大数据分析方法 用分析驱动商业价值

第1章 现代分析基本原则 1

1.1 实现商业价值和影响 3

1.2 专注于最后一英里 4

1.3 持续改善 6

1.4 加速学习能力和执行力 7

1.5 差异化分析 7

1.6 嵌入分析 8

1.7 建立现代分析架构 9

1.8 构建人力因素 10

1.9 利用消费化趋势 10

1.10 总结 11

第2章 商业3.0时代来临 13

第3章 为什么需要一个独特的分析路线图 17

3.1 概述 17

3.2 业务领域 18

3.3 数据 19

3.4 方法 19

3.5 精准 20

3.6 算法 20

3.7 嵌入 20

3.8 速度 21

3.9 总结 21

第4章 分析让商业决策百尺竿头更进一步 22

4.1 概述 22

4.2 案例研究 23

4.3 总结 46

第5章 构建分析路线图 50

5.1 概述 50

5.2 第一步：确定关键业务目标 50

5.3 第二步：定义价值链 51

5.4 第三步：头脑风暴分析解决方案机会 53

5.5 第四步：描述分析解决方案机会 57

5.6 第五步：创建决策模型 59

5.7 第六步：评估分析解决方案机会 61

5.8 第七步：建立分析路线图 65

5.9 第八步：不断演进分析路线图 67

5.10 总结 68

第6章 分析应用 69

6.1 概述 69

6.2 战略分析 70

6.3 管理分析 74

6.4 运营分析 76

6.5 科学分析 79

6.6 面向客户的分析 80

6.7 总结 82

第7章 用例分析 84

7.1 概述 84

7.2 预测 86

7.3 解释 89

7.4 预报 90

7.5 发现 91

7.6 模拟 96

7.7 优化 97

7.8 总结 97

第8章 预测分析方法论 98

8.1 概述：现代分析方法 98

8.2 定义业务需求 101

8.3 建立分析数据集 107

8.4 建立预测模型 111

8.5 部署预测模型 118

8.6 总结 122

第9章 预测分析技术 123

9.1 概述 123

9.2 统计和机器学习 124

9.3 大数据的影响 125

9.4 有监督和无监督学习 127

9.5 线性模型和线性回归 136

9.6 广义线性模型 140

9.7 广义相加模型 141

9.8 逻辑回归 142

9.9 强化回归 144

9.10 生存分析 146

9.11 决策树学习 147

9.12 贝叶斯方法 150

9.13 神经网络和深度学习 151

9.14 支持向量机 155

9.15 集成学习 156

9.16 自动化学习 158

9.17 总结 163

第10章 最终用户分析 164

10.1 概述 164

10.2 用户角色 165

10.3 分析编程语言 169

10.4 业务用户工具 178

10.5 总结 189

第11章 分析平台 190

11.1 概述 190

11.2 分布式分析 191

11.3 预测分析架构 195

11.4 现代SQL平台 209

11.5 总结 220

第12章 吸引分析天才并留住他们 222

12.1 概述 222

12.2 文化 223

12.3 数据科学家角色 227

12.4 总结 244

第13章 组织分析团队 245

13.1 概述 245

13.2 集中式分析团队与分散式分析团队 245

13.3 卓越中心 249

13.4 首席数据官与首席分析官 250

13.5 实验室团队 252

13.6 分析项目办公室 252

13.7 总结 253

第14章 你还在等什么？赶快开始吧 254

附录A 无监督学习：无监督式神经网络 257