數(shù)據(jù)實踐之美：31位大數(shù)據(jù)專家的方法、技術(shù)與思想

贊譽(yù)
前言
Part 1　數(shù)據(jù)化思維 // 1
NO.1　數(shù)據(jù)化運(yùn)營的方法論體系　張子良 // 2
NO.2　數(shù)據(jù)化營銷中的“一·二·三”　葉秋萍 // 9
NO.3　企業(yè)數(shù)據(jù)化管理之巔—同業(yè)對標(biāo)　王衛(wèi)東 // 21
NO.4　管理數(shù)據(jù)化：柳傳志30年管理智慧如何為我所用　袁華杰 // 33
NO.5　數(shù)據(jù)領(lǐng)導(dǎo)力—指標(biāo)體系規(guī)劃與管理駕駛艙設(shè)計　劉凱 // 41
Part 2　數(shù)據(jù)治理 // 53
NO.6　數(shù)據(jù)庫開發(fā)實施工藝提升的6種途徑　楊寶軍 // 54
NO.7　ETL串并發(fā)數(shù)據(jù)跑批處理的理論與運(yùn)用實踐　何啟平 // 64
NO.8　如何高效地對復(fù)雜數(shù)據(jù)進(jìn)行清洗與轉(zhuǎn)換　謝佳標(biāo)// 74
Part 3　BI與數(shù)據(jù)可視化 // 91
NO.9　商務(wù)智能業(yè)務(wù)分析構(gòu)建“5步曲”　呂敏杰 // 92
NO.10　構(gòu)建數(shù)據(jù)體系的兩個“5步曲”　王桐 // 109
NO.11　成功實施BI項目的4大要素　賈巖 // 119
NO.12　Kimball理論在BI項目中的應(yīng)用　郭川 // 127
NO.13　BI數(shù)據(jù)可視化分析SaaS產(chǎn)品前瞻　呂品 // 145
NO.14　大數(shù)據(jù)工程的系統(tǒng)架構(gòu)設(shè)計和技術(shù)選型　韓慶安 // 153
NO.15　數(shù)據(jù)可視化4步工作法　溫融冰 // 164
NO.16　如何用R語言對復(fù)雜數(shù)據(jù)進(jìn)行可視化　謝佳標(biāo)// 169
NO.17　新思路，新體系：讓銀行報表的3大痛點(diǎn)不再是噩夢　袁華杰 // 184
NO.18　Cognos在金融銀行業(yè)的最佳運(yùn)用　吳永帆 // 196
Part 4　數(shù)據(jù)分析與數(shù)據(jù)挖掘 // 207
NO.19　如何做好一名商業(yè)分析師？　吳奕君 // 209
NO.20　如何用數(shù)據(jù)驅(qū)動運(yùn)營　桑文鋒 // 217
NO.21　企業(yè)增長中的精細(xì)化分析和Growth Hacking　孔淼 // 237
NO.22　如何基于業(yè)務(wù)實現(xiàn)用戶行為數(shù)據(jù)產(chǎn)品化　吳文波 // 247
NO.23　電商的數(shù)據(jù)化管理與運(yùn)營　尚林棟 // 256
NO.24　零售業(yè)數(shù)據(jù)分析指標(biāo)的管理與應(yīng)用　沈嶸// 284
NO.25　做好零售業(yè)數(shù)據(jù)分析必須解決的3個難點(diǎn)　鄒斌 // 291
NO.26　如何用R語言做量化分析　張丹 // 316
NO.27　從BI到AI，數(shù)據(jù)分析的4個誤區(qū)　彭耀 // 335
NO.28　企業(yè)如何利用跨行業(yè)數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程開展大數(shù)據(jù)實踐　張浩彬 // 342
NO.29　詳解過程挖掘的技術(shù)和方法　汪尚 // 352
NO.30　個性化數(shù)據(jù)挖掘的關(guān)鍵技術(shù)與應(yīng)用實踐　陳運(yùn)文 // 382
Part 5　大數(shù)據(jù)化之路 // 401
NO.31　教育行業(yè)的大數(shù)據(jù)實施路徑　李宗海 // 402
NO.32　數(shù)據(jù)科學(xué)在互聯(lián)網(wǎng)金融中的應(yīng)用　張云松 // 409
NO.33　地理大數(shù)據(jù)驅(qū)動的智慧選址　張志成 // 419
附錄 // 433