数据决策 企业数据的管理 分析与应用 企业数据分析 数据中台建设 数据中台架构 数据化决策企业管理书pdf下载

数据决策 企业数据的管理 分析与应用 企业数据分析 数据中台建设 数据中台架构 数据化决策企业管理书百度网盘pdf下载

作者:
简介:数据决策 企业数据的管理 分析与应用 企业数据分析 数据中台建设 数据中台架构 数据化决策企业管理书
出版社：
出版时间：
pdf下载价格：0.00￥

免费下载

前去下载

书籍下载

下载地址

内容介绍

商品基本信息,请以下列介绍为准
图书名称： 数据决策：企业数据的管理、分析与应用
作者： 顾生宝
定价： 79.00
ISBN号： 9787121390050
出版社： 电子工业出版社


  编辑推荐
《数据决策：企业数据的管理、分析与应用》详细介绍了数据战略规划，企业数字化运营，客户智能运营，业务主题优化，行业应用案例


  内容简介
详细介绍了企业的数据战略规划和企业内外部数据的应用，并分析了零售、快速消费品、汽车、航空、保险等行业的实战案例，对企业未来的数字化转型也做了简要介绍。


  目录
第1 数据科学 / 001 
1.1 大数据技术 / 002 
1.1.1 大数据的发展趋势 / 002 
1.1.2 大数据处理的基础 / 003 
1.1.3 企业中常见的大数据产品 / 004 
1.2 数据科学 / 004 
1.2.1 大数据分析原理 / 005 
1.2.2 数据在不同行业中的应用 / 006 
1.3 数据分析流程及高级分析 / 008 
1.3.1 数据分析流程 / 009 
1.3.2 高级分析 / 010 
1.3.3 数据科学家需要具备的能力 / 011 
1.4 数据科学与经营管理 / 012 
1.4.1 数据科学与企业经营 / 012 
1.4.2 数据科学与企业管理决策 / 012 
1.4.3 企业运营效率的数据分析诉求 / 013 
1.5 通过新技术及AI 感知未来 / 013 
1.5.1 新技术加速发展 / 014 
1.5.2 云端环境变化 / 014 
1.5.3 新技术成熟度与市场接受度 / 015 
1.5.4 产业公司的科技机会 / 016 

第2 用户行为漏斗及营销科技 / 019 
2.1 营销科技的定义及内涵 / 021 
2.2 用户的四个层级 / 022 
2.2.1 双漏斗模型及用户的转化 / 024 
2.2.2 用户漏斗与漏桶的使用限制 / 026 
2.3 用户行为预测 / 027 
2.4 用户购买决策及路径研究 / 028 
2.4.1 用户购买决策的秘密 / 029 
2.4.2 一二三线市场结构现状 / 030 
2.4.3 用户渗透过程可视化 / 030 
2.4.4 用户决策路径可视化 / 031 
2.5 用户生命周期价值营销 / 032 
2.6 用户广告运营工具及PaaS / 032 
2.6.1 通用的用户广告运营产品思路 / 032 
2.6.2 线上、线下打通的运营方案 / 034 

第3 企业用户增长及转化激活 / 037 
3.1 企业拉新的三种方式 / 039 
3.2 内外部用户的不同优化方向 / 042 
3.3 智能营销数据库建设 / 043 
3.4 用户增长与转化 / 045 
3.5 案例：某快车公司的裂变式用户增长 / 054 
3.5.1 用户持续增长的逻辑假设 / 054 
3.5.2 早期的产品逻辑 / 055 
3.5.3 用户增长运营工具的两个核心 / 056 
3.5.4 运营产品效果评估方法 / 057 

第4 决策优化应用 / 059 
4.1 CRM 简介 / 060 
4.1.1 AI 驱动式CRM / 061 
4.1.2 未来生态式CRM / 062 
4.2 CRM 与决策模型 / 063 
4.2.1 RFM 分群模型 / 063 
4.2.2 预测购买模型 / 067 
4.2.3 智能运营模型 / 069 
4.3 销售与决策模型 / 071 
4.3.1 向上销售 / 071 
4.3.2 交叉销售 / 072 
4.3.3 销售预测 / 072 
4.3.4 个性化推荐销售 / 074 
4.4 产品创新与数据分析 / 074 
4.4.1 在分众市场找创新点 / 075 
4.4.2 分众市场定义新品类 / 076 
4.5 客户数据平台建设及应用 / 078 
4.5.1 客户数据平台建设 / 079 
4.5.2 五类运营服务模式 / 080 
4.6 借助大型数据平台开展数据化运营 / 081 

