新書推薦:
《
图以载道——传统绘画的图像叙事
》
售價:NT$
390.0
《
骨科康复学(第2版)
》
售價:NT$
1140.0
《
笔记启蒙 : 英国皇家学会与科学革命
》
售價:NT$
390.0
《
汉语副词研究论集(第六辑)
》
售價:NT$
490.0
《
干戈之影:商代的战争观念、武装者与武器装备
》
售價:NT$
340.0
《
镶嵌之美:古希腊罗马的马赛克艺术
》
售價:NT$
1390.0
《
后希腊化哲学:从斯多亚学派到奥利金的发展研究
》
售價:NT$
349.0
《
别纠结啦:不被情绪牵着走的通透生活指南(“当代一休”小池龙之介治愈新作!附赠精美书签!)
》
售價:NT$
295.0
|
編輯推薦: |
大数据是智能革命的核心。大数据背后的基本思想是,人类一切行为都会留下数字痕迹(或数据),我们(或他人)可以对其加以利用,变得更加智慧。掌握数量日益增加的数据并利用技术能力将其转化成具有商业价值的想法,是推动新世界的主要力量。无疑大数据正在改变世界,我们的居住、择偶、治疗癌症、科研、提升绩效、管理城市、治理国家和管理企业的方式都因此而发生完全改变。
本书从如何使用大数据的角度入手,给出了一套详细且可行的分析框架,以简明扼要的方式教会我们如何从庞杂的数据中生成一个完整的解决方案。尤为重要的是,该书深刻地揭示了大数据分析所需要的智能化思维方式,对企业的科学决策有着至关重要的作用,同时对政府和学者掌握大数据技术有着非常好的指导意义。
|
內容簡介: |
本书提出一种SMART方法,助你建立智能业务,掌控大数据的力量,无论企业大小。全文结构依据SMART方法展开,每章讲解模型的一部分,然后提供一些有用的案例。
全书共6章,第1章主要介绍当前使用大数据进行商业分析的一些成功案例,从这些案例中可以发现大数据的魅力。第2章介绍制定战略时,需要先抛开数据,从企业目标和愿景开始,切合实际地找到适合自己企业的战略。第3章主要介绍商业数据的分类,可分为文本数据、声音数据、图像数据、视频数据和传感器数据,并介绍这些不同类别数据的特点。第4章介绍数据的分析方法,包括文本分析、语义分析、视频图像分析、联合分析等分析方法,通过使用这些方法,从大数据中提取有用的想法,回答战略问题。第5章着重介绍数据可视化的形式,包括图形和表格、传统的报告、显示地图、文本、数据、行为、情绪和联系的信息图,并介绍进行数据可视化应注意的问题。第6章介绍使用大数据改变商业运行模式的典型案例,主要包括:美国零售超市Target的怀孕预测模型、沃尔玛超市通过大数据处理改进优化业务流程、亚马逊运用大数据分析来改进业务流程和零售体验、早产婴儿房的大数据监控、个人分析和健康监控设备、IBM的智能分析平台SlamTracker研究网球锦标赛、飞机引擎制造商劳斯莱斯的大数据运营商业模式等。
通过对这些案例的讲解,使读者进入大数据的世界了解到大数据前沿应用者正在以闻所未闻的方式改变着商业模式。
|
關於作者: |
Bemard Marr(伯纳德·马尔):一位商业畅销书作家,大数据、分析学、战略管理、绩效管理和关键业绩指标方面的主题演讲者和咨询师。他帮助公司收集和分析数据,借此改进战略决策和经营业绩。他和世界上诸多大公司、组织及政府的尖端合作获得了广泛的称赞,作为一位咨询师、研究员和老师,他屡获大奖。被《首席执行官日报》称为当今世上的**商业智囊,LinkedIn提名入围世界前100名商业影响者。
译者简介
秦磊,毕业于中央财经大学统计与数学学院,获经济学博士学位。现为对外经济贸易大学统计学院讲师,硕士生导师,对外经济贸易大学大数据与风险管理研究中心成员,研究方向为数据挖掘。
曹正凤,统计学博士,人大经济论坛大数据中心总工程师,人大经济论坛Hadoop大数据分析师培训负责人,北京石油化工学院实验师。致力于大数据分析前沿领域研究,主持人大经济论坛基于Hadoop架构的论坛主题推荐系统项目,参与国家社科基金项目《基于大数据整合的空气质量测度方法研究》,发表多篇论文。出版著作《从零进阶:数据分析的统计
|
目錄:
|
引 言 欢迎来到更为智能的世界 1
智能运动 2
智能保健 3
智能家居 4
智能恋爱 5
智能育儿 6
第 1 章 商业智能化 8
谁是大数据用户? 9
