長引擎（以在線教育業務為例） / 147
7.4 單位經濟效益優化：毛利分析 / 150
7.4.1 確定毛利目標（以外賣業務為例） / 150
7.4.2 優化毛利結構（以外賣業務為例） / 152
第 8 章? 專題：體驗? /? 157
8.1 用戶體驗概述 / 158
8.1.1 概念 / 158
8.1.2 度量模型 / 158
8.1.3 用戶體驗分析方法 / 161
8.2 用戶體驗分析應用 / 162
8.2.1 搭建體驗指標體系（以外賣業務為例） / 162
8.2.2 問卷調研 / 163
8.2.3 KANO 模型 / 166
8.2.4 文本挖掘 / 168
8.2.5 關聯用戶行為與評價、調研 / 170
第 9 章? 專題：風控? /? 172
9.1 概述 / 174
9.1.1 風控的概念 / 174
9.1.2 風控的特征 / 174
9.1.3 風控不利可能造成的影響 / 176
9.2 風險感知（以外賣業務為例） / 177
9.2.1 掃描業務流程與策略，鎖定風控點 / 177
9.2.2 異常值分析與離群點監測 / 179
9.2.3 客服數據監測 / 180
9.3 風險分析（以外賣業務為例） / 181
9.3.1 描述性分析 / 181
9.3.2 根本原因分析 / 183
9.3.3 共同因素分析 / 184
9.4 風險治理 / 186
9.4.1 治理的環節 / 186
9.4.2 治理的策略 / 187
第四部分? 回顧與展望
第 10 章? 數據驅動隨處可見? /? 190
10.1 衣 / 191
10.1.1 SHEIN 是什么 / 191
10.1.2 SHEIN 的數據驅動的運營機制 / 192
10.2 食 / 196
10.2.1 編輯基因—獲得更好的西紅柿種子 / 196
10.2.2 數據驅動，提高種植效率 / 197
10.2.3 數據驅動，提高交易效率 / 199
10.2.4 數據驅動，提煉市場信號 / 200
10.3 住 / 201
10.3.1 比爾·蓋茨的未來之家 / 201
10.3.2 交互：基于語言交互的智能音響 / 202
10.3.3 領會意圖：環境計算 / 203
10.4 行 / 205
10.4.1 擁有不出行的選擇：在線生活和工作 / 205
10.4.2 提高出行效率：網約車平臺 / 206
10.4.3 智慧交通：單車智能、車路協同 / 208
10.5 學 / 209
10.5.1 搜索信息 / 209
10.5.2 在線教育 / 211
10.5.3 人工智能與教育 / 212
第 11 章? 數量與質量：結合人工智能的競爭優勢? /? 216
11.1 科學 / 217
11.2 還原 / 218
11.3 變異 / 219
11.4 概率 / 220
11.5 涌現 / 221
11.5.1 層創進化 / 221
11.5.2 吸引與排斥 / 222
11.5.3 元素與網絡 / 223
11.6 智能 / 225
11.6.1 人類和果蠅有什么差別 / 225
11.6.2 人類和黑猩猩有什么差別 / 225
11.6.3 人和機器有什么差別 / 226
11.6.4 結合人工智能的競爭策略 / 226
展開全部
這才是BI該做的事:數據驅動從0到1 作者簡介
正在攻讀杜克大學跨學科數據科學碩士（MIDS）項目，擁有中國人民大學歷史專業本科學位。曾在滴滴擔任國家決策支持部負責人，兼任日本、巴西外賣分析團隊負責人；火花思維商業智能部負責人；VIPKID高級數據分析經理；華為擔任高級工程師。帶領團隊在零售、教育、外賣等領域實現數據驅動，在供給側與需求側、互聯網與傳統企業、國內和國際業務領域都積累了豐富的實戰經驗。
書友推薦
- >
史學評論
- >
羅庸西南聯大授課錄
- >
月亮與六便士
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
名家帶你讀魯迅:故事新編
- >
中國歷史的瞬間
- >
小考拉的故事-套裝共3冊
- >
有舍有得是人生
本類暢銷
