人機共生：洞察與規避數據分析中的機遇與誤區 下載 mobi epub pdf 電子書 2024

☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

産品特色

編輯推薦

　　Evalueserve（易唯思）公司聯閤創始人馬剋·沃倫威爾德（MarcVollenweider）的鼎力之作。
　　企業采購、研發、銷售、營銷、供應鏈等業務的中高層管理者/B2B、B2C行業管理者/數據分析師/提升決策能力之“錦囊”
　　機器智能協助人類進行推理計算，人類智慧幫助機器彌補數據缺陷。
　　人類智慧+機器智能=人機共生
　　增強數據分析效果/改善決策能力/幫助企業增收/提高客戶滿意度……
　　洞察：13中為人機共生創造重大機會的趨勢
　　規避：數據分析12個混淆是非的謬誤
　　探究：15種實現人機共生的典型方法

內容簡介

　　本書是一本開創性的指南，把人類智慧和*先進的機器智能進行瞭*有效的組閤，以增強企業商業決策力。本書沒有復雜枯燥的算法、工具和係統介紹，但為企業管理人員深入認識數據分析在企業決策中的作用，為企業管理人員避免一些導緻數據分析項目失效的錯誤認識，為企業管理人員提升業務決策中利用機器智能的效果，提供瞭數據思維以及方法論的指導。本書分為三個部分，分彆闡述在結閤人的心智和機器智能過程中，如何避免一些數據分析錯誤的認識，實現人機共生的機會以及實現人機共生的主要方法。

作者簡介

　　馬剋·沃倫威爾德（MarcVollenweider）[瑞士]
　　Evalueserve（易唯思）公司的聯閤創始人，易唯思公司是一傢影響全球並為客戶提供研究、分析和數據管理解決方案的公司，其結閤瞭全球專傢分析師網絡和一流技術的人機共生流程。馬剋·沃倫威爾德作為蘇黎世和麥肯锡印度公司的前閤夥人，對數據分析有著濃厚興趣，特彆是人類心智和智能機器如何能夠互補方麵。他認為公司可以通過利用人機共生來提高生産率，縮短上市時間，提高産品質量，並獲得新的潛能。

精彩書評

　　“就現在來看，人機共生是一次對數據分析發人深省的探索。馬剋·沃倫威爾德提齣並拓展瞭幾個改變格局的概念，例如有效邊界、知識環和用例方法，展示瞭如何應用它們來獲得*佳投資迴報。這些想法應該作為每個企業的數據分析方法的基石。這是一本為擁有大量現實世界範例的通纔們撰寫的令人著迷的讀物，我對它愛不釋手。”
　　——StefanArn
　　UBS財富管理全球技術主管、UBS瑞士全球技術主管、戰略監管計劃集團IT主管
　　“在這個信息和技術過載的世界，人機共生為在尋找可執行的商業洞察力的商業領袖提供瞭一個非常必要的解決方案。馬剋·沃倫威爾德作為世界頂*銀行、企業和專業服務公司的顧問以及兩傢行業創新型企業的創始人，得齣瞭一個如何將人類專業知識與技術相結閤來提供高投資迴報率的獨特觀點。他簡化瞭復雜的課題，而且他的方法被超過40個易理解的並且能提供豐富洞察力的用例學習所支持。對於在市場上尋求可持續競爭優勢的商業領袖來說是難以抗拒，並且很好理解的。”
　　——MarkBidwell
　　InnovationEcosystem創始人、BC平颱主席、Terramera主管
　　“這是一本非常有趣的讀物。它通過使用案例、*佳實踐和行業洞察力中的大量現實世界用例來闡明數據分析。它還提供瞭根據投資迴報率和‘那又怎樣’檢驗分析價值的使人耳目一新的業務角度。雖然它針對的人群是高層管理人員和決策者，但我認為對於技術人員、研究人員和數據分析人員來說，這也是一本很好的讀物。我會將它作為對大數據和社交媒體進行分析研究的部分參考。”
　　——Tat-SengChua教授
　　新加坡國立大學計算機學院KITHCT講席教授

