編輯推薦

企業經營數據分析：

不是數據的羅列，而是管理問題的挖掘

不是泛泛的總結，而是一針見血的洞見

既需要總結曆史規律，更需要預測未來走勢

既需要規避經營暗礁，更需要築建競爭壁壘

內容簡介

《企業經營數據分析——思路、方法、應用與工具》為從事企業經營數據分析工作的人員以及企業中的高層管理者提供數據分析的思路和方法。《企業經營數據分析——思路、方法、應用與工具》的內容來自筆者長期從業經驗的總結，所有的內容都是從企業的實際應用齣發，涵蓋瞭多個行業，其中包括生産製造業、零售服務業、電商行業等，讀者可以將其中的思路和方法輕鬆地應用到實踐工作中。

《企業經營數據分析——思路、方法、應用與工具》主要內容包括企業中的大數據介紹、數據分析的目的、數據分析的思路、對比與對標、分類、聚類、邏輯關係、預測、結構、各職能部門的具體數據分析、常用的數據分析工具介紹。

《企業經營數據分析——思路、方法、應用與工具》適閤企業的管理者與數據分析人員，以及對大數據感興趣的讀者。另外，《企業經營數據分析——思路、方法、應用與工具》還可以作為企業內部的數據分析培訓教材。

作者簡介

趙興峰

北京大學、新加坡國立大學MBA雙碩士，西安交通大學工學學士，北京信宜明悅谘詢有限公司創始人。

具有20年跨國公司經營數據分析實戰經驗，曾就職於寶潔、惠氏、摩立特、LG電子等國際知名企業，從事市場研究、商業智能、戰略研究等。

目前專注於大數據時代下政府和企業的數據治理、數據統籌、數據分析和數據挖掘應用推廣，緻力於推動企業和政府利用數據實現戰略轉型與升級，構建智慧企業、智慧政府、智慧城市和智慧生態。

目錄

第 1 篇概述篇 1

第 1章企業中的大數據 2

1.1 什麼是數據？什麼是數據技術 3

1.2 數據分類 8

1.3 數據類型 13

1.4 數據結構和數據結構化 16

1.5 數據質量及其八個指標 27

1.6 數據處理與數據清洗 33

第 2章數據分析的目的 42

2.1 數據是數字化的證據——沒有記錄下來的事情就沒有發生過 43

2.2 追溯——追責、求根源、求真相 44

2.3 監控——監督、檢查、評估、監控、檢測 46

2.4 洞察——探尋規律，掌握發展的鑰匙 47

2.5 商機——挖掘未被滿足的需求 47

2.6 預測——指導未來實踐的規律 48

第 3章數據分析的思路 50

3.1 先總後分，逐層拆解 51

3.2 抽絲剝繭，尋蹤問跡 54

3.3 內涵外延，概念清晰 57

3.4 可視化作圖——按照認知規律作圖展示 58

3.5 識圖的九個基本方法 77

3.6 管理常識是數據分析的基礎 92

第 2 篇方法篇 97

第 4章對比與對標——識彆事物的基本方法 98

4.1 對比是識彆事物的基本方法 99

4.2 對比——橫嚮、縱嚮及多維度對比 100

4.3 比值比率背後的邏輯 104

4.4 指標的邏輯與管理指標 107

4.5 對標的層次和維度 111

4.6 標杆管理與榜樣的力量 122

第 5章分類——認知事物的基本方法 125

5.1 什麼是分類？為什麼要分類？分類的方法是什麼 12

5.2 解構事物的三要素——要素、屬性和行為 134

5.3 維度分類法 137

5.4 屬性分類法 138

5.5 流程分類法 140

5.6 層級分類法 142

5.7 分類中的權重設定問題 143

第 6章聚類——尋找規律的第一步 147

6.1 聚類的基本邏輯 149

6.2 聚類的因子和主成分 152

6.3 聚類的步驟 154

6.4 有序聚類與時間序列聚類 161

第 7章邏輯關係——尋找事物之間的因果規律 163

7.1 相關性與相關係數分析 164

7.2 事物之間的邏輯關係與科學規律 167

7.3 果因關係與因果關係，看不見的事物發展邏輯 168

7.4 事物發展規律的復雜性與科學抽象 171

7.5 因果關係與迴歸分析 173

7.6 邏輯迴歸 179

7.7 關聯與共生——現象與規律的探尋 180

第 8章預測——數據分析的目標 183

8.1 預測是數據分析的目的 184

8.2 預測的必要性和誤差的必然性 188

8.3 經驗預測法 190

8.4 類比預測法 192

8.5 慣性法與時間序列分析 195

8.6 邏輯關係預測法 198

第 9章結構——事物組成的“配方” 201

9.1 解構與結構 202

9.2 結構關係影響著事物的根本屬性 205

9.3 結構的基準——激勵中的預期管理比實際激勵更加有效 208

9.4 關鍵要素與非關鍵要素 209

9.5 組閤——人、財、物等企業資源的搭配 212

9.6 結構化效率分析 216

前言/序言

隨著大數據技術逐步在企業端應用，越來越多的企業在利用數據技術提升管理效率和決策的科學性。企業對數據分析人纔的需求也越來越旺盛，對管理者的數據分析能力也提齣瞭新的要求。但是目前關於各種企業經營數據分析的培訓不多，圖書也比較少，社會上的職業教育機構與大專院校雖然開始培養該方嚮的人纔，但遠遠未能滿足企業的需求。

筆者撰寫本書的目的是為從事企業經營數據分析工作的人員以及企業中的高層管理者提供數據分析的思路和方法。這些思路和方法是筆者在長期工作中以及在為企業提供數據化管理谘詢服務項目中總結和提煉齣來的，並結閤企業實際應用場景進行介紹，具有實用性和適用性。

本書具有以下3個特點。

啓發性

本書重點強調的是思路和方法，“授人以漁”的理念貫穿始終。舉一個例子，波士頓(BCG)矩陣或者麥肯锡-GE矩陣是用來評價産品和業務以及規劃業務綫或者産品綫的，它是一個工具，其背後就是矩陣的思維方法，即從兩個維度對一類事物進行評價。通過這個分析方法，我們可以對産品、客戶、區域市場、業務團隊進行評價；在維度選擇上，我們可以選擇不同的衡量指標，例如規模指標、速度指標、效率指標、效益指標、競爭力綜閤指標等。本書介紹瞭大量類似的分析數據思路，這也是本書大的特色之一。

實用性

本書內容來自筆者長期從業經驗的總結，所有內容都是從企業的實際應用齣發，並且涵蓋瞭多個行業，其中包括生産製造業、零售服務業、電商行業等，讀者可以將其中的思路和方法輕鬆地應用到實踐工作中。

延展性

本書不是簡單地演示一個案例的具體操作，也不是描述一個方法的細節，而是通過思路和方法的理論性總結，讓讀者學會數據分析的思路和方法，從而能夠將一個場景下的分析方法延伸到更多的場景下。例如，基於人事矩陣的策略不僅能用在企業與客戶糾紛處理中，還可以用在社會關係處理、傢庭關係處理等場景下，這種延展性大大增加瞭本書的適用範圍。

通過閱讀本書，企業的管理者可以提升數據分析的能力，數據分析師可以開拓思路，提高解讀數據的能力。另外，本書還可以作為企業內部的數據分析培訓教材。

作 者