第5 数据科学与企业管理决策 / 083 
5.1 企业管理决策 / 084 
5.1.1 人类的决策过程 / 084 
5.1.2 企业管理决策 / 086 
5.2 数据决策分析模型 / 088 
5.2.1 分类模型与回归模型 / 089 
5.2.2 数据分析建模过程 / 092 
5.2.3 常用建模算法及工具 / 093 
5.2.4 影响建模的主要因素 / 095 
5.3 用户增长及转化 / 095 
5.3.1 用户增长 / 095 
5.3.2 用户运营及销售转化 / 096 
5.4 广告投放及市场开拓 / 098 
5.4.1 广告投放策略优化 / 099 
5.4.2 寻找20% 的可能转化者 / 100 
5.4.3 电商站内广告投放优化 / 101 
5.5 市场空白的发现及开拓 / 102 
5.5.1 市场空白的发现 / 102 
5.5.2 新市场的开拓 / 104 
5.6 案例：快速消费品行业数字化的机会 / 105 
5.6.1 快速消费品行业的发展趋势及用户特点 / 105 
5.6.2 快速消费品行业的核心业务及机会 / 106 
5.6.3 线上与线下触点努力方向 / 107 

第6 企业如何用好外部数据 / 111 
6.1 企业对于数据应用的态度 / 112 
6.2 企业中的外部数据源 / 114 
6.2.1 外部数据源的作用 / 115 
6.2.2 合理购买外部数据源 / 116 
6.2.3 外部数据源的分类 / 116 
6.2.4 外部数据源可靠性评估技巧 / 118 
6.2.5 获取外部数据源的方法 / 118 
6.3 企业的数据变现 / 119 
6.3.1 实现数据变现的前提 / 119 
6.3.2 企业外部数据变现面临的挑战 / 121 
6.3.3 企业数据变现的思路 / 122 
6.4 案例：宠物行业利用外部线索拉新 / 124 
6.4.1 找到外部数据质量好的数据源 / 124 
6.4.2 寻找宠物销售线索 / 125 
6.4.3 数据产品赋能行业 / 126 

第7 经营好企业中的数据 / 129 
7.1 企业经营好数据的三要素 / 130 
7.2 数据经营方法（KPI 分解） / 131 
7.3 企业数据应用战略规划 / 134 
7.3.1 梳理数据源 / 134 
7.3.2 评估数据质量 / 135 
7.3.3 建设数据管理平台 / 135 
7.3.4 建设相应的企业数据文化 / 136 
7.3.5 制定企业数据管理原则 / 137 
7.4 相关数据技术 / 137 
7.5 企业中的数据研究思路及应用 / 140 
7.5.1 两种数据研究视角 / 140 
7.5.2 数据应用实施原则 / 141 
7.6 案例：零售类企业的数据应用战略 / 143 
7.6.1 以消费者为中心的数据湖 / 144 
7.6.2 广告投放与第三方数据建设 / 145 
7.6.3 媒体投放检测数据及AI 预测 / 147 

第8 数据在不同行业中的应用 / 149 
8.1 产业互联网创新模式 / 151 
8.2 企业的数据诉求及时机 / 153 
8.2.1 国内企业级服务的现状 / 153 
8.2.2 企业数据的现状与诉求 / 154 
8.2.3 企业数据的应用时机 / 155 
8.3 汽车行业 / 156 
8.3.1 汽车行业的数据应用 / 156 
8.3.2 用户数据平台的建设 / 160 
8.3.3 数据应用场景 / 162 
8.4 航空行业 / 170 
8.4.1 航空行业新变化及数据应用规划 / 170 
8.4.2 航空用户大数据平台规划 / 172 
8.4.3 数据应用场景 / 173 
8.5 保险行业 / 177 
8.5.1 保险行业的环境及机遇 / 177 
8.5.2 保险行业痛点分析 / 177 
8.5.3 保险行业的数据化机会 / 178 
8.5.4 保险赛道上的互联网平台商业模式 / 179 

第9 企业数字化转型 / 183 
9.1 企业数字化转型面临的困境 / 184 
9.2 企业数字化转型的五个阶段 / 185 
9.3 企业数字化转型的组织架构及过程 / 187 
9.3.1 组织架构及人才组成 / 187 
9.3.2 企业数字化转型的三要素 / 188 
9.3.3 企业数据团队的组成 / 189 
9.4 数据产品 / 190 
9.5 案例：腾讯数据产品探索之路 / 191


  作者简介
顾生宝，2009年本科毕业于东北大学软件工程专业。有10年以上大数据相关领域经验（含数据架构规划设计、平台建设、分析应用）。Datalantern数据分析项目创始人兼数据科学家。曾就职于IBM、Mars等跨国企业，为通用电气、奔驰汽车、中国人保、中国石化、北京汽车等公司服务过。历任IT中心经理、数字化负责人、数据部负责人等。技术作家兼独立技术顾问，专注于可应用于产业公司的数据产品和数据驱动解决方案，对跨行业企业如何更好地利用数据有自己的见解。熟悉零售与快速消费品、汽车、航空、保险等行业。