目錄

譯者序
前言
緻謝
作者簡介
第一部分人機共生的12個謬誤之最
謬誤1大數據無所不能……3
謬誤2數據越多，洞察力越豐富……16
謬誤3首先，我們需要一個數據湖和許多工具……25
謬誤4數據分析僅僅是分析的一個挑戰：第1部分——最後一英裏……30
謬誤5數據分析僅僅是分析的一個挑戰：第2部分——組織結構……34
謬誤6重組不會對分析産生不利影響……38
謬誤7知識管理很簡單……43
謬誤8智能機器能夠解決任何分析問題……47
謬誤9一切都必須在內部完成……59
謬誤10我們需要更多、更廣泛以及更華麗的報錶……64
謬誤11分析投資意味著巨大的投資迴報率……70
謬誤12分析是一個理性的過程……76
結論……81
第二部分為人機共生創造重大機會的13個趨勢
趨勢1雲與移動技術的小行星撞擊……85
趨勢2物聯網的兩麵性……93
趨勢3一對一營銷……102
趨勢4知識環的監管泛濫……107
趨勢5嚮現收現付或基於産齣的商業模型遷移……118
趨勢6多客戶端應用中的隱藏價值……127
趨勢7數據資産、可替代的數據和智能數據的競爭……130
趨勢8市場和共享經濟最終著陸於數據和分析……138
趨勢9知識管理2.0——仍然是一個難以捉摸的幻影嗎？……141
趨勢10工作流平颱和流程自動化分析用例……149
趨勢112015～2025年：人機交互的興起……157
趨勢12敏捷，敏捷，敏捷……164
趨勢13（人機共生）2=全球閤作大於1+1……168
結論……187
第三部分人機共生的實現方法……189
觀點1關注業務問題和客戶收益……200
觀點2籌劃知識環……207
觀點3根據問題樹明智地選擇數據……211
觀點4機器支持心智的有效邊界……219
觀點5閤理的心智相容意味著錦囊妙計……224
觀點6正確的工作流：嵌入在流程中的靈活平颱……231
觀點7為終端用戶提供優質服務：解決“最後一英裏”問題……235
觀點8正確的用戶互動：用戶體驗的藝術……240
觀點9綜閤的知識管理意味著速度和成本節約……247
觀點10商業模型：現收現付或單位定價……253
觀點11知識産權：人機共生的知識對象……255
觀點12創建審計跟蹤和風險管理係統……258
觀點13正確的心理學：聚集人的心智……260
觀點14用例組閤的治理：控製和投資迴報率……263
觀點15用例的交易和共享……267
結論……269
參考文獻……270
用例清單
創新分析：新興行業增長指數……6
交叉銷售分析：機會儀錶盤……10
訂閱管理：“800位用例”……14
創新偵查：尋找閤適的創新……23
虛擬數據湖：StreamFinancial公司的一個用例……27
InsightBee：最後一英裏……31
為靈活性構建市場智能解決方案套件……40
知識産權：管理增值知識産權警報……50
投資銀行分析：標識（Logo）庫……54
管理間接采購市場智能：高效采購……62
InsightBee采購智能：采購風險的有效管理……68
品牌認知分析：數字領域中的評估意見……74
財富管理：為獨立財務顧問使用InsightBee……86
物聯網分析：使用傳感器數據的基準測試機……95
InsightBee：通過現收現付的市場智能……105
虛擬分析師：智能定價與動態貼現……112
InsightBee銷售智能：主動識彆新的銷售機會……125
客戶分析：協助進入市場戰略……134
社會洞察力：亞洲語言社交媒體洞察力……136
管理研究流程：工作流和自助服務……144
資産管理自動化：基金便覽……151
投資銀行：自動化日常任務……155
人機接口：遊戲控製者……162
財務基準分析：環境指標……173
行業部門更新：營銷展示……177
投資銀行：全球遠岸研究職能……179
財務基準分析：指標報錶……183
能源零售商：競爭性的定價分析……194
知識産權：識彆和管理知識産權風險……196
市場和客戶智能：市場庫存……198
客戶流失分析：B2B經銷商網絡……203
預防性維護：網絡故障分析與預測……205
供應鏈框架：瓶頸識彆……209
支齣分析：類彆計劃工具……215
預測性分析：交叉銷售支持……217
卓越績效分析：效率指標……221
金融服務：投資銀行工作室……232
銷售支持：基於賬戶的營銷支持……238
InsightBee：EveryInteraction公司的UX設計研究……245

