人类社会已经进入数字化时代，数据分析技术和方法正在加速变革以适应新时代，不能有效掌握分析技术和方法的企业将面临被淘汰的境况。米歇尔·钱伯斯、托马斯·W.丁斯莫尔著的《大数据时代的商业分析(精)》提供了路线图帮助你快速掌握并充分利用这些方法。书中分享的技术和方法都经过了各类公司的严格检验，呈现的最佳实践是作者利用分析方法应对各种商业挑战的亲身经历，揭示了各类企业如何基于自身商业实践和组织结构，量身定制有效的分析技术和方法，不断识别和获取新的商业价值。今后，最快掌握分析技术和方法的人将成为大赢家。对于渴望成功的人而言，本书是一幅经过实战检验的蓝图。

第一部分 企业为什么需要独特的分析路径图？
第一章 现代分析原理
传递商业价值和影响
关注最后一公里
借鉴持续改善的理念
加速学习和执行
创新分析方法
嵌入式分析方法
建立现代分析构架
构筑人力资源基础
充分利用消费需求
总结
第二章 企业3.0到来啦！
第三章 为什么需要独特的分析路径图？
概述
业务领域
数据
方法
精度
演算法
嵌入法
速度
总结
第二部分 分析路径图
第四章 利用分析强化企业发展战略
概述
案例分析
总结
第五章 构建分析法路径图
概述
第1步：明确企业目标
第2步：确定价值链
第3步：头脑风暴分析解决方案条件
第4步：描述分析解决方案条件
第5步：创建决策模型
第6步：评价分析解决方案条件
第7步：建立分析路径图
第8步：完善分析路径图
总结
第六章 分析应用
概述
战略分析
管理分析
运营分析
科学性分析
直面客户分析
总结
第七章 案例分析
概述
预测用例
解释
预测
数据挖掘
仿真模拟
优化
总结
第八章 预测分析方法
概述：现代分析方法途径
定义业务需求
构建分析数据集
构建预测模型
预测模型应用
总结
第九章 终端用户分析
概述
分析用户
分析编程语言
商务用户工具
总结
第十章 分析平台
概述
预测分析架构
现代SQL平台
总结
第三部分 实施企业分析路径图
第十一章 吸引并留住分析人才
概述
企业文化
数据科学家
总结
第十二章 组建分析团队
概述
集中与分散式组织结构的分析团队
卓越中心
首席数据官和首席分析官
实验室团队
项目分析办公室
总结
第十三章 还等什么？马上行动吧！

“大数据”时代已经到来。数据分析业内知名专家撰
写了大量经典论著，本书是分析法宝库中的重要成果之一
。本书由美国专家米歇尔·钱伯斯与托马斯·W.丁斯莫尔
联合创作。米歇尔·钱伯斯曾任多家知名数据分析公司重
要职位，现任MemSQL公司营销副总裁；托马斯·W．丁斯莫
尔也曾在数据分析公司中担任重要职务，现任Revolution
Analytics公司产品管理总监。多年来，两位分析专家积
累了大量丰富的实战经验。
本书内容分三大部分，共十三章。第一部分包括前三
章，主要围绕构建分析路径图的必要性和重要性展开讨论
，逐步阐明现代企业构建分析路径图意义重大。第二部分
包括第四章到第十章，作者以较多笔墨从分析方法论助力
企业实现发展战略人手，论述了通过八个步骤来构建分析
路径图，介绍了分析方法的应用、实例剖析、预测分析法
及终端用户分析，最后对分析平台进行了详尽说明。第三
部分包括后三章的内容，围绕分析路径图的实施与执行展
开，主要谈及如何吸引分析人才和组建分析团队的相关内
容。
作者列举了翔实的分析用例，图文并茂，将自己的实
践经验和感悟真实完整地再现给读者，为读者呈现出一幅
系统、流畅的现代分析路径画卷，指引数据分析供给者和
需求者大胆尝试，勇于改革创新。
译者被这些逻辑缜密、敏捷灵活的“思想火花”深深
折服，深感责任重大，在翻译过程中字斟句酌，不敢有丝
毫懈怠，恐有负于广大读者和才华横溢的作者。鉴于译者
自身能力的局限，文中表达不当之处，望读者见谅，也恳
请各位品评后提出修改意见和建议。
最后，感谢爱人和女儿在我翻译此书期间给予的无微
不至的关怀、理解、支持和帮助。
李媛媛
于内蒙古工业大学

