当前位置:首页 > 经济
大数据时代  企业借助互联网成功转型升级
大数据时代  企业借助互联网成功转型升级

大数据时代 企业借助互联网成功转型升级PDF电子书下载

经济

  • 电子书积分:11 积分如何计算积分?
  • 作 者:蔡勤东著
  • 出 版 社:中国财富出版社
  • 出版年份:2015
  • ISBN:9787504757432
  • 页数:288 页
图书介绍:随着信息化的迅猛发展,数据,已经渗透到当今每一个行业和业务职能领域,成为重要的生产因素。人们对于海量数据的挖掘和运用,预示着新一波生产率增长和消费者盈余浪潮的到来。然而,一些企业却无法适应,在强烈的市场竞争中自然也就失去了一些机遇。基于此,本书能够帮助企业成功升级转型,成为数据时代的真正受益者,让企业利用数据提高自身的竞争力。
《大数据时代 企业借助互联网成功转型升级》目录

第一章 认识大数据 2

一、大数据的概念 2

1.大数据的应用 2

2.大数据的战略意义 2

3.大数据的作用 3

4.大数据与传统数据库 3

5.大数据与Web(互联网) 3

二、大数据的理解与实践 3

1.理解大数据 4

2.实践大数据 4

三、大数据的发展趋势 5

1.大数据对社会发展的影响 5

2.云平台数据更加完善 6

四、大数据的挑战、现状与展望 6

1.概述 6

2.期望特性 8

3.并行数据库 9

4.Map Reduce 10

5.并行数据库和Map Reduce的混合架构 14

6.研究现状 16

7.MapReduce与关系数据库技术的融合 17

8.展望与研究 18

五、大数据行业应用及未来热点 19

1.大数据市场分析 19

2.大数据的应用与需求 20

第二章 大数据引发企业变革 22

一、大数据改变企业内部的价值链 22

1.传统价值链和现代价值链 22

2.为业务和商业模式提供了创新的机遇 23

3.以客户的需求为标准来重塑价值链 24

4.价值链向智能化和柔性化发展 24

二、大数据改变了组织的外部边界 26

1.推动资源聚合与延伸企业边界 26

2.搭建好一个平台 27

3.大数据把企业连接到一起 28

三、企业内部组织管理的革新 29

1.分工走向合工 30

2.重新塑造组织的垂直边界 30

3.企业内部融合组织的水平边界 31

4.以小团队运营为基础 31

5.企业授权变得更加科学有序 32

四、企业领导要与时俱进,做好变革的准备 33

1.引导员工从传统观念中走出来 33

2.企业运用大数据发展注入新鲜血液 33

3.决策者相信未来一定很美好 33

4.向着目标努力迈进 34

五、大数据逐渐取代传统观念,服务营销正在转型 35

1.“黄金时段”不再重要 35

2.服务营销稳步登上舞台 35

六、传统营销已经落伍,必须进行颠覆性变革 36

第三章 大数据时代的商业模式 40

一、什么是大数据时代的商业模式 40

二、大数据分析及相关的生态圈 41

1.大数据分析 41

2.大数据生态圈 41

三、大数据时代,企业的创新模式 43

1.行业选择和战略定位 44

2.盈利模式 45

3.资源整合 46

4.资本运作 46

5.组织能力 46

6.价值创造 47

第四章 大数据时代管理者的基本素质 50

一、国际巨头经久不衰的秘诀 50

1.沃尔玛实施精确管理 50

2.通用电气打好“数据运用”这张牌 51

二、让数据说话,远离主观感受 52

1.战机坠毁,谁是真正的“凶手” 52

2.管理者认识落伍,必将导致“空间迷失” 52

三、大数据时代管理中出现的难题 53

1.数据最有发言权 53

2.大数据时代的变革 54

3.管理者必备的数据运用能力 56

四、企业管理的职业化与数量化 58

1.乞丐也要职业化 58

2.一个心中有数的职业经理人 59

第五章 选定数据分析师 64

一、对数据分析师的基本要求 64

1.数据分析师的教育背景 64

2.数据分析师的基本素质 65

3.数据分析师的技能经验 66

二、数据分析师的生存空间 66

1.数据分析师的发展方向 66

2.数据分析师的晋升空间 67

3.数据分析师的职业规划 69

三、数据分析师需具备优良的品质 70

1.数据分析师要有坚定的信念 70

2.数据分析师要对自己充满信心 70

3.数据分析师对待工作要热情 71

4.数据分析师要有一颗敬畏的心 71

5.数据分析师要懂得感恩 71

四、数据分析师需具备商业意识 71

1.商业意识是数据分析师的核心 72

2.如何培养商业意识 72

五、数据分析师以方法论为根基 73

1.数据分析的基本方法论 73

2.“大胆假设,小心求证”的方法论 73

3.20/80原理 74

六、数据分析师需具备结构化思维 75

七、数据分析师需保持客观又主观的态度 75

第六章 数据分析师对团队能力的培养 78

一、团队数据分析的能力与意识 78

二、分析师在团队中的作用 78