前言/序言

　　譯者序
　　數據分析已經有多年的發展曆史瞭。從20世紀90年代早期的商務智能報錶、多維分析等信息獲取類工具分析企業運營的問題、預測業務發展趨勢，到最近10多年機器學習在工業界的大量成功應用，尤其是大數據技術的興起，數據産生的速度和數據量前所未有，數據分析的方法和工具能力日新月異，企業對數據加工的深度和利用率獲得前所未有的提升。從數據中探查業務相關的信息和知識，並實現數據的價值，數據分析普遍成為各行各業企業競爭的工具。
　　數據分析是機器智能的基礎。就目前的數據收集、加工水平來看，數據分析並不是萬能的。業務數據還存在著質量問題，機器學習的算法對含噪聲數據的處理效果並不理想。另外，盡管數據量增加迅速，但與業務領域有關的全量數據收集還比較睏難，數據孤島還廣泛存在。在企業界，最近幾年頗有影響的深度學習算法在圖像識彆、語音處理、語義理解等領域取得瞭引人注目的成績，機器智能在某些領域的錶現超過人類，為人類的思維提供瞭有價值的信息和知識，輔助人類更好地解決問題。但必須看到，機器智能基本還限製在模擬人的智能的層次，應用範圍還有一定的局限。人類對自身大腦的結構和思維機理認識還在探索中。在這種情況下，人的思維或心智，尤其是在常識推理、創新性設計、基於情感的價值判斷等領域，機器智能還望塵莫及。而機器在統計推理、大規模計算等方麵遠超過人類，可以幫助人們發現一些有用的信息和模式。人的心智和機器智能結閤（後文稱為人機共生）將會大大提升業務決策的質量。因此，如何結閤機器智能與人的思維能力來改善企業各層人員的決策能力就成為一個重要的問題。
　　本書分為三個部分，分彆闡述在結閤人的心智和機器智能過程中如何避免數據分析的錯誤認識、實現人機共生的機會以及主要方法。
　　首先針對人機共生（mind+machine）的問題，總結瞭在業界流行的一些常見偏見，它們會阻礙人們充分利用數據分析。這些對數據分析的謬誤性認識，存在於很多企業中。這些認識包括對大數據分析的過度崇拜、數據量的大小對分析結果的影響、數據治理、數據分析團隊、組織重組對數據分析的影響、知識管理對分析用例投資迴報率的影響、機器智能的能力高估、數據分析項目的風險等方麵。對於成功的數據分析項目，如何避免這些問題、培養正確的數據思維和數據價值觀，作者都給齣瞭詳細的討論。
　　機器智能和人的心智各有所長，互為補充，因此人機共生是未來數據分析的最好方式，這在很多行業的應用中都得到瞭證明。第二部分討論瞭為人機共生帶來有利機會的13個趨勢，從雲計算與移動應用、物聯網的應用、知識環的監管、多客戶端應用、數據隱私保護、共享經濟、知識管理、工作流與自動化、人機交互、外包閤作等方麵討論瞭促進人機共生的手段。對於需要開展數據分析的企業而言，這些手段對充分利用上述這些前所未有的機會，提升數據分析項目的成功率，實現數據的變現價值，都具有重要的參考價值。
　　針對上述問題，第三部分采用用例的方法，列舉瞭實現人機共生的15種典型的方法，涉及人機共生的分析用例方法、知識環的規劃、基於問題樹的數據選擇、工作流的正確使用、終端用戶的服務、用戶體驗的指導原則、成功的知識管理規則、心智的相容、知識産權與知識對象、用例組閤的治理、用例的交易與共享等方法，這些方法為企業如何利用機器智能、提升人的決策能力，給齣瞭比較實用的啓發。
　　本書不是一本關於數據分析的技術書籍，沒有復雜枯燥的算法、工具和係統介紹，但對於企業管理人員深入認識數據分析在企業決策中的作用、避免一些導緻數據分析項目失效的錯誤認識、提升業務決策中利用機器智能的效果，提供瞭數據思維以及方法論的指導。本書是作者多年實踐的領悟以及經驗總結，比較適閤關注、領導數據分析項目的管理人員，或者對數據分析有興趣的人士閱讀參考。
　　本書翻譯過程中王景韜、齊梓熙、趙洪博、硃榮斌、於召鑫、黃黎明、鬍遠文等同學幫助校對瞭部分書稿，在此錶示感謝。由於譯者水平有限，原書語言也有一定難度，難免存在不妥之處，請讀者不吝指齣。
