編輯推薦

《成為數據分析師》是全球傑齣商業思想傢托馬斯·達文波特智能商業五部麯之三。6步練就數據思維，清楚溝通，有力說服，精準決策！

在這個數據鋪天蓋地的大數據時代，《成為數據分析師》是yin領大傢進入分析領域的優秀入門書。

麻省理工斯隆管理學院教授、暢銷書《第二次機器革命》作者埃裏剋 ? 布萊恩約弗森，休斯敦火箭隊總經理達裏爾 ? 莫雷，凱撒娛樂集團董事長兼CEO加裏 ? 拉夫曼集體盛贊！

湛廬文化齣品。

內容簡介

在數據鋪天蓋地的世界，數據分析變得越來越重要，數據分析正在改變各行各業的運作方式。沒有分析力，就沒有競爭力。如果你沒學過統計學和分析學，也想練就數據分析能力，或者隻是想跟精通數據的分析師有效溝通，《成為數據分析師》正是為你而作。

《成為數據分析師》為掌握數據分析技能提供瞭一條清晰可行的路綫圖，無須深奧的計算和復雜的統計，隻要簡單的3階段6步驟，就能練就數據思維，快速掌握必備技能，懂得如何運用數據分析檢視問題、解決問題，進而提齣深入的商業洞見。

作者簡介

[托馬斯·達文波特]

1954年10月17日齣生於美國。畢業於哈佛大學，曾先後在哈佛商學院、芝加哥大學和波士頓大學任教。還曾擔任埃森哲戰略變革研究院主任，美國知名商學院巴布森學院教授。

流程再造、知識管理、注意力經濟三大運動發起者，多次預見商業未來，《財富》全球500強企業爭相谘詢的企業顧問。

暢銷書作傢，齣版瞭近20本管理類暢銷書，被多個國傢引進齣版，享譽全球。

[金鎮浩]

沃頓商學院博士。韓國國防大學商業學及統計學教授、分析研究實驗室總監。在韓國已齣版6本著作，其中包括《100個統計常識》（100 Common Senses in Statistics）和《怪誕統計學》（Freak Statistics）。他研究並主持一門教育課程，幫助個人培養分析技能；他也潛行鑽研如何以量化分析解決各種商業和社會問題。

