新書推薦：
《
开拓人生
》
售價：HK$
78.2
《
服装设计效果图技法详解
》
售價：HK$
89.7
《
蕾丝花片钩编图集
》
售價：HK$
68.8
《
ESG全球行动
》
售價：HK$
90.9
《
如何（不）世俗——解读查尔斯·泰勒
》
售價：HK$
66.7
《
京华万象 ： 一百年前的北京 附赠超大尺寸《清末民初北京万象图》全图
》
售價：HK$
158.7
《
傲慢与偏见：希腊化-罗马时期地中海世界的犹太观念
》
售價：HK$
112.7
《
像欧奈尔信徒一样交易：我们如何在股市赚得18000%的利润
》
售價：HK$
101.2
|
| 編輯推薦： |
|
掀起商务人士重读统计学热潮的畅销书续作培养洞悉数据之间因果关系的能力通过统计学来发掘数据的价值运用数据来改善企业的竞争策略、人力资源、市场营销、业务运营结合企业管理×统计学的商业书籍！职场小白也看得懂的市场分析实用书系列书累计销量突破52万册日本统计学会2017年获奖作品本书以一般商务人士及经营管理者为对象，没有艰涩的数学算式，力图培养他们洞悉数据之间因果关系的能力。除了因应读者们呼声*高的“市场营销”领域之外，本书还包括了“竞争策略”“人力资源”及“业务运营”的实用案例，可以说是市场上结合企业管理和统计学的商业书籍的代表作！从此不再单纯依赖感觉，而是能精准找到更具希望的策略。探讨“今后的市场规模是否会增长”及“能否在该市场中取得占有率”的黄金组合。一般的“面试”其实没什么用？基于科学证据，得知怎样的人才可为公司带来更多获利。从人口统计资料，找出理想市场区隔的方法，再针对重要客户进行4P定位分析。在改善企业的采购、物流、服务等的同时，也消除存在于企业运营系统的“瓶颈”。只要我们拥有这个架构，就能将难以化为日常语言的内隐知识与数据链接，进而产生新的见解。
|
| 內容簡介： |
|
全书内容共分4章，分别从经营战略、人力资源、市场营销和业务运营四个方面阐述了普通人士如何利用统计学思维来进行数据分析，以提高企业的绩效。第1章内容主要讲述决定企业收益的主干——经营战略。第2章和第3章中介绍相关基础理论及先行研究，同时就数据分析和数据应用的具体流程进行详述。第4章主要介绍我们应该如何改善业务运营流程。本书除了介绍各类运用统计学思维进行数据分析的知识外， 同时也为大家提供了一种基础的调研设计模板， 通过遵循该模板中的方法和流程， 都能顺利展开数据分析，从而洞察海量数据中所蕴藏的规律和商机。
|
| 關於作者： |
|
西内启毕业于东京大学医学部生物统计学专业，曾任东京大学研究生院助理讲师、大学医院医疗信息网络工程研究中心副主任、哈佛大学癌症研究中心客座研究员等职务，现致力于通过数据的调查和分析、人才的培养等工作来指导企业和社会的革新。所著统计学分析系列丛书累计销量超过52万册，引爆商务人士学习统计学的热潮。
|
| 目錄：
|
|
前 言 别凭“主观感觉”和“案例”做分析01 鲜为人知的“调研设计”技能常见的数据应用失败案例不依赖个人主观感觉的调研设计改善枝叶不如改善主干02 本书的结构和框架本书所探讨的四大主题本书的分析流程及关键词第1章 用于经营战略的统计学03 用数据推导战略咨询顾问们都爱矩阵图矩阵分析的两大局限04 波特与SCP理论经营战略的理论背景①经营战略的代表性理论简洁优美的五力分析模型日本企业的飞跃反驳了波特的理论05 经营战略理论的契合度问题经营战略的理论背景②着眼于企业内部优势的杰恩·B. 