新書推薦：
《
数据有道：数据分析+图论与网络+微课+Python编程（鸢尾花数学大系：从加减乘除到机器学习）
》
售價：HK$
266.6
《
500万次倾听：陪伤心的人聊聊
》
售價：HK$
53.8
《
英国商业500年（见证大国崛起与企业兴衰，启迪未来商业智慧。）
》
售價：HK$
80.6
《
万千心理·儿童心理治疗中的心智化：临床实践指导
》
售價：HK$
87.4
《
自我囚禁的人：完美主义的心理成因与自我松绑（破除你对完美主义的迷思，尝试打破自我评价过低与焦虑的恶性循环）
》
售價：HK$
66.1
《
周易
》
售價：HK$
44.6
《
东南亚的传统与发展
》
售價：HK$
67.2
《
乾隆制造
》
售價：HK$
87.4
|
| 編輯推薦： |
面对巨量数据，还能找到宝石和金子吗？
如果谷歌即将踏足你的市场，该怎么办？
成本高昂的IT工具真的能够解决问题吗？
罗兰贝格专家带你突破大数据的价值瓶颈！
|
| 內容簡介： |
如今，很多企业被淹没在数据洪流之中，数据并没有给它们带来太多好处。企业数字化竞争力的提升也并没有像在公司战略会议上渲染大数据这一概念时所描述的那样快。其实，在大多数应用领域，数据量的多寡并不是衡量数据价值创造力的决定性标准。本书描绘了一条走出大数据带来的失望的更智慧的路线，适用于那些已经意识到起决定作用的不是数据量，而是正确地整合数据，物尽其用的企业。这一路线被称为智能数据。
智能数据的出发点是：在不增加技术、人员和资金投入的情况下，我们如何高效地利用客户数据信息？其本身就是一种切实可行的方法论。从这个方法论出发，我们可以得出一套不断迭代更新的、在逐步摸索中的、基于假设的行为方式。智能数据的理念是，在你所在的行业内成为数字智能化非常高的企业，在面对直接的数字化竞争时，借助数据分析，能够一步步地打造自身的竞争优势。
一般来说，导致数字变革宣告破产的，并非是技术力量的匮乏，而是源于企业内部的对抗、过于刻板的组织构架和失误的变革期管理。本书介绍了企业如何通过改革自身的管理、企业文化以及组织构架以成为智能数据时代的佼佼者。在大数据时代，少即是多只要是对的，那么更少的数据将更有成效。今天的企业需要提高数字素养。
如今，很多企业被淹没在数据洪流之中，数据并没有给它们带来太多好处。企业数字化竞争力的提升也并没有像在公司战略会议上渲染大数据这一概念时所描述的那样快。其实，在大多数应用领域，数据量的多寡并不是衡量数据价值创造力的决定性标准。本书描绘了一条走出大数据带来的失望的更智慧的路线，适用于那些已经意识到起决定作用的不是数据量，而是正确地整合数据，物尽其用的企业。这一路线被称为智能数据。
智能数据的出发点是：在不增加技术、人员和资金投入的情况下，我们如何高效地利用客户数据信息？其本身就是一种切实可行的方法论。从这个方法论出发，我们可以得出一套不断迭代更新的、在逐步摸索中的、基于假设的行为方式。智能数据的理念是，在你所在的行业内成为数字智能化非常高的企业，在面对直接的数字化竞争时，借助数据分析，能够一步步地打造自身的竞争优势。
一般来说，导致数字变革宣告破产的，并非是技术力量的匮乏，而是源于企业内部的对抗、过于刻板的组织构架和失误的变革期管理。本书介绍了企业如何通过改革自身的管理、企业文化以及组织构架以成为智能数据时代的佼佼者。在大数据时代，少即是多只要是对的，那么更少的数据将更有成效。今天的企业需要提高数字素养。
|
| 關於作者： |
比约恩布劳卿（Bjrn Bloching），罗兰贝格管理咨询公司的高级合伙人、数字化部门全球主管，罗兰贝格数字中枢创建者，经验丰富的营销专家，领导着该咨询公司的国际市场与销售技术中心。 拉斯拉克（Lars