公司是如何运用大数据的 11
别慌! 15
专心收获成果 16
第 2 章 S:制定智能战略 19
大数据世界,小就是美 22
SMART 战略板 25
梨树隐喻 27
实践中的 SMART 战略板 29
问对了问题是成功的一半 35
SMART 分析技术和谷歌 37
案例研究:Oxygen 计划 38
重点和行动纲领 43
第 3 章 M:度量指标和数据 44
数据类型 45
结构化数据 46
非结构化数据和半结构化数据 47
内部数据 48
外部数据 49
数据库:数据的新形式 50
活动数据 51
会话数据 54
照片和音频数据 55
传感器数据 58
物联网 61
大数据的分解 63
大数据反弹 64
如何测量和使用数据来获得战略性优势 67
确认你需要测量的数据 68
行动上的指标和数据 80
重点和行动纲领 82
第 4 章 A:运用数据分析技术 84
文本分析法 87
文本归类 88
文本收集 88
概念提取 89
情感分析 89
文件归纳 94
小结 94
言语分析法 96
小结 97
视频和图像分析技术 99
人脸识别 100
行为分析 102
态势感知 104
视频图像分析技术已经被投入使用 104
负面效应 107
联合分析技术 108
联合分析技术的医疗应用 108
联合分析技术的其他应用 110
被点赞说明什么 112
透明度 115
不断创造附加值 119
预测 VS .隐私 120
做正确的事! 122
重点和行动纲领 123
第 5 章 R:展示数据分析结果 125
数据可视化 126
新式数据可视化 131
展示地图 131
展示文本 132
展示数据 134
展示行为和情绪 135
展示关联 136
无限可能 139
如何提升数据可视化水平 141
信息图表 143
注意自助式商业智能工具 148
成功的数据可视化和信息图的要素 152
管理仪表盘 154
终有一日壮志凌云 155
开发管理仪表盘 158
重点和行动纲领 161
第 6 章 T:改变商业模式 163
更好地理解并定位客户 164
改进优化业务流程 168
提高人们的健康和幸福水准 170
增强安全性,减少欺诈 175
鼓励提高企业和员工业绩 176
改善工作场所和其他基础设施的条件 180
新的商业机遇 181
智能化也将改变就业 187
重点和行动纲领 190
结论 192
关于作者 197
致谢 199
|
內容試閱:
|
商业智能化
大数据是智能革命的核心。大数据背后的基本思想是,人类一切行为都会留下数字痕迹(或数据),我们(或他人)可以对其加以利用,变得更加智慧。掌握数量日益增加的数据并利用技术能力将其转化成具有商业价值的想法,是推动新世界的主要力量。
无疑,大数据在改变世界。我们的居住、择偶、治疗癌症、科研、提升绩效、管理城市、治理国家和管理企业的方式都因此而发生了完全的改变。因此,出现了对大数据大量的吹捧和赞美。人人都在谈论大数据。大数据也是各个董事会以及包括《经济学人》、《财富》和《哈佛商业评论》在内的商业出版物经常探讨的热门话题,甚至连主流媒体也加入了。但是尽管人人都在发声,多数人仍不理解何为大数据,几乎没人知道如何利用。就个人而言,我不太喜欢这个新词,因为它过于简化,可能误导人。诚然,如今,我们追踪和记录一切信息,所以我们确实拥有获取海量数据的潜在能力——也就提出了大数据的概念。但是真正的价值不在于数据多少,而在于我们如何利用。与数据量相比,掌握分析大量复杂数据的能力才让我们与过去不同。云计算与升级的网络和创新的数据分析能力相连接,让我们能够将海量复杂的数据转换为价值。除此之外,分析能力的取得不再依赖建造超级计算机。也就是说,任何能够运用大数据的企业、政府部门或个人都能提高决策能力。
分析所谓“非结构化数据”的能力作用巨大(更多内容见第3章)。基本上,非结构化数据不易存储,在传统格式和数据库(如电子邮件交流、社交网络帖子、视频内容、照片、录音和声音等)中难以索引。将无序复杂的数据与更传统的数据融合是价值所在。许多公司开始利用大数据分析技术完善传统数据分析流程,以增加利润,提升认识,更明智地决策。从效果上看,大数据应该指代智能数据,同时,我认为大数据一词会逐渐消失,而智能数据的收集和使用必将长存。
谁是大数据用户?