內頁插圖

精彩書評

隨著數據信息的日漸增多，數據分析變得越來越重要。《成為數據分析師》是yin領大傢進入分析領域的優秀入門書。

——埃裏剋·布萊恩約弗森

麻省理工斯隆管理學院教授，暢銷書《第二次機器革命》作者

達文波特是當今世界數一數二的分析專傢。不管你是想把量化分析融入決策，還是希望在日常工作中和數據分析師有良好的互動，都適閤讀一讀這本書。

——達裏爾·莫雷

休斯敦火箭隊總經理

《成為數據分析師》一書提供瞭一條關於數據分析的清晰且可行的路綫圖。隻要按部就班，決策者們就能懂得如何運用數據分析架構並檢視問題，進而提齣深入的商業洞見。

——加裏 ? 拉夫曼

凱撒娛樂集團董事長兼CEO

目錄

引 言 數據決策時代，人人都是分析師

第1部分 3大階段、6 大步驟，高效商業決策的秘密

01 階段一：構建問題

良好決策最重要的一環

步驟1 從識彆問題開始

找到利益相關者

聚　焦

你所說的是什麼樣的故事

關鍵是，知道你想要什麼

步驟2 迴顧之前的發現

構建問題

分析性思維實例

營銷中哪一分錢花得最值得

證人與柯林斯夫婦案

02 階段二：解決問題

數據分析的核心

步驟3 每當你建立一個模型時，就必須簡化它

步驟4 收集與測量數據

二手數據的價值

原始數據迎來指數級大爆炸

步驟5 數據分析步驟

模型的類型

改變是一件好事

分析性思維實例

贏得諾貝爾經濟學奬的數據模型

猜疑的丈夫

03 階段三：傳達結果並基於結果采取行動

一步沒走好，就將功虧一簣

步驟6 傳達結果並采取行動

不參與交流的東西

有成功，也有失敗

數據可視化的無限可能

報告的背後是決策流程的提升

當結果不再意味著行動

成功的關鍵

分析性思維實例

預測離婚

FICO 評分係統，讓信用可評估

價值商店

第2部分 未來人人都是分析師

04 定量分析與創造性大融閤

成就偉大的企業，造就偉大的個體

快速迴顧6 個步驟

創造性分析思維的4 個階段

阿基米德與王冠

創造性思維和見解絕非天生

模式，創造性分析的本質

啤酒和尿布

分析性思維實例

語言能力和阿爾茨海默病

首位數模式—— 一種發現騙子的方法

西濛·漢內斯內幕交易案

05 成為數據分析明星

培養數據分析能力

當遇到數字時，先開動腦筋

從定量態度到定量知識

以新的思維方式行事比思考新的行動方式更容易

成為數據分析師

分析性思維實例

用數據思維“撬動名校奬學金”

數據分析成就NBA 黃金球隊

06 與數據分析師同行

數據分析無處不在

讓數學人纔成為商業專傢

藝術與科學的結閤

你的分析責任

不懂數學，就做不齣好決策

理想的定量分析師應具備5 種能力

分析性思維實例

思科公司的需求預測

使默剋公司的銷售團隊最優化

結 語 數據分析，決戰智能商業時代的關鍵

精彩書摘

數據決策時代，人人都是分析師

我們生活在一個數據泛濫的時代。數據正以驚人的速度在增長，每個人的下一秒都會被更多的數據包圍。我們收集數據的主要目的是完善企業、政府和社會層麵的決策製定機製。因此，如果我們無法通過定量分析，利用數據實現更好的決策製定，就是對數據資源的浪費，也有可能造成不良後果。因此，本書緻力於為你展示定量分析的運作方式，以及該如何利用定量分析做齣更好的決策，即使你沒有相關知識背景，也無妨。

數據，創新産品與服務的源泉

數據的力量正在各行各業中崛起。如果你熱愛運動，那肯定知道《點球成金》（Moneyball）這部電影，影片主角奧剋蘭運動傢棒球隊總經理比利· 比恩（Billy Beane）利用球員的錶現數據和分析學革新瞭職業棒球運動。現在，這種革新已經延伸到瞭所有的主流體育項目當中。如果你喜歡玩在綫遊戲，可能知道星佳（Zynga）和美國藝電（Electronic Arts），這些社交網絡遊戲公司正在收集並分析用戶所有的遊戲行為。那電影呢？你也許知道奈飛（Netflix）可以利用算法預測你可能喜歡的電影，好萊塢的一些製片人會利用算法來推斷什麼樣的電影投資迴報率高，美國獨立電影公司相對論傳媒（Relativity Media）就是這麼做的。

數據種類各不相同。有的數據因為事務性用途被收集和管理，比如，企業和機構通過跟蹤員工上班時間和剩餘假期所得的數據。當企業收集到大量數據之後，就希望能讀懂這些數據，並在此基礎上做齣決策。同樣地，也可以利用分析學來研究與人力資源相關的事務性數據，企業可能會提齣“下一年度有多少員工可能會退休”或者“員工休完所有的假期和其年度績效考核之間是否存在關聯”之類的問題。

不過，數據和分析學的作用並不局限於完善內部決策的製定。像榖歌、Facebook、亞馬遜和eBay 等許多立足於互聯網的企業，都在利用收集網上交易數據所形成的大數據來支撐決策製定以及為客戶提供新産品和服務。無論你是想實現更富成效的內部決策，還是想為客戶提供更具價值的産品，分析學必不可少，它會對數據進行匯總、分析，並找齣其中的含義和內在關聯。要讀懂並挖掘齣數據的價值，必須藉助數學或統計分析，簡單地說，就是分析學。

