来源:蜘蛛抓取(WebSpider)
时间:2015-08-04 06:09
标签:
创新思维包括哪些方面
百度知道搜索_作者用以下哪些例子来阐述思维要有可操作性?()大数据分析:用互联网思维创造惊人价值_百度百科
关闭特色百科用户权威合作手机百科
收藏 查看&大数据分析:用互联网思维创造惊人价值
《大数据分析:用互联网思维创造惊人价值》重点阐述如何通过大数据分析从企业数据资产中创造商业价值,也即起始于一个业务目标或问题的分析,将分散的不同数据源整合在一起,对未来做出预测,以可衡量的结果引导商业行动。全书内容丰富,共有19章,各章之间既相互承接亦单独成文,总体内容如下:商业分析概述;基于数据管理基础,如何开展商业分析的流程;各种分析技术和实践;分析沟通、创新及分析未来展望。 《大数据分析:用互联网思维创造惊人价值》两位作者在超过50个国家有20年左右的分析实践经验,因此本书的实用性和可操作性很强。另外,《大数据分析:用互联网思维创造惊人价值》并非专业性很强的技术书,而是一本企事业单位经营管理人员、市场营销人员和其他对数据分析感兴趣的人员都可以阅读的通俗易懂的图书。高等院校经济管理、信息管理系统、市场营销、计算机、数学和统计分析等相关专业的师生亦可将本书作为学习参考用书。作&&&&者伊森 (Jean Paul Isson)出版社人民邮电出版社页&&&&数347页开&&&&本16品&&&&牌博库类&&&&型人文社科出版日期日语&&&&种简体中文ISBN
《大数据分析:用互联网思维创造惊人价值》聚焦于“大数据分析”这一炙手可热的领域,既有目前最热门的大数据分析和预测分析,还有移动互联网分析、非结构化数据分析等非常具有实用价值和前瞻性的内容,带你一起客观审慎地对待已有的大数据优势,学会用数据说话,实现全企业层面的精确管理和精确营销、销售、服务。 《大数据分析:用互联网思维创造惊人价值》二位作者都是世界顶级的分析大师,在全球范围内享有盛誉,曾为多家著名大公司服务;译者团队为国内顶级专家,专业造诣深厚,文笔隽永,翻译到位。Jean Paul Isson是高级商业分析领域全球知名的专家和演讲者,他是Monster WorldWide, Inc. BI和预测分析部门的全球副总裁,他由零开始建立团队,策划和实现了高级分析和网络挖掘解决方案。加入Monster之前,Isson在Rogers Wireless公司带领全球客户行为建模团队,建立流失模型,并创新性将客户生命周期价值细分模型用于优化业务营销和销售活动。 Jesse S. Harriott是Constant Contact公司的首席分析官。之前,Jesse 是Monster WorldWide, Inc.的首席知识官,他助力企业,将年度营业收入从$3亿提升到$13亿。Harriott在Monster创建了国际分析部,并创建了Monster就业指数,指数目前为遍布美国、欧洲和亚洲的几百万人所关注。他还带领过Monster公司的网络分析、商业智能、竞争情报、数据管控、营销研究以及销售分析等部门。Jesse在芝加哥大学授课,被冠以波士顿40岁以下排名前40人物之一。“《高级商业分析取胜》对于帮助领导思考企业如何从数据资产中获取价值一问题极具指导意义,推荐给希望通过分析实现企业转型的任何企业总监阅读。” ——Sal Lannuzzi,Monster Worldwide, Inc. 执行总裁 “分析革命改变了企业,颠覆了组织的各自为政,并支撑一线员工实现更高效率决策。如果你正在寻找一位夏尔巴人以指导你获取分析的成功,《高级商业分析取胜》定能确保你的企业攀上你的最高峰。” ——Christoper Krohn,总裁和首席营销官 “大数据时代,企业要获取竞争优势需具备强大的分析基础。《高级商业分析取胜》赋予企业领导者从数据资产获取最大价值的所有必需方法理论。” ——Gail F Goodman,Constant Contact 执行总裁 “分析无用的时代已经结束…《高级商业分析取胜》通过娴熟技艺阐述如何利用信息迅速获取商业效果,同时你也就更深刻理解了如何才能让数据为企业创造最大价值。” ——Steve Pemberton,Walgreens副总和首席多元官(CDO) “Harriott博士和Isson先生揭示了利用数据赋予企业领导者决策从随性而为向依据分析转型的能力。