该领域主要选手是:亚马逊、谷歌、沃尔玛和Facebook 等巨头,且已经取得相当成就。例如,沃尔玛每小时处理的消费交易超过100万次,交易数据所占空间为500万亿字节。沃尔玛现在可将数据与多种资源联系在一起,包括客户历史采购记录和手机定位信息、内部存货控制记录、社交媒体和外部来源消息(如天气),并发起定向促销活动。例如,如果你从沃尔玛买了烧烤相关的产品,你的位置处在距离一家沃尔玛门店 3 英里半径范围内,且阳光明媚,沃尔玛就会向你的手机发送一张烧烤架清洁剂打折券!
另一个例子是我的一个客户,那是一家领先的通信公司,正在使用大数据分析预测消费者满意度和潜在流失率。根据电话、短信和社交媒体数据分析,该公司能将消费者分成不同的类别。分析显示,某类消费者更倾向于取消订单,转投竞争者。这类极为有用的信息帮助该公司密切监测消费者满意度,并采取优先措施防止流失,维持满意度。
今天,即使是中端车也配有40个微处理器监测运行状况。这些电子设备通常占新车成本的三分之一左右。当然,汽车制造商产生、收集并分析这些信息也带来了明显的竞争优势。一家汽车公司与第三方分析公司合作发现,一台由德国供应商提供的油箱传感器性能糟糕。该汽车公司可以告知供应商,要求他们修复,但是与该供应商合作的其他公司也能享用这个改进。所以,该公司开发了一个软件补丁修复这一问题,申请专利,然后将其回卖给了供应商。
大数据正在改变商业本质,重塑制造业、保健、零售、农业等各行各业。每个可感知活动的信息率和可收集的信息量意味着,在微调流程和业务操作,以及消除*后一点低效率方面,机遇越来越多。
公司是如何运用大数据的
不同行业对此的回应方式不一。零售行业尽可能地收集消费者生活的各类信息,以期高效地满足不断变化的消费需求。制造业寻求精简流程,记录和改良装备校准设定,监测产品存储环境,调节周围环境,**限度地降低流失和浪费。
对跨国公司来说,这意味着从全球工厂收集和分析信息,然后研究细微变量,消化和理解研究成果。
例如,2013年,制药巨头Merck公司使用分析技术大幅降低由生产环境条件变化导致的浪费。该公司在三个月的时间里,针对550万批次疫苗的独立生产数据进行了共150亿次运算。这使得他们发现发酵过程中的**工况,一旦美国食品药品管理局批准,可大幅提高产出。
2014年,机动车研究中心的一份报告显示,先进的IT解决方案和大数据带来的进步是“创新引擎”。该报告强调了机动车和汽车行业正在日趋复杂化,是汽车制造商的**挑战。
每台机器和每个人在产品制造过程中的效率都可以得到记录,这样公司知道什么有效,以及如何做出必要改进。
在农业方面,数据分析正在为应对粮食增产的挑战做出贡献,专家预测,到2050 年,世界粮食产量必须提高 60%才能养活不断增加的人口。拖拉机和农机制造商John Deere公司已经在其产品中安装传感器。农户可访问myjohndeere.com获取数据,一项名为Farmsight的服务帮助农民为农作物生长创造**条件。而且,该数据还能帮助John Deere公司推测零部件更换需求。
当然,对企业来说,产品种出来或生产出来后还要卖出去。零售巨头收集的包括你我在内的顾客信息告诉他们,谁会买什么,以及何时何地购买。例如,亚马逊使用S3系统监测数百万条存货信息,这些存货位于全球数十个仓库和分销中心。操作员能实时追踪送货信息,了解货物位置和去向。
