|
|
|
全書內容共分4章，分別從經營戰略、人力資源、市場行銷和業務運營四個方面闡述了普通人士如何利用統計學思維來進行資料分析，以提高企業的績效。第1章內容主要講述決定企業收益的主幹——經營戰略。第2章和第3章中介紹相關基礎理論及先行研究，同時就資料分析和資料應用的具體流程進行詳述。第4章主要介紹我們應該如何改善業務運營流程。
本書除了介紹各類運用統計學思維進行資料分析的知識外, 同時也為大家提供了一種基礎的調研設計範本, 通過遵循該範本中的方法和流程, 都能順利展開資料分析，從而洞察海量資料中所蘊藏的規律和商機。
別憑“主觀感覺”和“案例”做分析
01 鮮為人知的“調研設計”技能
常見的資料應用失敗案例
不依賴個人主觀感覺的調研設計
改善枝葉不如改善主幹
02 本書的結構和框架
本書所探討的四大主題
本書的分析流程及關鍵字
第1章 用於經營戰略的統計學
03 用資料推導戰略
諮詢顧問們都愛矩陣圖
矩陣分析的兩大局限
04 波特與SCP理論
經營戰略的理論背景①
經營戰略的代表性理論
簡潔優美的五力分析模型
日本企業的飛躍反駁了波特的理論
05 經營戰略理論的契合度問題
經營戰略的理論背景②
著眼於企業內部優勢的傑恩·B. 巴尼
波特和巴尼，究竟孰對孰錯
經營戰略的統計分析歷史
06 分析物件的設定
針對經營戰略的統計分析流程①
統計學式的戰略制定方法
橫向市場分析
縱向市場分析
非連續性市場分析
07 選擇合適變數
針對經營戰略的統計分析流程②
針對商務人士的系統綜述入門
08 收集所需資料
針對經營戰略的統計分析流程③
首先收集客觀的公開資料
為什麼要用總資產收益率來評價“賺錢程度”
將非上市企業也納入分析物件
如何委託調研公司才精准高效
收集帶有主觀性資料時的注意事項
資料匯總方法
09 分析與結果解讀
針對經營戰略的統計分析流程④
簡單匯總統計的兩大局限
逐步回歸法與對變數選擇做人工確認
分析解讀實例與基礎知識
細緻的分析方法與我不 此類方法的理由
與其嚴謹檢驗，不如迅速採取小規模行動
10 本章總結 統計學補充專欄1 方差分析和混合效應模型
第2章 用於人力資源的統計學
11 你的企業有沒有招到 人才
“人才比戰略 重要”這一事實
基於科學實證的Google招聘流程
普通的面試派不上什麼用場
12 一般智力與權變理論
“學習好的人工作能力也 ”只對了三成
領導力研究學者們發現的權變理論
元分析告訴我們“工作由適配度決定”
只看中“幹練俐落的高學歷人士”就太可惜了
13 設定分析物件
針對人力資源的統計分析流程①
湊齊幾十個人就能做分析
解析單位擴展和分割的方法
14 選擇合適變數
針對人力資源的統計分析流程②
人事的Outcome設定很難
“引入隨機性”這一技巧
廣泛收集解釋變數的備選項
15 收集所需資料
針對人力資源的統計分析流程③
找尋埋沒在公司內部的資料
Outcome設定時的注意點：巧妙彌補數據不足
解釋變數相關資料擴充：性格特質的測定方法
16 分析資料
針對人力資源的統計分析流程④
對相關性強的解釋變數做“縮減”
兩個相關項目的得分可做合計
多個項目相關聯時使用“因數分析”
使用多元回歸分析還是邏輯回歸
17 解讀分析結果
針對人力資源的統計分析流程⑤
邏輯回歸的解讀方法複習
有沒有“違背經驗或直覺的結果”
應採取的行動：“改變”
應採取的行動：“轉移”
作為人力資源管理措施候補的“HPWP”
18 本章總結 統計學補充專欄2 “刪失”和“截斷”
第3章 用於市場行銷的統計學
19 市場行銷戰略與顧客中心主義
iPhone需求真的無法通過調研知曉嗎
效仿藍海戰略的方法
統計學能戰勝天才的原因
20 現代市場行銷的基礎知識
科特勒對行銷的定義以及常見誤解
以誰為物件開展商業活動
賣什麼，怎麼賣
21 準備資料，基於資料來思考“賣給誰”
針對市場行銷的統計分析流程①
市場行銷的資料分析至少要做三輪
分析物件是除“極不可能的人”以外的所有人
首先對單來源資料做分析
22 基於分析結果思考“賣給誰”
針對市場行銷的統計分析流程②
為什麼不用多元回歸分析和邏輯回歸分析
使用“聚類分析”
聚類分析是為了挖掘到好的細分市場
23 準備資料，思考“賣什麼？”
針對市場行銷的統計分析流程③
市場定位＝賣什麼？
結合質性調查和量化調查找到好的市場定位
“truth廣告戰役”—— 驗證了行銷的力量
24 應用了統合行為理論的質性調查
針對市場行銷的統計分析流程④
涵蓋了大部分學問成果的統合行為理論
提問專案和調查問卷的具體製作方法
25 分析與解釋資料，思考“賣什麼”
針對市場行銷的統計分析流程⑤
通過分析我們可以瞭解什麼
這次用的是多元回歸分析或邏輯回歸分析
思考市場定位時的兩大方法
26 分析並思考“4P”
針對市場行銷的統計分析流程⑥
瞭解細分市場的顧客
通過試製品或宣傳單做測試行銷
27 本章總結 統計學補充專欄3 決策樹分析與隨機森林
第4章 用於業務運營的統計學
28 戴明提出的全新“管理模式”
運營模式的改善 美國西南航空走向成功
提出kaizen並支持著比爾·克林頓的統計學家
想辦法解決“導致波動的原因”
29 從局部 到整體
沉睡在公司內部可供改善的廣袤新領域
從“瓶頸”開始著手
30 價值鏈與各部門的標準
價值鏈的思考方式
具體的Outcome與解析單位
31 從業務用資料到分析用資料
首先從分析手頭資料開始
將資料轉化為可供統計分析的形式
將資料相關聯
32 提高資料品質與資料加工的要點
“完整的資料”是一個陷阱
有“欠缺”感就對了
不用勉強思考“假設”
33 “洞察性分析”與“預測性分析”
何謂“預測性分析”
你的隱性知識將成為做“洞察性分析”的
“預測性分析”難做的兩大原因
失敗的Google流感預測
34 自回歸模型與交叉驗證
自回歸模型概要
防止過擬合
通過交叉驗證做檢驗
35 本章總結 統計學補充專欄4 運用到集體智慧的預測手法
致謝
參考文獻
索引
