商品资料:
Description
Uber與Airbnb憑什麼翻轉世界:史上最具顛覆性的科技匯流如何改變我們的生活、工作與商業
现售 RM 77.00 (-0%)
会员 RM 69.30 (-10%)
内容简介
數字,是簡練有力的說服;分析,是精準有據的思考。 在這個資料舖天蓋地的世界,沒有分析力,哪來競爭力? 但是,你是否看到數字就頭皮發麻?不怕! 不必深奧的數學,沒有複雜的統計, 只要簡單六步驟,讓你一手掌握數字分析的奧妙! 面對問題,也能像專業分析師一樣, 精準決斷、清楚溝通、有力說服! 進入大數據時代,資料分析已在悄悄改變各行各業的運作方式。如果你一看到數字和統計就渾身不自在,《輕鬆搞懂數字爆的料》就是專門為你而寫的。本書提供清楚的架構、條理的分析、精采的案例,能讓你輕鬆入門,快速練就迎接大數據時代挑戰的必備技能,在競爭中領先群倫。 本書能幫助你瞭解資料分析的重要觀念,強化分析思維,讓你學會: ◎如何建構問題並擬定假設 ◎如何蒐集並分析相關資料 ◎如何解說與溝通分析結果 ◎如何培養量化思維的習慣 ◎如何與精通數字的量化分析師有效溝通
戴文波特 Thomas H. DAVENPORT 在管理大師的名人堂裡,關於如何用數字管理提高經營績效和競爭力,絕對不能錯過的一號人物。 知名管理大師及作家,專長領域為數據分析、企業流程創新和知識管理。哈佛大學訪問教授、貝伯森學院(Babson College)資訊科技暨管理學教授、麻省理工學院數位商業中心(Center for Digital Business)研究員、國際資料分析研究所(International Institute for Analytics)研究主任暨共同創辦人、德勤資料分析室(Deloitte Analytics)資深顧問。編、著或合著有16本著作,包括《魔鬼都在數據裡》(Competing on Analytics)、《職場必備的分析力》(Analytics at Work)、《大數據@工作力》(Big Data@Work)等。曾發表過上百篇論文,散見於《哈佛商業評論》、《MIT史隆管理評論》、《柏克萊管理評論》、《金融時報》等一流報章期刊,其中,〈決勝分析力〉(Competing on Analytics)一文曾獲提名為《哈佛商業評論》九十年歷史中十大必讀文章。曾獲選為《財星》雜誌全球50大商學院教授、《顧問》(Consulting)全球25大顧問、《優化》(Optimized)雜誌讀者評選全球前三大企業與科技分析大師。 金鎮浩 Jinho KIM 華頓商學院博士。韓國國防大學商學及統計學教授、分析研究實驗室總監。在韓國出版六本著作,其中包括暢銷書《100個統計常識》(100 Common Senses in Statistics)以及《怪誕統計學》(Freak Statistics)。他研發並主持一門教育學程,幫助個人培養分析技巧;他也潛心鑽研如何以量化分析解決各種商業與社會問題。
台大外文系、政大新聞研究所畢業。曾任《工商時報》記者、華視新聞部國外組編譯,目前為專職譯者。譯有《YOU你的身體導覽手冊》(合譯)、《熱情洋溢》、《派屈克的生死抉擇》、《星期三是藍色的》、《致命的醫學常識》、《尋找快樂之國》、《成功抗癌者的5個祕密》、《9個月,孩子大不同》、《那一年,我在重症照護病房》等書(皆由天下文化出版)。
目录
推薦序 多吃「數」,有益健康? 吳仁麟 第1章 人人必備分析力 量化分析與大數據的崛起 量化分析對決策的重要性 量化分析思考三階段與六步驟 缺乏分析性思考的危險 第2章 建構問題 步驟1:確認問題 步驟2:檢視既有發現 案例:全視線光學 案例:人民控訴柯林斯案 第3章 解答問題 步驟3:建立模型(選擇變項) 步驟4:蒐集資料 步驟5:分析資料 案例:選擇權評價模型 案例:孩子是誰的? 第4章 溝通與行動 步驟6:說明結果與採取行動 用資料漂亮說故事 案例:南丁格爾的成功溝通 案例:孟德爾的失敗溝通 案例:替婚姻算算命 案例:FICO評分 案例:超市尋找價值定位 第5章 量化分析與創意 創意分析思考四階段 案例:阿基米德與真假皇冠 案例:啤酒和尿片 案例:語言能力與阿茲海默症 案例:內線交易疑案調查 第6章 鍛練數字分析腦 量化態度 量化習慣 量化分析師 案例:用分析力爭取獎學金 案例:休士頓火箭隊的量化思考高手 第7章 與量化分析師共事 商業決策者的分析責任分工 對分析專家應有的期望 案例:思科的需求預測分析 案例:默克尋找最佳銷售陣容 致謝 各章注釋
序/导读
