本书是作者十年数据领域实践经验的一次总结，系统介绍了企业的数据战略规划和企业内外部数据的应用，并在此基础上介绍了零售、快速消费品、汽车、航空、保险等行业的实战案例及作者的思考。本书通过与企业数据相关的理论体系、行业主题、行业案例、业务领域热点等主题，全面覆盖了不同行业的企业中数据的管理、分析与应用，对企业未来的数字化转型也做了简要介绍。相信不同类型的读者都能够从本书中获得自己想要了解的部分。
本书实战案例丰富，阅读门槛适中，适合想在企业中更好地利用数据的企业主、管理层、业务负责人阅读，也适合从事数据和AI相关工作，关注数据和AI在产业中发展趋势的读者阅读。
适读人群 ：本书适合想在企业中更好地利用数据的企业主、管理层、业务负责人阅读，也适合从事数据和 AI相关工作，关注数据和 AI在产业中应用的读者阅读。 《数据决策：企业数据的管理、分析与应用》详细介绍了数据战略规划，企业数字化运营，客户智能运营，业务主题优化，行业应用案例
本书是我写的第一本书，写这本书的时候我32岁，刚刚结束了一个历时近两年的数据分析创业项目 Datalantern。在此之前，我读过很多外国作者写的技术方面的书，不同的作者有不同的风格。我曾经读过国外作者写的一本介绍Oracle数据库技术的书，对把技术书写的像诗一样的感觉记忆犹新。我就想，自己不能只是一名资深的技术顾问，未来也要做一名技术作家。
2018年，电子工业出版社的编辑找到我，问我想不想把大数据在不同行业的应用实践经验写成一本书。在编辑的启发下，我觉得有必要花一点时间，将这些年沉淀的跨行业数据领域的经验，做一次系统化的梳理。写这本书的目的，一半是让自己做阶段性的经验总结，工作满十年，圆一个作家梦；一半是整理自己在过往工作中积累的对行业的思考，为行业做一次输出，期望更多人能够透过本书了解到数据在企业中应用的方方面面。
在接到编辑的写作邀请时，我本能地想到两个题目。一是企业如何更好地利用内部数据，从企业最常见的应用场景出发，从对项目的介绍及对解决思路的描述中引出企业数据的管理、分析与应用；二是介绍企业数据应用的现状，客观描述不同行业中企业在数据领域做的努力和新出现的数据创新模式，对跨行业的同类案例及主题进行归类总结，因为这都与我多年的工作密切相关。但与数据相关的题目技术性太强，我希望能找到一个全景式话题，可以在认识不同行业的企业现状的基础上，对企业实际的数据环境、面临的具体问题及解决方案做全面的介绍。
在过去几年中，我接触过的行业包括零售、快速消费品、汽车、航空、保险等。在与这些行业中的客户沟通需求，参与设计数据相关方案并实施落地过程中，我深刻地了解到同一个行业中不同产品品类的运营面临的各种问题，不同的行业围绕 CRM、广告、消费者运营等有相似的诉求，而在其他方面又有巨大的差异。在此过程中，我的脑海中突然浮现出读者看到的这个方案，觉得这个方案足以让人兴奋，足以概括以往数据领域不同行业的企业现状。
读者无论你有没有计算机背景，都能够从本书中读到企业一线数据应用实战案例，获得思考。企业的经营者、管理者能够从书中看到这些新的数据科学、AI技术是如何在企业中改进业务的，也能够看到企业未来的业务战略和数据战略。企业的 CIO、CDO或者信息主管能够从书中看到，在文化、组织不同的企业中，数据应用方式的千差万别。企业的业务方通过本书能够理解企业利用数据可以做哪些事情，要用好数据应该具备什么样的能力，等等。
更多对数据领域感兴趣的读者，能够从本书总结出来的理论体系、行业主题、行业案例、业务领域热点、数据相关热门话题中找到感兴趣的主题。这本书只要有一段话、一部分内容能给读者带来启发，对读者有帮助，我就会觉得很欣慰！
本书利用业余时间编写，在此期间，根据编辑的建议，我一遍一遍修改过几个版本。但因为作者水平有限，书中还存在大量不足，希望读者朋友指正或提出建议！
顾生宝 2020年 4月