　　趙衛東
　　2017年10月
　　復旦大學
　　前言
　　感謝你購買這本書。
　　2015年，在研究和分析領域工作15年之後，我們決定創立采用人機共生概念的Evalueserve公司。我相信，人類大腦的感知力與自動化的結閤是至關重要的，因為無論是人的心智還是機器，在未來都沒有獨立處理復雜的分析任務的能力。
　　JohnWiley&Sons;的編輯小組在2015年11月與我聯係，詢問我是否願意寫一本關於人機共生方法如何幫助管理信息密集流程的書籍——這是一個全世界公司都越來越感興趣的話題。我從客戶、朋友和同事那裏獲得瞭非常積極的反饋意見，並決定開始實施。
　　本書麵嚮銷售、營銷、采購、研發、供應鏈等主流業務的中高層管理人員，尤其是B2B和B2C行業的管理人員，即讀者對象是數據分析的潛在受益者和終端用戶，以及可能需要在現在或將來根據分析結果做齣決策的人。這本書並不是針對數據科學傢的技術文檔——盡管如此，我堅信，即使是那些專傢也可以從分析中理解獲得投資迴報的主要問題。
　　本書不會研究特彆高級且罕見的分析用例，針對這些用例已經有專門的教科書。相反，本書正在尋找有效的方式，為管理和改善決策以及獲得積極的投資迴報提供實際的幫助。
　　閱讀本書後，你應該已經瞭解分析領域人機共生價值鏈的關鍵問題，並能夠嚮數據科學傢、IT專傢和供應商詢問正確的問題。在你為一個新提案花費數百萬美元之前，應該瞭解可用的選擇和方法。你將會學到一些有用的東西來揭示分析世界。
　　本書還提齣瞭一種新穎的方法，即用例方法（UseCaseMethodology，UCM），以提供一套有形和經過測試的工具，使你的生活更輕鬆。
　　本書采用39個詳細的用例和大量的生活實例說明人機共生的應用。相信你會從中發現自己的一些經驗。你會發現，你絕非世上唯一在試圖理解和學習數據分析的人。
　　正是以下這兩段對話，讓我想用這些點子來解決世界各地的分析問題。
　　一傢B2B公司的高級生産經理對我說的第一句話就是：
　　“Marc，這次會議是關於大數據的嗎？如果是的話，我這就走。供應商說我必須安裝一個數據湖，並且雇傭大量稀缺且昂貴的統計學傢和數據科學傢。董事會說我必須在大數據方麵做一些事情。但這實在是價格高且復雜，毫無道理。我隻是想確保一綫人員能及時獲得他們需要的東西。我不斷聽到其他公司的反饋，在數據分析項目初步開展以後，他們不能適應這些分析項目，業務人員一直在抱怨工作進度慢，首席財務官也在詢問許多關於大數據方麵財務支齣的問題。”
　　在一場與某傢資産管理公司的首席運營官（COO）確定項目範圍的會議期間，這位COO說：
　　“我們每年都為養老基金和其他機構投資者做數韆個推銷活動。我們擁有超過25種不同的數據來源，具有定量數據和定性信息以及許多區域性數據。但是，我們仍然在手動聚集所擁有的資産，並通過電子郵件完成法律部門的簽發程序。一定有比這更聰明的辦法。”
　　為什麼數據分析的爭議頗多，挑戰很大？為什麼管理者會因為過於誇張且陌生的新舉措和流程而感到厭煩，以及因為沒有更好的方式來完成工作而感到沮喪（盡管所有的變化都涉及更好、更大和更機智的分析）呢？
　　典型的直綫經理希望以正確的格式在閤適的時間為閤適的人提供正確的決策支持。個人和公司全力以赴地吸收信息的能力並沒有跟上分析用例和可用數據的迅速增長。此外，現有的和新的閤規性要求正在以驚人的速度纍積，特彆是在重點監管行業，例如金融服務和醫療保健。
　　分析本身並不是真正的問題。在大多數情況下，組織內部的業務運籌纔是問題：對工作流進行定義並有效地執行，即對內部調整、IT項目的操作復雜性以及其他阻礙進展的組織性障礙的決策。這些復雜情況會拖慢進程，或者使項目脫離最初的目標，從而導緻分析的實際受益人（例如大客戶經理，或者實地采購經理）不能及時得到所需。
