第1章 运用数据分析创造商业价值 2
大数据和数据科学需要数据分析 2
定义数据分析 6
第2章 分析价值链和数据分析中的9P理论 10
数据分析中P的解释 10
分析价值链：战略战术成功的流程 29
分析数据并对分析进行阐述和社会化 35
分析工作请求流程 40
第3章 创建分析团队 52
证明对分析团队的投资是合理的 52
没有可用投资 53
费用过高 54
投资分析的商业价值缺乏证据 54
克服由组织局限性和处理不当带来的投资阻力 57
创建分析团队的商业评估和投资建议书 58
向管理者和其他团队报告分析价值创造 59
设定分析团队目标 63
确定分析团队的角色和职责 66
第4章 何为数据分析工具 78
创建还是购买 78
平衡分析技术的管理：企业运营还是IT部门运营 85
选择分析工具 86
成功的工具部署 93
第5章 数据分析方法和技巧 106
观察数据：数据的形状 106
运用统计学和机器学习分析数字数据 114
第6章 数据的定义、规划、收集和管理 127
如何定义数据 127
什么是数据的商业定义 128
数据的操作性定义是什么 129
数据的技术定义是什么 129
创建和维护数据定义 130
规划数字数据：你应该做什么 132
收集你需要了解的数据 134
数据管理的作用 136
数据管理团队做什么 137
跨计划、工程项目和团队的数据管理流程 139
测试和核实数据的困难之处 140
第7章 数据报表及KPIs的运用 147
什么是报表以及它是如何生成的 147
一份优秀报表的五个要素：RASTA 153
报表与仪表盘的区别 154
仪表盘是什么，它是如何产生的 155
优秀仪表盘的五个要素：LIVES 157
理解KPIs 158
报表与仪表盘如何适应分析价值链 163
KPIs实例 164
实时数据vs及时数据：从业者的角度 170
第8章 用数据分析进行优化和测试 176
AB测试：从此开始 176
进一步扩展到多变量测试 178
制订测试优化计划 178
AB测试和多变量测试的操作过程 180
AB测试和多变量测试结果的测量、分析与汇报技术和方法 182
测试支持的优化类型 183
建立数字优化项目 185
开发控制实验和数字数据科学 186
测试和优化数字体验的技巧 187
第9章 用户反馈数据定性分析 193
倾听顾客声音比以往任何时候都更加重要 193
交易工具：市场调研及定性数据收集方法和技术 195
进行在线、电话或者邮件调查 196
建立线上和线下社区 197
面对面采访顾客 198
建立和利用焦点小组 198
建立顾客反馈体系 199
确定顾客的态度、信仰和动机 203
理解顾客要求和需求 203
追踪顾客体验 204
定性数据团队做什么，数据分析是如何起作用的 204
融合数字行为的数据和定性数据 206
成功的商业合作 208
第10章 竞争性情报和数字化分析 214
竞争情报vs数字情报 214
数字竞争情报实例 215
数字竞争情报的工具和方法 217
数字竞争情报流程 219
整合数字行为数据和竞争情报 220
第11章 定位目标和数据分析自动化 226
定位的类型 226
定位发生的数字领域 228
什么是重新定位 230
重新定位的类型 231
数据分析团队如何助力定位和重新定位 232
关于定位和重新定位的建议 233
第12章 融合全方位渠道，整合数据，以理解客户、用户和媒体 238
全渠道数据类型 238
全渠道数据度量 240
通过全渠道数据整合定义客户分析 241
用客户的数据和你的分析向客户提问 242
统一的客户生命周期 246
通过全渠道数据整合进行客户分析的工作 251
客户分析面临的挑战 252
通过全渠道整合进行客户分析时需要什么 253
第13章 数据分析的未来 257
预测的个性化 257
闭环的行为反馈系统 257
多屏统一发送实时可访问的相关内容和广告 258
感知和反应 259
相互作用和警示 259
特定地理位置和目标定位 260
自动化服务和产品配送 260
数据交互的购物者和顾客体验 260
未来的分析业需要注重隐私和道德 262