巴尼波特和巴尼，究竟孰对孰错经营战略的统计分析历史06 分析对象的设定针对经营战略的统计分析流程①统计学式的战略制定方法横向市场分析纵向市场分析非连续性市场分析07 选择合适变量针对经营战略的统计分析流程②针对商务人士的系统综述入门08 收集所需数据针对经营战略的统计分析流程③首先收集客观的公开数据为什么要用总资产收益率来评价“赚钱程度”将非上市企业也纳入分析对象如何委托调研公司才精准高效收集带有主观性数据时的注意事项数据汇总方法09 分析与结果解读针对经营战略的统计分析流程④简单汇总统计的两大局限逐步回归法与对变量选择做人工确认分析解读实例与基础知识更细致的分析方法与我不推荐此类方法的理由与其严谨检验，不如迅速采取小规模行动10 本章总结 统计学补充专栏1 方差分析和混合效应模型第2章 用于人力资源的统计学11 你的企业有没有招到优秀人才“人才比战略更重要”这一事实基于科学实证的Google招聘流程普通的面试派不上什么用场12 一般智力与权变理论“学习好的人工作能力也优秀”只对了三成领导力研究学者们发现的权变理论元分析告诉我们“工作由适配度决定”只看中“干练利落的高学历人士”就太可惜了13 设定分析对象针对人力资源的统计分析流程① 凑齐几十个人就能做分析解析单位扩展和分割的方法14 选择合适变量针对人力资源的统计分析流程② 人事的Outcome设定很难“引入随机性”这一技巧广泛收集解释变量的备选项15 收集所需数据针对人力资源的统计分析流程③ 找寻埋没在公司内部的数据Outcome设定时的注意点：巧妙弥补数据不足解释变量相关数据扩充：性格特质的测定方法16 分析数据针对人力资源的统计分析流程④对相关性强的解释变量做“缩减”两个相关项目的得分可做合计 多个项目相关联时使用“因子分析” 使用多元回归分析还是逻辑回归 17 解读分析结果针对人力资源的统计分析流程⑤ 逻辑回归的解读方法复习 有没有“违背经验或直觉的结果” 应采取的行动：“改变” 应采取的行动：“转移” 作为人力资源管理措施候补的“HPWP” 18 本章总结 统计学补充专栏2 “删失”和“截断” 第3章 用于市场营销的统计学19 市场营销战略与顾客中心主义 iPhone需求真的无法通过调研知晓吗 效仿蓝海战略的方法 统计学能战胜天才的原因 20 现代市场营销的基础知识 科特勒对营销的定义以及常见误解 以谁为对象开展商业活动 卖什么，怎么卖 21 准备数据，基于数据来思考“卖给谁”针对市场营销的统计分析流程① 市场营销的数据分析至少要做三轮 分析对象是除“极不可能的人”以外的所有人 首先对单源数据做分析22 基于分析结果思考“卖给谁”针对市场营销的统计分析流程② 为什么不用多元回归分析和逻辑回归分析 推荐使用“聚类分析” 聚类分析是为了挖掘到好的细分市场 23 准备数据，思考“卖什么？”针对市场营销的统计分析流程③ 市场定位＝卖什么？ 结合质性调查和量化调查找到好的市场定位 “truth广告战役”——完美验证了营销的力量 24 应用了统合行为理论的质性调查针对市场营销的统计分析流程④ 涵盖了大部分学问成果的统合行为理论 提问项目和调查问卷的具体制作方法 25 分析与解释数据，思考“卖什么”针对市场营销的统计分析流程⑤ 通过分析我们可以了解什么 这次用的是多元回归分析或逻辑回归分析 思考市场定位时的两大方法 26 分析并思考“4P”针对市场营销的统计分析流程⑥ 了解细分市场的顾客 通过试制品或宣传单做测试营销 27 本章总结 统计学补充专栏3 决策树分析与随机森林 第4章 用于业务运营的统计学28 戴明提出的全新“管理模式” 运营模式的改善引领美国西南航空走向成功 