顾生宝，2009年本科毕业于东北大学软件工程专业。有10年以上大数据相关领域经验（含数据架构规划设计、平台建设、分析应用）。Datalantern数据分析项目创始人兼数据科学家。曾就职于IBM、Mars等跨国企业，为通用电气、奔驰汽车、中国人保、中国石化、北京汽车等公司服务过。历任IT中心经理、数字化负责人、数据部负责人等。技术作家兼独立技术顾问，专注于可应用于产业公司的数据产品和数据驱动解决方案，对跨行业企业如何更好地利用数据有自己的见解。熟悉零售与快速消费品、汽车、航空、保险等行业。
第1章 数据科学 / 001
1.1 大数据技术 / 002
1.1.1 大数据的发展趋势 / 002
1.1.2 大数据处理的基础 / 003
1.1.3 企业中常见的大数据产品 / 004
1.2 数据科学 / 004
1.2.1 大数据分析原理 / 005
1.2.2 数据在不同行业中的应用 / 006
1.3 数据分析流程及高级分析 / 008
1.3.1 数据分析流程 / 009
1.3.2 高级分析 / 010
1.3.3 数据科学家需要具备的能力 / 011
1.4 数据科学与经营管理 / 012
1.4.1 数据科学与企业经营 / 012
1.4.2 数据科学与企业管理决策 / 012
1.4.3 企业运营效率的数据分析诉求 / 013
1.5 通过新技术及AI 感知未来 / 013
1.5.1 新技术加速发展 / 014
1.5.2 云端环境变化 / 014
1.5.3 新技术成熟度与市场接受度 / 015
1.5.4 产业公司的科技机会 / 016
第2章 用户行为漏斗及营销科技 / 019
2.1 营销科技的定义及内涵 / 021
2.2 用户的四个层级 / 022
2.2.1 双漏斗模型及用户的转化 / 024
2.2.2 用户漏斗与漏桶的使用限制 / 026
2.3 用户行为预测 / 027
2.4 用户购买决策及路径研究 / 028
2.4.1 用户购买决策的秘密 / 029
2.4.2 一二三线市场结构现状 / 030
2.4.3 用户渗透过程可视化 / 030
2.4.4 用户决策路径可视化 / 031
2.5 用户生命周期价值营销 / 032
2.6 用户广告运营工具及PaaS / 032
2.6.1 通用的用户广告运营产品思路 / 032
2.6.2 线上、线下打通的运营方案 / 034
第3章 企业用户增长及转化激活 / 037
3.1 企业拉新的三种方式 / 039
3.2 内外部用户的不同优化方向 / 042
3.3 智能营销数据库建设 / 043
3.4 用户增长与转化 / 045
3.5 案例：某快车公司的裂变式用户增长 / 054
3.5.1 用户持续增长的逻辑假设 / 054
3.5.2 早期的产品逻辑 / 055
3.5.3 用户增长运营工具的两个核心 / 056
3.5.4 运营产品效果评估方法 / 057
第4章 决策优化应用 / 059
4.1 CRM 简介 / 060
4.1.1 AI 驱动式CRM / 061
4.1.2 未来生态式CRM / 062
4.2 CRM 与决策模型 / 063
4.2.1 RFM 分群模型 / 063
4.2.2 预测购买模型 / 067
4.2.3 智能运营模型 / 069
4.3 销售与决策模型 / 071
4.3.1 向上销售 / 071
4.3.2 交叉销售 / 072
4.3.3 销售预测 / 072
4.3.4 个性化推荐销售 / 074
4.4 产品创新与数据分析 / 074
4.4.1 在分众市场找创新点 / 075
4.4.2 分众市场定义新品类 / 076
4.5 客户数据平台建设及应用 / 078
4.5.1 客户数据平台建设 / 079
4.5.2 五类运营服务模式 / 080
4.6 借助大型数据平台开展数据化运营 / 081
第5章 数据科学与企业管理决策 / 083
5.1 企业管理决策 / 084
5.1.1 人类的决策过程 / 084
5.1.2 企业管理决策 / 086
5.2 数据决策分析模型 / 088
5.2.1 分类模型与回归模型 / 089
5.2.2 数据分析建模过程 / 092