企业家也能从依赖直觉向依赖分析、预测和效果等坚实基础的转型中而大有所获。” ——Steve Pogorzelski,ClickFuel执行总裁 “全球所有在健康行业工作的人,跟我30年来所形成的认识一样,对于基于实践的循证医药学指导政策制定和建立防护标准的意义都感同身受。本书既严谨且深入浅出,易于理解,两位作者所提供的应用框架,适用于不同领域,且大有裨益。本书于任何希望借助分析力量解决我们时代大难题的领导者而言,都应为必读之书。” ——Paul Farmer博士,哈佛大学Kolokotrones大学教授(哈佛最高荣誉教员),Partners In Health的合作创办人第1章商业分析的挑战1 1.1外部挑战 1.2内部挑战 关键要点 注释 第2章商业分析成功基石——BASP框架13 2.1商业挑战基石 2.2数据基石 2.3分析实施基石 2.4洞察发现基石 2.5执行和测算基石 2.6知识共享基石 2.7创新基石 2.8总结 关键要点 注释 第3章围绕关键商业挑战,组织企业资源31 3.1使命陈述 3.2商业挑战 3.3确定商业挑战咨询流程 3.4界定和优化商业挑战 3.5商业挑战分析方案 关键要点 注释 第4章大数据和小数据:不同类型的智能45 4.1大数据 4.2小数据 4.3奠定数据基础:数据质量 4.4数据源和所处位置 4.5数据定义和管控 4.6数据字典和数据关键用户 4.7数据核查和数据可视化 4.8客户数据整合和数据管理 4.9数据保密 关键要点 注释 第5章谁在乎数据?如何揭示洞察力69 5.1IMPACT闭环 5.2好奇害死猫 5.3掌控数据 5.4寻求意义 5.5行动较数据更有说服力 5.6“像小鸟一样小口吃进,像大象一样大量排出” 5.7结果跟踪 5.8IMPACT闭环在行动:芒斯特就业指数(TheMonsterEmploymentIndex) 关键要点 注释 第6章数据可视化:如何直观展示息——CONVINCE框架85 6.1表达含义 6.2客观性:忠实于数据 6.3必要性:切忌好大喜功 6.4诚信可视化:尺寸事关重大 6.5想受众所想 6.6灵活性:不要被1000张图累死 6.7关联背景 6.8鼓励互动 6.9总结 关键要点 进一步阅读 注释 第7章分析实施:什么可行,什么不可行101 7.1分析实施模型 7.2愿景和使命 7.3战略 7.4组织协同 7.5人力资本 7.6指标和测算 7.7流程整合 7.8客户体验 7.9技术和工具 7.10变革管理 关键要点 注释 第8章客户之声的分析和洞察117 8.1客户反馈无价 8.2制定有效客户之声计划 8.3客户之声战略体系和关键要素 8.4VOC方案的常见缺陷 关键要点 进一步阅读 注释 第9章数字分析的有效运用147 9.1数字分析的战略和战术应用 9.2数字分析概念理解 9.3数字分析团队:人员是分析成功的最重要条件 9.4数字分析工具 9.5高级数字分析 9.6数字分析和客户之声 9.7网站分析和登录页面优化 9.8行动号召:统一传统和数字分析 关键要点 进一步阅读 注释 第10章有效的预测分析——什么有效,什么无效177 10.1何谓预测分析? 10.2揭示阶段 10.3预测阶段 10.4优化阶段 10.5不同商业问题的不同应用 10.6金融服务行业先锋 关键要点 进一步阅读 注释 第11章应用于人力资源的预测分析197 11.1职能机构 11.2评估:超越人事 11.3规划变动 11.4资格与能力 11.5生产 11.6HR过程管理 11.7人力分析和预测 11.8通过预测提升人力 11.9什么更有用? 11.10价值层次 11.11HR报告 11.12通过分析,HR取胜 注释 第12章社交媒体分析219 12.1多维的社交媒体 12.2理解社交媒体分析:有用的概念 12.3社交媒体是围绕品牌还是直接回应 12.4社交媒体的“品牌”和“直接回应”分析 12.5社交媒体工具 12.6社交媒体分析技术 12.7社交媒体分析和隐私 关键要点 注释 第13章竞争情报分析239 13.1竞争情报界定 13.2竞争情报分析成功的法则 关键要点 第14章移动互联网分析251 14.1移动互联网分析的概念 14.2移动互联网分析与网站分析有什么不同? 