提出kaizen并支持着比尔·克林顿的统计学家 想办法解决“导致波动的原因” 29 从局部到整体 沉睡在公司内部可供改善的广袤新领域 从“瓶颈”开始着手 30 价值链与各部门的标准 价值链的思考方式 具体的Outcome与解析单位 31 从业务用数据到分析用数据 首先从分析手头数据开始 将数据转化为可供统计分析的形式 将数据相关联 32 提高数据品质与数据加工的要点 “完整的数据”是一个陷阱 有“欠缺”感就对了 不用勉强思考“假设” 33 “洞察性分析”与“预测性分析” 何谓“预测性分析” 你的隐性知识将成为做“洞察性分析”的武器 “预测性分析”难做的两大原因 失败的Google流感预测 34 自回归模型与交叉验证 自回归模型概要 防止过拟合 通过交叉验证做检验 35 本章总结 统计学补充专栏4 运用到集体智慧的预测手法 致谢 参考文献索引
|
| 內容試閱：
|
|
别凭“主观感觉”和“案例”做分析鲜为人知的“调研设计”技能常见的数据应用失败案例我撰写统计学系列丛书的主要目的是为了填补横亘在统计学和普通商务人士对其认知之间的鸿沟。当时，大数据的概念正广受关注，商业新闻中经常不痛不痒地提到人们运用价格高昂的系统对数据进行高速分析处理，结果往往得到的只是一些漂亮美观的饼图或曲线图。作为一位数据分析专业人员，我认为这种做法是不可取的，于是借由书籍提出了我的反对观点。未曾想该书一经发售便引发了诸多反响，书中观点也为社会大众广泛接纳，这让我欣喜不已。这本书的热卖给我的人生也带来了巨大变化，我收到了比以往更多的来自各方人士的联系，大家都殷切希望将数据应用到商业领域中。准确地来说，应该是来自“曾尝试将数据应用于商业但结果并不尽如人意”的各方人士的联系。他们中的大部分人要么对公司内部数据库进行了大规模整顿、要么引进了费用高昂的IT系统、要么向外部数据科学家或咨询顾问支付了高额佣金，但终却未从中收获任何成果。也就是说，这些尝试并没能给他们带来任何利润。那些“数据应用已经做得很好，且已持续获利”的人们也许即使对拙著有所感悟，也并不会主动联系我吧。不过，不容置疑的是，不管是人尽皆知的大型企业，还是被媒体标榜为“业界致力于大数据应用”的前沿企业，相当多的企业都对大数据投资颇多却收效甚微。通过与他们交流，我得以了解到很多数据应用方面的反面案例，例如他们是基于怎样的原委、采取了怎样的行动、获得了怎样的分析结果，又是怎样在商业应用中行之无效的。其中，代表性的失败模式如下：首先，由公司管理层，也就是总裁或董事长发号施令，“我们公司也要进军大数据了！”接着，公司根据指示下达相应任务和预算到那些适合负责大数据的部门，一般是信息系统部或市场部等。而这些部门的负责人们，其实并不了解应该如何使用这笔预算，于是不管三七二十一，先把资金投资在一些通用性较高的软硬件上。至于这些软硬件具体如何使用，他们往往一无所知。这时，他们会选择委托外部咨询顾问或数据科学家来做分析，不过收到的往往只是一些完全无助于提高公司利润的分析报告。又或者，他们会参考咨询顾问提供的“其他企业的成功案例”，尝试通过机器学习算法自动发送优惠券或优化DM广告（直接邮寄广告）投放流程等，但这些举措似乎依旧无法提高销售额。不依赖个人主观感觉的调研设计我认为出现这种情况的根本原因在于，他们本身缺乏一种基于调研设计的思考方式。所谓调研设计，指的是研究人员如何构思优秀的研究课题，同时思考针对此课题应该如何开展调查及分析。我认为，日本大部分的高等院校对这个领域都没有进行系统性教育，研究者们普遍效仿自己的老师，照猫画虎地学习“应该怎样做研究”。