多吃「數」,有益健康? 吳仁麟 聯合報系媒體創新研發中心總監 數字會說話,說的卻不一定是真話。 但是,1是1,2是2,每個數字看起來都如此天真無邪,怎麼會說謊呢?其實,問題不在數字,而在於人。同樣一堆數字,不同的人有不同的解讀,所產生的結果自然不同。 數字的解讀大有學問 比如說,「屢戰屢敗」和「屢敗屢戰」都同樣是四個字,甚至每個字長都得一模一樣,但是讀起來的感覺就完全不一樣。前者讓人感覺很吐血,後者讓人感覺很熱血。又比如,根據美國婦女投票行為的調查研究發現,選舉時,每22個老婆裡,只有1個投票和老公投的候選人不一樣。同樣一件事,也可以解讀成,每22個老公裡,只有1個投票和老婆投的候選人不一樣。前者感覺很沙文主義,後者感覺得女性主義。 所以,解讀數字這件事可是有學問的,大家要特別小心。像以上這個例子就告訴全天下的老公,某些數字解讀對了就可以上天堂,某些數字解讀錯了你就得跪算盤。然而,老公解讀錯數字頂多跪算盤,但在某些時空裡,數字解讀錯誤可是人命關天的事。 1854年10月,英國參與克里米亞戰爭,南丁格爾(沒錯,就是你知道的那位南丁格爾女士)前往俄國的克里米亞半島,在英國營區裡協助救護和醫療工作。南丁格爾發現,醫院裡的死亡率高達43%,很多軍人沒有戰死,而是受傷被送進醫院後感染而死。 於是,南丁格爾開始做統計和調查,發現在戰爭的第一個冬天,士兵死於院內感染的人數竟然是戰場死亡人數的十倍。她用這些數字說服英國政府派出專業團隊來改善戰地醫院的環境,也使英軍的死亡率大幅降低。試想,如果南丁格爾沒有做這些數字統計,還會有多少英國阿兵哥會枉死在醫院裡? 數字的現代啟示 所以,解讀數字這件事實在太重要了,這本書所談的,就是解讀數字的方法,同時也告訴我們幾件事: ● 這個世界有愈來愈多的數字:臉書每天會多出10億筆資料,YouTube每天會播出20多億部影片,每天Google會有50億筆查詢。更可怕的是,這些天文數字背後,還會長出更多解讀和註記這些數字的數字。 ● 這些數字影響世界,也影響我們:當數字像細菌一樣,愈來愈多且無所不在,我們的日子就很難不受數字影響。現在,美國職棒大聯盟的每一家球隊都用數字分析來打球,像紐約洋基隊就聘用了21位統計學家。甚至,有人還用大數據來預測總統大選和奧斯卡獎的結果。數字對我們的影響愈來愈大,也愈來愈深。 ● 如果我們不去掌握運用這些數字,別人就會運用這些數字來掌握我們:這裡指的別人,通常指的是和我們有著重大利害關係的人,當中有些是友人(像您的同事或同業),有些是敵人(像競爭對手)。當他們掌握數字能力比您強,您應該也可以預知未來會發生什麼劇情了。 當然,除了以上這些內容,這本書也談了一些運用數字的原則和方法,而且告訴我們一個好消息:未來地球上會多出150萬個工作機會,因為企業會需要至少150萬名資料分析經理人(但我們也應該省思,多出這150萬個工作機會的同時,又有多少工作會消失?) 數字會說話,但是⋯⋯ 看完這本書,相信您的感覺會和我一樣: ● 數字會說話,但是說的不一定是有用的話。 ● 數字會說話,但是說的不一定是對的話。 ● 數字會說話,但是數字所說的並不是神話。 數字有話要說,但你要先成為數字的知音,才能讓數字暢所欲言,而你也才能聽得懂,更能聽得對。
文章试读
三階段六步驟架構的最後一個階段,就是跟利害關係人溝通分析結果。這個階段非常重要,就算前面的步驟做得再好,差這一步,一切恐將白費。那些關心自己的研究心血是否能付諸實行(亦即改變決策、影響行動)的分析師,非常看重這個階段,並在此投注大量心力。那些認為分析結果「自己會說話」而輕忽這個階段的分析師,在我們看來是不合格的分析師。 統計學教育新趨勢 長久以來,大家甚至不認為這個階段的內涵應該納入正式教育學程。傳統上,學術界(尤其那些在研究和教學方面有強烈分析導向的人)過於把焦點放在分析方本身,卻未能有效的透過溝通,讓大家了解這些方法。所幸,目前情況已然改變。哈佛大學統計系系主任孟曉犁(最近被提名擔任哈佛大學藝術科學研究所所長)曾表示,他將致力培養「能在統計方面有效溝通的人」: 近幾年,針對哈佛大學部的統計學教育,我們採取較為宏觀的態度,也就是把焦點從培育少數幾個人進修量化分析博士班,改成多幫助幾個人對統計的論述與觀點有基本的鑑賞力,使統計學融入文科素養,做為批判思維的訓練與經驗。有趣的是,我們抱持不懂釀酒的人也能成為美酒鑑賞家的理念,反倒比我們只想釀美酒時,培養出更多未來的釀酒專家。 基於這樣的理念,孟曉犁和同僚為大學部學生開設了一門課,名叫「生活統計學:快樂(悲傷)機遇」。課程單元包括,從統計觀點看「戀愛」、「酒與巧克力」、「財務」、「醫療」(包含臨床試用威而鋼)和「股票市場」。孟曉犁不僅想讓統計學「吞得下去」,還想讓它變成「人間美味」。 不管你是資料的分析師或消費者(換個說法就是,分析學的釀酒師或品酒人),都能夠從本章獲益。以分析師來說,他們可藉此讓研究結果變得更有趣、更吸引人,以促成更多後續行動。至於分析資訊的消費者,也就是負責分析專案的經理人,他們應該致力追求報告要有趣、內容要詳盡。 如果量化分析報告讓讀者覺得無趣、一頭霧水,恐怕錯不在讀者。資訊的消費者可以和量化分析師共同努力,讓研究結果更易懂、更好用。當然,一般來說,根據分析結果做決策的,通常是分析資訊的消費者。