5.2.3 常用建模算法及工具 / 093
5.2.4 影响建模的主要因素 / 095
5.3 用户增长及转化 / 095
5.3.1 用户增长 / 095
5.3.2 用户运营及销售转化 / 096
5.4 广告投放及市场开拓 / 098
5.4.1 广告投放策略优化 / 099
5.4.2 寻找20% 的可能转化者 / 100
5.4.3 电商站内广告投放优化 / 101
5.5 市场空白的发现及开拓 / 102
5.5.1 市场空白的发现 / 102
5.5.2 新市场的开拓 / 104
5.6 案例：快速消费品行业数字化的机会 / 105
5.6.1 快速消费品行业的发展趋势及用户特点 / 105
5.6.2 快速消费品行业的核心业务及机会 / 106
5.6.3 线上与线下触点努力方向 / 107
第6章 企业如何用好外部数据 / 111
6.1 企业对于数据应用的态度 / 112
6.2 企业中的外部数据源 / 114
6.2.1 外部数据源的作用 / 115
6.2.2 合理购买外部数据源 / 116
6.2.3 外部数据源的分类 / 116
6.2.4 外部数据源可靠性评估技巧 / 118
6.2.5 获取外部数据源的方法 / 118
6.3 企业的数据变现 / 119
6.3.1 实现数据变现的前提 / 119
6.3.2 企业外部数据变现面临的挑战 / 121
6.3.3 企业数据变现的思路 / 122
6.4 案例：宠物行业利用外部线索拉新 / 124
6.4.1 找到外部数据质量好的数据源 / 124
6.4.2 寻找宠物销售线索 / 125
6.4.3 数据产品赋能行业 / 126
第7章 经营好企业中的数据 / 129
7.1 企业经营好数据的三要素 / 130
7.2 数据经营方法（KPI 分解） / 131
7.3 企业数据应用战略规划 / 134
7.3.1 梳理数据源 / 134
7.3.2 评估数据质量 / 135
7.3.3 建设数据管理平台 / 135
7.3.4 建设相应的企业数据文化 / 136
7.3.5 制定企业数据管理原则 / 137
7.4 相关数据技术 / 137
7.5 企业中的数据研究思路及应用 / 140
7.5.1 两种数据研究视角 / 140
7.5.2 数据应用实施原则 / 141
7.6 案例：零售类企业的数据应用战略 / 143
7.6.1 以消费者为中心的数据湖 / 144
7.6.2 广告投放与第三方数据建设 / 145
7.6.3 媒体投放检测数据及AI 预测 / 147
第8章 数据在不同行业中的应用 / 149
8.1 产业互联网创新模式 / 151
8.2 企业的数据诉求及时机 / 153
8.2.1 国内企业级服务的现状 / 153
8.2.2 企业数据的现状与诉求 / 154
8.2.3 企业数据的应用时机 / 155
8.3 汽车行业 / 156
8.3.1 汽车行业的数据应用 / 156
8.3.2 用户数据平台的建设 / 160
8.3.3 数据应用场景 / 162
8.4 航空行业 / 170
8.4.1 航空行业新变化及数据应用规划 / 170
8.4.2 航空用户大数据平台规划 / 172
8.4.3 数据应用场景 / 173
8.5 保险行业 / 177
8.5.1 保险行业的环境及机遇 / 177
8.5.2 保险行业痛点分析 / 177
8.5.3 保险行业的数据化机会 / 178
8.5.4 保险赛道上的互联网平台商业模式 / 179
第9章 企业数字化转型 / 183
9.1 企业数字化转型面临的困境 / 184
9.2 企业数字化转型的五个阶段 / 185
9.3 企业数字化转型的组织架构及过程 / 187
9.3.1 组织架构及人才组成 / 187
9.3.2 企业数字化转型的三要素 / 188
9.3.3 企业数据团队的组成 / 189
9.4 数据产品 / 190
9.5 案例：腾讯数据产品探索之路 / 191
书单推荐