在销售时,零售商使用数据决定存货的展示位置,发现哪家门市销售的某款产品*多,并追踪消费者的店内移动方式。优惠卡不是什么新事物,但是对消费习惯日益复杂的分析会让商家多派发优惠卡,从而预测消费者的购买选择。这项技术的进步让亚马逊相信,很快,在你买东西之前,精准预测就会使优惠卡派发到你的手中。
互联性也在改变着商业形态。2014年,Cisco公司宣布,将为在融合虚拟和实体世界领域打拼的初创企业提供1.5亿美元的资金。对一个企业来说,将生产、库存控制、分销和安全系统互联互通,会极大地提升效率并减少浪费。GE 公司将数据和机器的融合称为“产业互联网”,并认为此举将为全球产业避免1500亿美元的浪费。
工业的各个领域都在学习利用大数据分析技术,显然,发现收集、存储和分析数据的新方法,将是可预见的未来中企业发展的重头戏之一。
即使是人力资源管理这样主观和人性化的事物也在经历大数据变革。发现和留住合适的人才是多数企业面临的棘手问题。人才管理充满挑战,失败的管理和领导层会带来严重损失。据估计,管理层失败的平均成本为270万美元。 3公开数据显示,糟糕领导的比例在33%到67% 之间。也就是说,目前,三分之一到三分之二的领导层人员都是不称职的。
不仅是财务成本,失败的高管任命也会带来客观的隐性成本,包括流失的机遇、不理想的公共关系、品牌损失、生产率低下,以及员工离职和疏远。糟糕的领导对员工士气的影响很严重:40%的美国雇员认为工作有压力;75%的成年工作者表示,工作中**的压力来自直接上司。任何职位上的任何失误都可能造成事故。而首席执行官或领导者的错误任命则可导致灾难。
要知道,雇员是公司*重要的资产,也可能成为**的负债,这是有数据支撑的。难怪,企业会对诸如Evolv等大数据解决方案感兴趣。
Evolv是一个软件工具,将来自13个国家、18个行业的5亿多个数据点融合在一起,囊括燃气价格、失业率、社交媒体使用、居民旅行或工作时间、与经理的沟通频率等各项内容,协助评估并了解员工和候选人。尽管数据收集方式包括富有争议的智能门禁卡(可监控雇员动作和与他人互动的内容 ,但包括美国银行在内的客户对此很满意。
据称,仅通过允许更多的员工一起休息的方式,美国银行就将绩效标准提升了23%,将压力水平(通过测量被试者声音取得)降低了19%。
该软件正在被用来进行多项预测, 包括雇员在一份工作上的停留时间。Evolv也得到了一些既神奇又意想不到的结论,例如,一些类型的工作中(比如呼叫中心),有犯罪记录的雇员表现好于没有犯罪记录的雇员。还有,改变电脑上默认的浏览器设置,使用非标准浏览器(如Firefox或Chrome)的雇员表现好于使用电脑默认浏览器(如Internet Explorer或Safari)的雇员。(当然,现在大家也都知道,人们可以操纵预测因素,在采访前,改变默认的浏览器设置,从而使预测无效。)
尽管此类大数据分析目前聚焦于客户服务领域,但引起高管层的关注也只是时间问题。当然,提升高管绩效对公司的益处巨大,因此,大数据解决方案当然值得考虑。根据研究机构经济学人智能库(Economist Intelligence Unit)的数据,2010年以来,逾半数的人力资源管理部门采用了数据分析技术。
|
|