三、分析师如何培养团队的意识和能力 79

四、分析师培养团队的案例 80

1.案例背景 80

2.过程描述 80

3.项目效果跟踪 81

第七章 数据化运营过程中的协调与合作 84

一、数据分析业务团队的职责与能力要求 84

1.提出分析需求并能胜任数据分析 84

2.提出业务经验和参考建议 85

3.策划和执行精细化运营方案 85

4.运营效果、运营反馈和运营总结 85

二、数据化运营中,团队要有合作精神 86

第八章 数据挖掘 90

一、数据挖掘的定义 90

1.数据挖掘在技术上的定义及含义 90

2.商业上的定义 91

二、数据挖掘概述 91

1.数据挖掘的起源 91

2.数据挖掘方法论 92

3.数据挖掘常用方法 94

4.数据挖掘的实现步骤 95

5.数据挖掘的功能 96

6.数据挖掘的常用技术 96

7.数据挖掘与传统分析方法的异同 99

8.数据挖掘和数据仓库 99

9.数据挖掘的应用 99

第九章 数据挖掘演示案例 104

一、项目背景与业务分析 104

二、参与需求讨论 104

三、做好需求分析框架和分析计划 105

四、对数据进行抽取、熟悉、清洗和摸底 106

五、搭建好挖掘模型 106

六、对模型提出新思路和方案 107

七、重新抽样建模,提炼结论并验证模型 109

八、做好分析和建议 110

九、制订落地和评估方案 110

十、对落地方案进行跟踪和评估 110

十一、对落地方案进行完善 111

十二、评估、总结和反馈 112

十三、对项目应用进行总结和反思 112

第十章 数据聚类分析 114

一、聚类分析的应用场景 114

二、聚类算法的主要分类 115

1.划分方法 115

2.层次方法 115

3.基于密度的方法 116

4.基于网格的方法 116

三、聚类分析在应用中的注意事项 116

1.如何处理数据噪声和异常值 116

2.数据标准化和表述统一化 117

3.聚类变量的少而精 117

四、聚类分析的扩展应用 118

1.聚类指标与非聚类指标相互配合 118

2.数据的探索和清理工具 118

3.个性化推荐的应用 119

五、聚类分析的优势和缺点 119

六、聚类分析的体系和指标 120

1.聚类评估方法 120

2.聚类分析的评价指标 121

七、聚类分析的案例 121

1.案例背景 121

2.基本的数据摸底 121

3.基于用户样本的聚类分析的初步结论 122

第十一章 数据量化分析 126

一、量化分析简介 126

1.数据 126

2.指标 127

3.信息 127

4.根本问题 129

5.图画 129

二、规划优质量化分析 130

1.量化分析开发规划的构成 130

2.文档 134

三、答案纲要 135

1.第一层 135

2.第二层 135

3.第三层 136

4.第四层 138

5.第五层及其后各层 141

四、三角交叉法 141

1.三角交叉法的历史 141

2.指标的三角交叉 141

3.数据源及采集方法的三角交叉 143

4.视角的三角交叉 144

5.相互冲突的结果 144

五、对量化分析的期望值 145

1.选择要慎重 145

2.期望值 147

3.期望值的发现过程 149

六、高级量化分析 152

1.其他象限 152

2.量化分析未成熟组织的益处 153

3.重复业务流程 153

4.其他象限的量化分析 153

七、创建服务目录 158

1.服务/产品健康状况服务目录 158

2.业务流程健康状况服务目录 159

八、构建标准和基准 160

1.基准 160

2.基准线制订 160

3.比较标准 161

九、敬畏量化分析 161

1.是指示器还是事实 161

2.误用量化分析的后果 163

3.好的、坏的还是丑陋的 164

4.处理其他的意外情况 165

第十二章 企业战略分析 168

一、企业战略的分析思路 168

1.宏观环境 168

2.市场特征 169

3.竞争态势分析 171

二、企业战略分析的常用方法 174

1.SWOT分析 175

2.内外因素评价矩阵 175

第十三章 数量化的人员管理 178

一、大数据时代,对“80后”“90后”的管理 178

1.职场主力军,“80后”和“90后” 178

2.管理从行为抓起 178

二、量化行为 179

1.自我说服的力量 179

2.形成执行力 180

3.管理从量化的行为抓起 180

三、对员工的量化评估 180

1.好莱坞如何用数据评估演员 180

2.考核的钝化现象 181

3.为行为设立评分标准 181

4.对服务性岗位的量化评估 182

四、员工量化评估案例 182

1.幼儿园的评估难题 182

2.幼儿教师的量化指标 183

第十四章 CRM是大数据营销的好帮手 190

一、什么是CRM 190

1.CRM源于生活 190

2.管理思想+管理模式+管理工具=系统 190