Luck），麦德龙集团首席组合战略专家，此前曾任罗兰贝格管理咨询公司合伙人，领导销售和有针对性营销实践小组。 托马斯拉姆什（Thomas
Ramge），德国著名财经杂志《brand eins》记者，报道领域涵盖技术、IT及营销领域。《经济学人》特约编辑。著作颇丰，曾获得德国《金融时报》颁发的卓著商业图书奖。
|
| 目錄：
|
引
言 以少博多的智能数据使用者
规模并不重要 001
成为行业智者 004
智能数据理念梗概 005
新数据合同 007
第一部分
从大数据向智能数据转变
第1 章
深陷数据过载的愁云惨雾
流感预测器也闹流感 013
技术成熟度曲线（Hype-Cycling） 019
没有大爆炸的大数据 022
以守为攻战术 027
第2 章
数字化海啸完全不关注数据也行不通
沿价值链产生分化 033
机智，联合，进攻 036
到处都土崩瓦解！ 041
投资者眼光 057
第3 章
智能数据冠军选择正确的数据是成功的基础
聪明的数据使用者 063
找对数据比拥有超多数据更有用 066
3W：为什么？如何做？做什么？ 069
概率击败偶然 075
第二部分
智能数据的循环
第4 章
五步流程实现增值
提出正确的问题 081
使用正确的数据 090
客户需求理解 095
提出自己独特的销售主张 111
正确地吸引客户 114
结论：实现增值 122
第三部分
冠军企业的智能数据应用领域
第5 章
更加智慧地接近客户在合适的时间、
以合理的价格、提供所需的产品
时尚策划 127
策划式配件 129
哈，这个卖家是真正了解我的！ 133
贸易方面的分析小知识 137
在价格发现过程中，好货也得便宜 140
物理网点销售打败网络化销售 142
第6 章
从贸易伙伴转变为数据伙伴通过中介共同提高
客户潜力
一切对抗一切？ 147
协同型客户关系管理 150
瑞士法典 156
假名的力量 158
双重选择性加入？是的！ 163
第7 章
智能优化选址、产品线和产品
错误的旗杆 167
在正确的地点采用正确的销售模式 171
实时优化产品线 176
第8 章
多渠道到底是什么意思为客户和企业提供最好
的客户旅程
多渠道发展内外有别 187
弹球机而不是保龄球 190
每人一个苹果账户! 193
客户旅程中的渠道断点 198
在线产品展示厅 202
第四部分
企业的智能化之路
第9 章
能够接受错误才是正确的经营态度
弹道式思维 211
用不断尝试打败加农炮理论 215
无计划时代的企业管理 217
孔子说 224
数据大狂欢 227
第10 章
使组织更加灵活选择正确的组织构架、流程
和技术
可以自由选择工作岗位吗？ 229
智能数据的折中路线 232
数字化变革中的四步走 233
迭代增量，小步快跑！ 243
第11 章
智能化地引进人才和开展培训正确选择员工
战略规划官 246
数据科学家 247
项目经理 251
变革管理经理 252
第五部分
赢得数据
第12 章
选择客户真正需要的数字化战略
公众众口铄金 257
隐私精神分裂症 259
透明的数据章鱼？ 262
赢得数据 265
后NSA时代的人 271
全新模式 273
|
| 內容試閱：
|
大数据中的大到底有多大？近年来，技术分析员和IT（信息技术）供应商数量呈指数级增长；拍、泽、尧等量级单位不断被刷新；若将数据储存在CD或DVD光盘中，它们则会从地球一直堆到月球，甚至是火星。由于数据被认为是新的原油资源，所以这些指数越高越好。得益于日益廉价的存储设备、更加快捷的处理器和越来越智能化的算法，我们有能力善用这些资源。届时，数据信息向知识的转化意味着流程优化、更优决策以及全新商业模式的诞生。