不过，据说美国很多大学都开设了相关课程来教授这项技能。以我写作本书为例，当我在amazon.com上输入关键词“research design”（调研设计）时，一共可以搜索到1万本以上相关书籍。根据作者和类别不同，这些书多少会有流派之别，但大多数情况下，它们都不约而同地将“把握先行研究”作为调研设计的步。因为，所谓研究并非是把自己关在办公室或实验室里苦思冥想或埋头实验，然后哪天就突然灵感闪现，找到重大发现。即使有些人稍有聪明才智，但如果他们不加以学习，仅靠独自长时间苦苦思索，那么即使思考出点什么内容，终也会发现其实早就有前人想到并发表于报端了，甚至哪怕相关反驳或反证或许都已有人提出了。对那些很久以前就已经发明出来的东西，还要特意耗时耗力地再重新发明一次，我们称之为“重新发明轮子”。确实，从未见过车轮的人在想要搬运重物的时候发明出了车轮，也许会有种“我真是个天才”的错觉。但仅凭这种个体性的灵感闪现，不管发明多少次车轮，对人类整体智慧的进步都没有任何帮助。按照我的理解，研究是一种试图为“人类智慧”做出贡献的行为。为此，围绕我们感兴趣的课题，我们首先需要把握前人对“哪些部分已经研究清楚了”，而对“哪些部分未知或尚未涉足”，然后，再思考应该怎样收集数据和展开分析来减少那些“未知的重要部分”。这就是调研设计的思考方式。一般情况下，学术论文如有不准确标明参考文献出处、伪造数据或收集状况等都属于科研伦理上的“造假”，会受到惩戒，因为这也是一种侮辱前人创造出的“人类智慧”的行为。不过，与研究人员不同，商务人士在做数据分析时，不一定必须得解密一些“人类未知的重要内容”，而只要找到一些“公司大部分人都不知道的重要内容”就可以了。不过，即使做商务数据分析，调研设计的重要性也是丝毫不变的。不管是普通商务人士，还是运用高级分析手法的数据科学家，那些缺乏调研设计思维的人们通常都会仅凭自身经验、直觉或主观感觉来建立“假设”，然后再企图通过数据来做验证。不过，普通人能想到的那种程度的假设，例如“女性客户比男性客户的客单价要高”“收到DM广告的客户更容易产生购买行为”等，即使通过数据得到验证也不会带来多大价值。大部分情况下，听众们的反应只会是“哦，果然如此”，随后就没下文了。即使有那么一些人，他们发挥稳定，经常性地提出一些极具创新性和前瞻性的假说，并且其中大部分经受住了数据检验，那么这些可称之为“天才”的人也一定是寥若晨星。接着，当这些浮想程度的假说穷竭之后，他们就开始“收集成功案例”了。他们往往会委托咨询顾问针对国内外同一业务领域的公司收集并介绍数据运用案例，试图进行效仿。内容涉及如何基于数据分析结果来制定经营策略以及如何导入应用程序（如优惠券自动派发系统）来活用数据等与仅凭个人主观感受相比，这一过程多少还算是在尝试努力向“人类智慧”靠近。但实际上，这儿也有意想不到的陷阱在等着他们：即便同属某一业务领域，销售的也是同类商品，但企业间还是有很大差异的——客户群体、品牌形象、运营流程等都各不相同。所以，简单地将给一家公司创下巨大营收的举措生搬硬套到另一家公司，结果往往并不理想。打个比方，一家零售企业因产品售价合理而受到顾客广泛支持，它通过“优化优惠券投放方式”获得了成功。与此同时，另一家零售企业则是因“服务优、环境好”而收获了一批高客单价优质客户。那么，在这种情况下，如果后者盲目照搬前者的做法，结果会怎样？可想而知，这一举措吸引的只是那些对打折感兴趣的客人，这将终导致客户群体出现偏差，甚至可能会因此流失部分优质客户。更进一步地说，我本人以及那些经常在媒体中露面的从事数据相关工作的朋友们都有一个共同点，那就是我们绝不可能将那些直接给公司带来巨大利润的分析结果公之于众。