第Ⅰ部分 大数据的商业潜力 3
第1章 大数据商业任务 3
1.1大数据MBA介绍 3
1.2关注大数据的驱动竞争差异 5
1.2.1利用技术推动竞争差异 6
1.2.2论经济驱动的商业转型经验 6
1.3“不同思考方式”的重要性 8
1.3.1别想着大数据技术，想想商业转型 8
1.3.2别想着商业智能，想想数据科学 9
1.3.3别想着数据仓库，想想数据湖泊 9
1.3.4别想着“发生了什么”，想想“会发生什么” 10
1.3.5别想着最高收入人群，想想合作 11
1.4本章小结 12
1.5家庭作业 12
第2章 大数据商业模式成熟度指数 15
2.1介绍大数据商业模式成熟度指数 16
2.1.1阶段1：商业监测 18
2.1.2阶段2：商业观察 18
2.1.3阶段3：商业优化 21
2.1.4阶段4：数据货币化 22
2.1.5阶段5：商业蜕变 24
2.2大数据商业模式成熟度指数经验心得 25
2.2.1经验1：专注原始大数据价值 25
2.2.2经验2：充分利用见解，创建新的盈利机会 26
2.2.3经验3：为企业机构变革做准备 26
2.3本章小结 27
2.4家庭作业 28
第3章 大数据策略文档 29
3.1建立通用商业术语 30
3.2介绍大数据策略文档 31
3.2.1确定机构的关键商业计划 32
3.2.2 Chipotle餐馆中最重要的是什么 33
3.2.3确定关键商业实体和关键决策 34
3.2.4明确经济助力因素（用例） 37
3.2.5识别和优化数据源 39
3.3介绍优先级矩阵 42
3.4使用大数据策略文档，赢得世界职业棒球大赛 43
3.5本章小结 47
3.6家庭作业 48
第4章 用户体验的重要性 51
4.1“无知的”用户体验 52
4.2消费者案例分析：提高客户参与 54
4.3商业案例研究：启用一线员工 56
4.3.1门店经理仪表盘 56
4.3.2示例用例：竞争分析 58
4.3.3其他用例 59
4.4 B2B案例研究：使渠道更有效 60
4.4.1顾问是你的合作伙伴——助他们成功 61
4.4.2理财顾问案例研究 61
4.4.3理财顾问仪表盘的信息部分 63
4.4.4理财顾问仪表盘的建议部分 65
4.5本章小结 68
4.6家庭作业 69
第Ⅱ部分数据科学 73
第5章 商业智能和数据科学之间的差异 73
5.1什么是数据科学 74
5.1.1商业智能与数据科学：问题是不同的 75
5.1.2商业智能问题 76
5.1.3数据科学的问题 76
5.2分析师各具特点 77
5.3分析方法不同 78
5.3.1商业智能分析师的参与过程 78
5.3.2数据科学家的参与过程 80
5.4数据模型不同 82
5.4.1商业智能的数据模型 82
5.4.2数据科学的数据建模 83
5.5商业角度的不同 85
5.6本章小结 88
5.7家庭作业 88
第6章 数据科学101 89
6.1数据科学案例研究设置 89
6.2基础的探索性分析 91
6.2.1趋势分析 91
6.2.2箱形图 94
6.2.3地理（空间）分析 95
6.2.4配对图 95
6.2.5时间序列分解 96
6.3分析算法与模型 97
6.3.1聚类分析 98
6.3.2正态曲线当量（NCE）分析 99
6.3.3关联分析 100
6.3.4图形分析 101
6.3.5文本挖掘 102
6.3.6情感分析 103
6.3.7遍历模式分析 104
6.3.8决策树分类器分析 105
6.3.9同期群分析 106
6.4本章小结 108
6.5家庭作业 110
第7章 数据湖泊 111
7.1数据湖泊简介 112
7.2支持商业运行的数据湖泊特征 114
7.3使用数据湖泊跨越分析鸿沟 115
7.4数据和分析环境的现代化 117
7.4.1行动1：创建基于Hadoop的数据湖泊 117
7.4.2行动2：分析沙箱的简介 118
7.4.3行动3：摒弃数据仓库中的ETL过程 119
7.5分析辐射型分析架构 120
7.6早期学习 121
7.6.1经验1：命名并不重要 122
7.6.2经验2：它是数据湖泊，而不是数据湖区 122
7.6.3经验3：数据治理是一个生命周期，而不是一个项目 123
7.6.4经验4：数据湖泊优于而不是落后于数据仓库 124
7.7未来是什么 125
7.8本章小结 126
7.9家庭作业 127
第Ⅲ部分 商业利益相关者的数据科学 131
第8章 像数据科学家一样思考 131
8.1像数据科学家一样思考的过程 132
8.2本章小结 142
8.3家庭作业 143
第9章“By”分析技术 145
9.1 “By”分析技术的简介 146
9.2 “By”分析练习 148
9.3基于“By”分析的Foot Locker用例 152
9.4本章小结 154
9.5家庭作业 154
第10章 评分开发技术 157
10.1分数的定义 158
10.2 FICO分数示例 158
10.3其他行业评分的示例 161
10.4继续讨论勒布朗·詹姆斯的示例 162
10.5继续讨论Foot Locker的示例 166
10.6本章小结 169
10.7家庭作业 169
第11章 货币化训练 171
11.1健身跟踪器货币化示例 172
11.1.1步骤1：了解产品使用 172
11.1.2步骤2：开发商业利益相关者的人物角色 173
11.1.3步骤3：对潜在的建议集思广益 174
11.1.4步骤4：确定支持的数据源 175
11.1.5步骤5：对盈利机会进行优先级排序 177
11.1.6步骤6：开发货币化计划 178
11.2本章小结 179
11.3家庭作业 179
第12章 商业蜕变训练 181
12.1商业蜕变回顾 182
12.2商业蜕变训练 183
12.2.1明确商业蜕变构想 183
12.2.2了解你的客户 184
12.2.3明确价值主张 184
12.2.4定义数据和分析需求 185
12.3卫生保健中的商业蜕变 190
12.4本章小结 193
12.5家庭作业 194
第Ⅳ部分 构建跨企业间的支持 197
第13章 构想的力量 197
13.1构想：为创造性思维助力 198
13.1.1大数据前景研讨会的流程 198
13.1.2前期研究 199
13.1.3采访商业利益相关者 200
13.1.4用数据科学进行探索 200
13.1.5研讨会 202
13.1.6设计研讨会 204
13.2最优化矩阵 206
13.3本章小结 208
13.4家庭作业 208
第14章 释放企业机构影响力 209
14.1首席数据货币化执行官 209
14.1.1首席数据货币化执行官的职责 210
14.1.2首席数据货币化执行官机构 210
14.1.3分析卓越中心 211
14.1.4首席数据货币化执行官的领导力 212
14.2隐私、信任度和决策治理 212
14.2.1隐私问题=信任问题 213
14.2.2决策管理 214
14.3释放企业机构的创新能力 214
14.4本章小结 216
14.5家庭作业 217
第15章 故事 219
15.1客户和员工的分析 221
15.2产品和设备分析 224
15.3网络和运营分析 225
15.4一个好的商业故事的特点 227
15.5本章小结 228
15.6家庭作业 228