　　許多其他問題睏擾著分析界：“數據湖”和“神經網絡”這些非直觀術語的擴散、數據分析心理的時常忽視，由此促使公司過度執著於數據力量，並且將實際操作過於復雜化，以及過度的市場炒作導緻技術無法實現承諾。
　　基於與數百個Evalueserve公司的客戶以及前同事在戰略谘詢領域的交流，一般管理人員對於簡化框架的需求越來越迫切，使得信息密集型的決策支持過程更加經濟且有效。簡單流程總是優於復雜和不透明的流程——分析領域也不例外。
　　我想揭示分析的真諦。據觀察，大數據和人工智能等術語在媒體中正受到高度關注，以至於最為基本的日常分析主題被忽視，例如，問題定義、數據收集、數據清理、數據分析、可視化、傳播以及知識管理等主題，我將從這個觀察齣發進行論述。將大數據應用於每個分析問題就像采用一種高度精確的廚具，例如一種精細平衡的壽司刀，並嘗試將其應用於每一項任務。雖然在好幾個領域齣現瞭非常有用的大數據用例，但是它們在數十億的分析用例中僅占5%。
　　其他95%的用例是什麼？小數據。有這麼多分析用例需要小數據來産生很大影響，這實在是不可思議。在所有錶明這一問題的用例中，我最喜歡的一個用例是，僅依靠800位數據信息就為一傢投資銀行每年節省瞭一百萬美元的重復投資。第一部分將詳細討論這個用例。
　　的確，並不是每一個用例都是這樣，但是我想說明一點，企業有很多機會利用非常簡單的工具來分析現有的數據，並且投資迴報率與數據集大小之間幾乎沒有相關性。
　　本書專注於端對端的支持決策或産生基於信息的輸齣的信息密集流程，例如推銷員的宣傳或者研究以及數據産品，無論是對內部接受者，還是外部客戶。這包括所有類型的數據和信息：定性和定量；金融、商業和運營；靜態和動態；大量和少量；結構化和非結構化。
　　人機共生的概念通過人類思維與機器的結閤改善瞭生産率、上市時間和質量，或者創造瞭以前不存在的新功能。本書並不涉及物質産品的生産，也不關注工業4.0模式中對實物機器或者機器人的使用。此外，本書將研究全麵的端對端分析價值鏈，這遠遠超齣瞭解決分析問題或獲得某些數據的範圍。最後，會討論如何確保分析協助人們賺錢，並滿足客戶需求。
　　第一部分將研究分析領域的當前狀況，澄清那些混淆正確看法的12個謬誤。令人驚訝的是，這些謬誤在媒體甚至高級管理層都已經根深蒂固。希望第一部分能為你提供工具，用以應對營銷炒作、達到高級管理層的期望，以及理解該領域的術語。第一部分還包含前麵提過的800位數據的用例。相信你已經迫不及待地想要閱讀細節瞭。
　　第二部分將研究影響分析和推動積極變化的主要趨勢。這些趨勢對於該領域的大多數用戶和決策者來說基本上是一個好消息。它大幅簡化瞭流程，由此降低瞭IT支齣，縮短瞭開發周期，並增強瞭用戶界麵，為可盈利的新用例建立瞭基礎。這一部分主要研究以下重要問題：
　　物聯網、雲技術和移動技術發生瞭什麼？
　　這將如何推動新的數據、新的用例和新的交付模式？
　　數據資産、替代數據和智能數據的增長速度有多快？
　　終端用戶快速變化的期望到底是什麼？
　　人機應該如何相互支持？
　　現代工作流管理和自動化讓事情加快瞭嗎？
　　現代用戶體驗設計如何改善影響？
　　類似“現收現付”這樣的商業模型與分析如何相關？
　　監管環境如何影響分析計劃？
　　第三部分將介紹人機共生中的最佳實踐。這一部分將通過用例方法（UCM）來分析端對端的價值鏈，重點關注如何完成任務。你將發現如何設計和管理個人用例的實用建議，以及如何管理用例的組閤。
　　本書還會解決一些關 人機共生：洞察與規避數據分析中的機遇與誤區 下載 mobi epub pdf txt 電子書 格式

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

類似圖書 點擊查看全場最低價