因为这些分析结果都是我们的客户或我们自己公司耗费了莫大的时间和成本研究得出的，将它们泄露给其他公司，则无异于亲手放弃这些能为我们带来竞争优势的源泉。因此，咨询顾问们能拿上台面做案例的所谓“大数据的成功案例”，大多都是可公之于众的无关紧要的内容。如果有人私底下透露给了你一些非常机密的商业案例，那么有朝一日当他成为你的商务伙伴时，请务必多加小心。为什么？因为假如日后他协助你通过数据应用给你的公司带来了巨额利润，那么在不久的将来，这些数据分析结果也同样可能会被泄露给你的竞争对手们。那样的话，数据中所蕴含的价值就会即刻丧失。改善枝叶不如改善主干那些充斥在街头巷尾的所谓“大数据的成功案例”， 例如针对哪些人如何派发优惠券、如何处理客服中心收到的投诉等，都不过是商业活动中的枝叶而已。事实上，数据分析能够发挥价值的领域比这些要宽广得多。当我们将数据应用在枝叶领域时，不用考虑太多复杂要素就能收到立竿见影的效果，给企业或多或少带来一些利润。然而，如果我们能彻底改善主干部分则往往能收获更多。这些年来，我有幸在各大行业的各个领域，针对各类数据做了很多工作。我之所以能做到这些，就是因为已经掌握了“调研设计”这项技能。同时，每当涉足一个全新的领域，我都会先仔细查阅管理学家及应用心理学家等针对该领域的先行研究，以及业界专家学者或有识之士的智慧经验，并提前将它们输入我脑海中的知识库。在日本，管理学家们大多只专注于定性研究；而在欧美，管理学家们普遍都通过统计分析这一定量工具，研究企业如何提高收益的科学依据。当然，我也知道，对大多数商务人士来说收集并把握先行研究是一项难度很高的工作。正因如此，我希望通过本书向大家介绍目前为止我所掌握的各类先行研究的主要内容，同时也为大家提供一种基础的调研设计模板，通过遵循该模板中的方法流程，无论是谁，无论是哪家公司，都能顺利展开数据分析。在这个基本框架之下，即便很难从零开始建立假设，我们也依旧可以将那些平常无法用语言表达出来的隐性知识与数据进行联系，从而洞察其中的规律和商机。本书的结构和框架本书所探讨的四大主题那么，何谓商业活动中的主干？目前为止，我所体会到的主干当属“经营战略”。后文中将会详细提及的管理学家巴尼在其著作中解释经营战略一词时指出，“毫不夸张地说，有多少本以经营战略为主题的书，就有多少种关于经营战略的定义。”同时，巴尼本人将经营战略定义为：一家企业所拥有的关于如何在竞争中取得成功的理论。本书在使用“经营战略”这个词时一般指的是“公司级别下的一贯的（或应执行的）盈利方针”。进一步来说，如果我们在判断企业该进军哪类领域、该着力发挥哪种差异化优势等重要问题时出现失误，那么仅靠在运营等枝叶层面做出改善，收到的效果是微乎其微的。再者，如果一味模仿那些与企业经营战略格格不入的“大数据成功案例”，不仅无法给企业带来收益，甚至有可能会适得其反。本书中提到的“经营战略”，并不仅仅是经营者或企业咨询顾问应该考虑的内容。无论我们是想改善运营流程，还是想给营销企划做分析，首先都必须与企业战略方向保持一致。因此，我想给大家提供一种做企业战略分析的基本框架，以便全体商务人士都能自如地思考和运用。一般来说，经营战略分为竞争战略（事业战略）和企业战略（公司战略）两种，本书主要就竞争战略进行剖析。而企业战略主要涉及的是企业多元化和企业并购等领域，这偏离了全体商务人士都应思考的范畴，因此不在
|
|
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