14.3测量移动互联网分析的重要性 14.4移动互联网分析工具 14.5移动互联网分析助力业务优化 关键要点 注释 第15章有效的分析沟通策略267 15.1沟通:分析人员与高管之间的鸿沟 15.2有效的分析沟通策略 15.3分析沟通提示 15.4利用移动商业智能进行沟通 关键要点 注释 第16章商业绩效跟踪——执行和测算283 16.1分析的基本问题 16.2分析执行 16.3商业绩效跟踪 16.4分析和营销 关键要点 注释 第17章分析和创新301 17.1创新是什么? 17.2对高级分析的要求 17.3分析创新的构成 17.4分析和创新结合 关键要点 注释 第18章非结构化数据分析:下一个前沿315 18.1什么是非结构化数据分析? 18.2非结构化数据分析产业 18.3非结构化数据分析的使用 18.4非结构化数据分析如何起作用 18.5为何非结构化数据分析是下一个分析前沿? 18.6非结构化数据分析的成功故事 关键要点 注释 第19章分析的未来333 19.1数据价值不再 19.2预测成为新标 19.3社会信息处理和分布计算 19.4机器学习获得进步 19.5传统数据模型演变 19.6分析能为非分析人员所用 19.7数据科学成为专门部门 19.8以人为中心的计算 19.9解决社会问题的分析 19.10基于位置的数据大爆炸 19.11数据隐私冲突 关键要点 注释 译者后记345
新手上路我有疑问投诉建议参考资料 查看管理问题的若干个小案例
管理问题的若干个小案例
一个职业经理人的败笔 中国人天生是政客。 这可能和中国深厚的传统文化有关系,几千年的基淀,政治已经记录在了了中国人的基因上。大概中国从有文明开始,中国人就处在人口多而人均资源匮乏的环境中,而中国一直又是一种封闭的农业文明,不像欧洲,没吃没穿就驾船出海,时而当商人,时而当海盗。 由于自然资源和社会资源的匮乏,要想获得比别人多的资源,活的相对自在点,办法就是阻止别人获得资源,原始社会靠拳头,文明社会靠脑子。 今天,金戈铁马,纵横捭阖的故事已经成为人民群众玩政治的参考资料,但是现实的故事还在单位里,公司里,办公室里不停的上演。生存的压力,社会道德底线的彻底崩溃,这就是我们面对的这个社会现实。 有三个人存在,就会形成政治斗争。想不想参与其中,有时并不以人的主观意志转移,上学时,一个老师说:政治这个东西,如果你不去主动关心它,它就会反关来主动关心你。那时你反而就被动了。 有关人与人之间所有的关系的总和,都可以列入政治的范畴。 这里谨以一个旁观者的身份记录一个失败者的经历。 2003年,D公司经历了一次大地震,年初由于公司高层人物斗争,导致了不可控制的结果,具体的细节我们无法得知,但是大约可以猜出,最终结果是一号和二号同时出局,这是斗争的最差局面DD双输。公司的运营也出现很大困难,不得以,D公司的总公司派了一个高级经理代理总经理的职位以维持局面。 经过半年的寻找和物色,总公司终于通过猎头公司找到一个看上去很完美的总经理候选人:野鸭先生。 野鸭先生海龟经历,年富力强,又有行业背景,看上去真的是很合适。但是野鸭先生对他将要面对的这个烂摊子还是缺少足够的了解。这里说几句费话,如今报纸和猎头网站上经常可以看到招聘销售总监,总经理,财务总监一类的高级职位的消息,要求很高,待遇好像也不错,但是细想想,一个年薪几十万的职位要必须从外面来找人,说明了什么问题?可能的原因有几个: 1、公司内部人才梯队建设有问题,以至于内部没有合适的人选,公司的高层是有问题的。 2、公司出现大的动荡,相关职位的人非正常离职。 3、公司内耗,有资格的人选斗来斗去,谁也不服谁,只好请外脑。 以上几种情况可能同时存在,那么这个高级职位就是一个火山口。 野鸭先生不幸就遇上了这样的局面。 8月份,野鸭先生走马上任,开始了在D公司短暂的职业生涯。 野鸭先生在江湖上混了这些年,也不是吃干饭的,洋人中国人见了不少,权谋之道还是懂的一些的。且看野鸭先生的几把火。 & 【更多相关内容】
&