作者应用其20余年技术行业背景，讲述如何通过新型大数据分析方法，更好地为企业从海量数据中获取商业价值。详述了机会识别、项目分析、项目总结、项目的优先排序以及项目评价等内容。是企业管理层面人士急需了解的内容。
米歇尔·钱伯斯、托马斯·W.丁斯莫尔著的《大数据时代的商业分析(精)》内容分三大部分，共十三章。第一部分包括前三章，主要围绕构建分析路径图的必要性和重要性展开讨论，逐步阐明现代企业构建分析路径图意义重大。第二部分包括第四章到第十章，作者以较多笔墨从分析方法论助力企业实现发展战略人手，论述了通过八个步骤来构建分析路径图，介绍了分析方法的应用、实例剖析、预测分析法及终端用户分析，最后对分析平台进行了详尽说明。第三部分包括后三章的内容，围绕分析路径图的实施与执行展开，主要谈及如何吸引分析人才和组建分析团队的相关内容。

持续改善强调迅速传递和创造价值，而非仅仅完成经营活动。通过不断试验和学习获得微小进步，积少成多向最终目标迈进。
这种理念明显区别于时下的主流分析发展趋势。目前，分析领域倾向于耗费很长开发周期去构建“完美”模型。因为分析项目跨多个职能部门，建模和模型应用工作千头万绪。但在这个崭新的时代，现代分析团队必须摆脱象牙塔学术桎梏，精简传统分析步骤，缩短项目周期。将商业反馈融人分析过程，有利于增加模型灵活性和响应性，进一步完善分析结果。
以持续改善作为指导原则，现代分析团队迅速构建和应用分析模型，然后在短期内进行优化和完善。同时，将分析工作与IT相结合，创建一个无缝对接、不断传递商业价值的分析环境。事实上，分析团队经常运用将传统方法和敏捷方法结合的方法，或快速应用程序开发法，来缩短项目周期，减少跨部门团队合作壁垒。加速学习和执行
今天，现代分析团队都在尝试新生事物，例如：试验新组合方法、新分析工具、可视化，以及揭示大数据模式的算法。通过不断尝试、不断试验，团队把宝贵经验和分析技术应用到其他完全不同的领域，以期解决全新问题。这不仅能加速学习进程和能力的提高过程，也创造出大量新价值。然而，要想培养这种通过试验来创新的能力，就不得不忍受失败，这必须成为一种企业文化。
数据规模日益膨胀，现代分析团队已经开始从单一统计法转向预测法和可以利用所有数据的机器学习算法。它们所获得的关键经验之一是，随着数据规模的增大，为了实现商业目标，尤其为了满足服务水平协议，基本分析工具和设备必须最大程度减少数据移动。现代分析团队很快就意识到这一经验的重要性，将其运用于各类分析项目。开始建模时，它们就把这一点明确地列入建模要求。
目前，根据行业现状调查显示，分析人员60％～80％的时间在进行程序调试、数据准备或数据处理。现代分析团队总结出另一条宝贵经验，即分析项目前期，应该尽量减少手动处理数据的工作量，尽早实现数据准备的自动化，或将数据自动处理作为分析处理活动的一部分。这一宝贵经验，恰恰与企业寻求快速发展、保持市场领先地位的需要紧密契合。企业实时学习的能力是未来的一个趋势，它将不断地打造企业发展的动力。在当今商业世界，企业要具备实时发现新模式且立刻采取行动的能力，并且能够继续挖掘更深层次的洞见，来改进下一周期的分析任务。
创新分析方法
企业将产品、客户服务和运作流程融合起来，力图营造差异化竞争优势。分析法可以直接支持每一项商业活动：它提供有价值的分析结果，使企业更全面深入地了解竞争对手，抑或帮助企业制定高度差异化的竞争战略。这可能意味着，你成为所在行业中首次应用分析法的，或者意味着你使用了更优秀的分析方法，抑或意味着你更快地在生产领域中应用了分析法。
许多企业试图通过市场调研来了解竞争环境和竞争条件。然而，一味的模仿会导致你永远处于市场次要地位，而不能保持领先水平。分析法引领者则会关注其他行业，以及其他行业所吸收利用的分析方法。这些分析行业领跑者通过对比其他行业与本行业的问题，发现其他企业如何分析和解决问题。他们从企业外部寻找新数据和新方法。他们铸造共生联盟，用更多数据和方法来帮助自己的企业。他们应用新知识和新技术来解决行业和企业中的问题。为此，他们突破团队限制，打破部门之间或工作场所之间的界限。他们积极寻求与其他数据源和分析平台的整合机会，以便打造一个能对组织产生更深远影响的解决方案。（P10-12）