啊哈！
然而现在，很多企业被淹没在数据洪流之中，数据并没有给它们带来太多好处。许多企业高管都有种不好的感觉，那就是，企业数字化竞争力的提升并没有像在公司战略会议上渲染大数据这一概念时所描述的那样快。他们甚至悲观地认为，大数据这一数字革命的时髦概念，前景并没有那么明朗，且弊大于利，令人心灰意冷。
大数据就如同一根魔法棒我们抓取尽可能多的数据，然后，被人工智能操控的机器就可以告诉我们，我们应该通过什么方法、在哪些环节、能够在多大程度上去提高产品的附加值。更理想的是，大数据会告诉我们如何去创造一个全新的商业模式，正如贝宝（PayPal）联合创始人、脸谱网（Facebook）外部投资者彼得蒂尔先生在从0 到1 逻辑中阐述的那样。更有甚者，用技术人员的话说，大数据就等同于宇宙大爆炸。
数字技术总是开空头支票，自卖自夸，承诺的多，做到的少。大数据分析逐渐丧失吸引力，在某种程度上，大数据概念的基本理念应对此负有一定的责任，因为在大多数应用领域，数据量的多寡并不是衡量数据价值创造力的决定性标准。
几个月来，
在与经理人、IT负责人的交流中，我们发现，大数据所描绘的美好图景在企业的经营现实面前遭受重创。数据应用的惨败带来失望，伴随失望而来的是迷茫，甚至是惊诧。与此同时，所有的参与者也意识到，完全不关注数据也行不通。
本书描绘了一条走出大数据带来的失望的更智慧的途径。这一途径不仅适用于仍坚信从0 到1理论的企业、n1 组织，而且也同样适用于那些既有成熟的商业运营模式，又想通过善用大数据分析手段提升业绩的企业。这些企业不认为数据是一种特有的商业模式，而是将数据看作一种核心要素，帮助我们更好地了解客户。相应地，这些企业也不会盯着堆积成山的数据（在这方面，谷歌也许更擅长），更不会去盯着ERP系统（企业资源计划系统，于1995 年被引进，至今仍在不断被拓展功能）。
这种折中路线适用于这样一类企业它们已经意识到起决定性作用的不是数据量，而是正确地整合数据，物尽其用。我们把这一路线称为智能数据。
我们在提及智能数据这个概念时，并不是在用另一个新词去替代一个被滥用的流行语。智能数据既不是一个技术层面的解决方案，也不是一部新的管理真经。
智能数据的出发点是：在不增加技术、人员和资金投入的情况下，我们如何高效地利用客户数据信息？其本身就是一种切实可行的方法论。从这个方法论出发，我们可以得出一套不断迭代更新的、在逐步摸索中的、基于假设的行为方式。同数据资源一样，健全的认识也是重要的资源。最终的目的是，在所有智能数据的应用领域，更好地了解客户、联系客户，并借此提升客户长期贡献度。
智能数据的路线分为很多阶段，从一开始，其发展方向就并非一成不变。因为没有人能确切地知道，在未来的3~5 年间消费者真正需要什么，也不知道哪些技术将获得应用。毫无疑问，企业管理需要不时地调整发展方向。一些具有实验性质的项目可以为我们提供借鉴，告诉我们在未来如何更好地满足客户需求。个别基于系统化行为方式的智能数据项目创建了一套自学习系统，越来越多的人和企业部门通过这套系统来学习如何更明智地应用客户信息。一部分参与者（特别是来自商业领域的参与者）在面对智能数据带来的技术和人员方面的挑战时，并不会持续不断地进行尝试和探索，这是导致所谓的商业宇宙大爆炸并未发生的原因。
当这些明智的摸索取得成功时，智能数据项目就成为企业参与数据革命的起点和里程碑。我们甚至也可以换一种理解数字化变革是自然而然发生的，给我们的日常生活带来帮助，就像智能手机不断增多的功能一样。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