二、CRM的发展趋势 191

1.智能VS自动 191

2.CRM转变方法 191

三、建立CRM的好处 191

1.客户关系管理概述 192

2.客户关系管理在企业管理中的作用 192

3.企业在管理中加强客户关系管理的措施 193

四、慧眼识CRM软件 194

1.对CRM软件个性化要求 194

2.选择CRM软件前需要考虑的问题 194

3.企业要对CRM系统有正确的认识和实施 195

五、CRM的应用模式 195

1.应用CRM是一种趋势 195

2.应用CRM的实质及现状 196

3.应用CRM的关键 196

4.CRM的最佳应用方式 198

六、CRM存在的三大主要误区 200

1.误区一 200

2.误区二 200

3.误区三 201

第十五章 用CRM开启企业的大好“钱途” 204

一、一切以客户的需求为出发点 204

二、如何使用CRM软件 204

1.选择合适的CRM软件 204

2.企业要建立客户资源库 205

3.为客户建立百科全书 206

4.及时掌握客户的需求 207

5.员工的业绩数字化 208

6.决策层分析可视化 208

三、运用CRM的难点 209

1.员工不支持 209

2.为什么CRM系统不能正常发挥精准功效 209

3.为什么CRM系统难以驾驭 210

4.为什么CRM理论与实践不能有机结合 210

四、有了CRM,公司自然发生改变 211

1.总经理的一天 211

2.部门经理的一天 212

3.销售员的一天 213

4.谁人欢喜谁人忧 213

5.为什么受伤的总是我 214

6.小业务员的美好未来 216

第十六章 想得到新客户,先了解相关信息 220

一、获取新客户前的准备工作 220

二、如何发现最有价值的客户群 221

三、如何刻画出目标客户群的特征 223

四、如何使用决策树 224

五、利用数据仓库,对客户进行细分 225

1.交易数据的聚类分析 225

2.聚类方案的检验 226

3.理解不同的细分 226

4.区别对待不同细分群体 227

5.其他例子 227

六、利用数据仓库,对最有价值的客户进行细分 228

1.建立数据表 228

2.分析数据 229

3.如何利用结果 230

七、利用问卷数据,对客户进行细分 230

1.确定可用的问卷数据 231

2.缩减变量,生成简化和可用的数据 231

3.运行聚类分析生成同质群体 232

4.利用背景信息刻画细分群体特征 233

5.确定如何到达所选定的细分客户群 234

八、如何设计调查问卷 234

九、根据专家的建议,对客户进行细分 237

第十七章 先了解相关信息,再启动新的销售 242

一、开展新的销售活动之前的准备工作 242

二、怎样做才能获取最大价值 243

三、对目标客户群的特征进行定位 245

1.创建客户基础信息表 245

2.选择最佳的算法 246

四、对客户特征的优惠 248

五、对替代产品实行优惠促销 249

1.利用基础数据表确定替代产品优惠 249

2.利用事务表确定替代产品优惠 249

六、让数据说话,才能获得客户钱包的份额 251

1.根据外部数据源来测算 251

2.根据调查问卷测算 251

3.根据忠诚度进行测算 252

4.根据历史消费测算 252

七、利用捆绑式推销,让客户满心欢喜 252

1.聚类分析设计产品捆绑 253

2.PCA分析设计产品捆绑 253

3.可视化分析和判定规则设计产品捆绑 253

4.网络设计产品捆绑 254

第十八章 巧妙利用顾客数据,实现自我盈利 256

一、B2C使大众市场透明化 256

1.了解数据的人掌控着细节 256

2.数据驱动银行 258

3.数据里程 259

4.吉尔是谁 261

5.打动流失客户 262

6.在缺乏客户数据的情况下运行B2C 264

二、B2B对客户潜力的挖掘 264

三、数据驱动营销对B2B产生的影响 265

四、处理数据的重要性 266

第十九章 客户保持,要建立良性的关系 268

一、客户保持之前的准备工作 268

二、客户保持概述 269

1.客户流失的原因 269

2.客户流失预测的基本要素 270

3.怎样设置数据 272

4.如何运作数据挖掘 273

三、开展最有价值的活动 274

四、不断提升现有活动的质量 275

1.数据设置 275

2.选择算法及业务流程 275

五、识别多次参加活动的客户 276

六、对单一活动客户识别 278

1.怎样给客户排序 278

2.怎样选择最佳的模型 278

3.怎样提高客户的信息反馈 280

七、建立便捷的预警系统,企业遇事不乱 280

八、建立复杂的信息和预警系统,与客户时刻对接 280

九、调查客户的忠诚度 281

十、利用专家访谈,提升客户的忠诚度 282

蔡勤东经典语录 284

致纵横电商服务伙伴的一封信 286

纵横电商服务平台简介 288

返回顶部