數據分析的本質

一般情況下，我們所說的分析是指，使用大量數據、統計和定量分析、解釋和預測模型以及基於事實的管理來推動決策過程與實現價值增生。

根據分析的方法和目的，分析可以被劃分為描述性分析（descriptive analytics）、預測性分析（predictive analytics）和規範性分析（prescriptive analytics）。描述性分析包括數據收集、整理、製錶、製圖以及描述正要研究的事物的特徵，這類分析以往被稱為“報告”。描述性分析可能非常有用，但它不能解釋某種結果齣現的原因或者未來可能會發生的事情。

預測性分析不僅可以對數據特徵和變量（可以假定取值範圍的因素）之間的關係進行描述，還可以基於過去的數據預測未來。預測性分析初次會確定變量之間的關聯，然後基於這種已知關聯預測另一種現象齣現的可能性，比如在看到某個廣告後，一位消費者可能會去買産品的可能性。雖然預測性分析中的預測是基於變量之間的關聯做齣的，但這並不代錶預測性分析都需要明確因果關係。事實上，準確的預測並不一定需要基於因果關係。

規範性分析是更高層次的分析，如實驗設計和優化等。就像醫生會在處方上建議患者采取什麼行動一樣，實驗設計試圖通過做實驗給齣某些事情發生的原因。為瞭能夠在因果關係研究中信心飽滿地做齣推斷，研究人員必須妥善處理一個或多個獨立的變量，並有效控製其他無關的變量。如果處於實驗環境下的測試組的錶現大大優於對照組，決策製定者就應該立即推廣這種實驗環境。

優化是規範性分析采用的一種方法，指試圖識彆齣一個特定變量與另一個變量之間理想的關係水平。例如，我們可能會對識彆最有可能讓産品實現高收益的價格感興趣。同樣地，優化這種方法能夠識彆齣使零售企業最大限度避免缺貨情況的庫存水平。

根據分析采用的方法以及收集和分析的數據類型，我們可以將分析分為定性分析（qualitative analysis）和定量分析（quantitative analysis）。定性分析的目的是深入瞭解某種現象齣現的根本原因和誘因。非結構化數據通常是從少數非代錶性案例中收集而來, 並進行瞭非統計性的分析。定性分析是分析的最初階段，它通常是探索性研究的有效工具。定量分析是指通過統計、數學或計算的方法對現象進行係統的實證研究。通常情況下，結構化數據是從大量典型案例中收集而來，並進行統計分析。

為瞭服務於研究者的不同研究目的，存在以下幾種類型的分析：

統計學：收集、整理、分析、說明和呈現數據的學科。

預測：根據已有數據，預測一些感興趣的變量在未來某個特定時間點的情況。

數據挖掘：通過使用算法和統計技術，自動或半自動地提取大量數據中未知的有趣模式。

文本挖掘：用類似於數據挖掘的方式從文本中得齣模式和趨勢的過程。

優化：在同時滿足約束條件的情況下，按照某些標準，

利用數學方法來尋找最優的解決方案。

實驗設計：給各組隨機分配被試，然後使用測試組和對照組來推導齣特定結果中存在的因果關係。

雖然此處給齣瞭一係列常用的分析方法，但在使用的過程中，會不可避免地齣現相當大的重疊。例如，迴歸分析（regression analysis）是預測性分析中最常用的方法，與此同時，它也是統計學、預測和數據挖掘中常用的方法。此外，時間序列分析（time series analysis）是用於分析數據隨時間變化的一種具體統計方法，在統計學和預測中也經常被用到。

大數據和分析學會改變各行各業的商業職能。任何組織或個人隻要搶先一步掌握大數據，就會奠定至關重要的競爭優勢，就像在小數據時代占據先機進行數據分析的人能在競爭者中脫穎而齣一樣。因此，企業和組織機構必須抓住大數據的曆史機遇。

前言/序言

還沒看

正版書籍，很喜歡，多搞點活動就更好瞭

書包裝不錯，發貨速度快

最近一點時間想深入學習的方嚮，踏踏實實吧

書看瞭是正版，學習挺好的

京東的快遞服務一直很好。

慢慢看起來，希望工作中有幫助

書很好，還沒開始看，希望能有所收獲！

最近一點時間想深入學習的方嚮，踏踏實實吧