Аналитическая культура.
- Краткий обзор. ⇢
- Для кого эта книга? ⇢
- Структура глав. ⇢
- Условные обозначения. ⇢
- Глава 1. Что значит «на основе данных»? ⇢
- Сбор данных. ⇢
- Доступ к данным. ⇢
- Данные могут быть объединены.
- Данные можно использовать совместно.
- Доступны по запросу.
- Составление отчетности. ⇢
- Оповещения. ⇢
- От отчетов и оповещений к анализу. ⇢
- Критерии управления на основе данных. ⇢
- Зрелость аналитических данных. ⇢
- Краткий обзор. ⇢
- Глава 2. Качество данных. ⇢
- Аспекты качества данных. ⇢
- ДАННЫЕ С ОШИБКАМИ.
- ГЕНЕРАЦИЯ ДАННЫХ.
- ВВОД ДАННЫХ.
- Снижение количества ошибок при вводе данных.
- РАЗВЕДОЧНЫЙ АНАЛИЗ ДАННЫХ.
- ЗАПОЛНЯЕМ ПРОПУСКИ: МЕТОД ВОССТАНОВЛЕНИЯ.
- ДУБЛИРОВАНИЕ ДАННЫХ.
- УСЕЧЕННЫЕ ДАННЫЕ.
- ЕДИНИЦЫ ИЗМЕРЕНИЯ.
- ЗНАЧЕНИЯ ПО УМОЛЧАНИЮ.
- Происхождение данных. ⇢
- Качество данных как совместная ответственность. ⇢
- Глава 3. Сбор данных. ⇢
- Собирайте все что можно. ⇢
- ОСНОВНЫЕ ХАРАКТЕРИСТИКИ БОЛЬШИХ ДАННЫХ.
- Расстановка приоритетов при выборе источников данных. ⇢
- Установление взаимосвязи. ⇢
- Сбор данных. ⇢
- Покупка данных. ⇢
- Сколько стоит набор данных? ⇢
- Хранение данных. ⇢
- Глава 4. Специалисты по аналитике. ⇢
- Типы специалистов по аналитике. ⇢
- АНАЛИТИК.
- ИНЖЕНЕРЫ В ОБЛАСТИ ОБРАБОТКИ ДАННЫХ И АНАЛИЗА.
- БИЗНЕС-АНАЛИТИКИ.
- DATA SCIENTISTS (СПЕЦИАЛИСТЫ ПОРАБОТЕ С БОЛЬШИМИ ДАННЫМИ).
- СПЕЦИАЛИСТЫ ПО СТАТИСТИКЕ.
- КВАНТЫ.
- СПЕЦИАЛИСТЫ ПО ЭКОНОМИЧЕСКОМУ АНАЛИЗУ И ФИНАНСОВЫЕ АНАЛИТИКИ.
- СПЕЦИАЛИСТЫ ПО ВИЗУАЛИЗАЦИИ ДАННЫХ.
- Аналитика — это командный спорт. ⇢
- Навыки и качества. ⇢
- Еще один инструмент. ⇢
- РАЗВЕДОЧНЫЙ АНАЛИЗ ДАННЫХ И СТАТИСТИЧЕСКОЕ МОДЕЛИРОВАНИЕ.
- ЗАПРОСЫ К БАЗАМ ДАННЫХ.
- ПРОВЕРКА ФАЙЛА И ОПЕРАЦИИ С НИМ.
- ПРИМЕР ЕЩЕ ОДНОГО ИНСТРУМЕНТА: ПОДСЧЕТ СТРОК ПРИ ПОМОЩИ *NIX-УТИЛИТЫ WC.
- Организация работы аналитиков в компании. ⇢
- ЦЕНТРАЛИЗОВАННАЯ МОДЕЛЬ.
- ДЕЦЕНТРАЛИЗОВАННАЯ МОДЕЛЬ.
- Глава 5. Анализ данных. ⇢
- Что такое анализ данных? ⇢
- ДАННЫЕ, ИНФОРМАЦИЯ И ЗНАНИЯ.
- Виды анализа данных. ⇢
- СЛОВАРЬ ТЕРМИНОВ.
- ОПИСАТЕЛЬНЫЙ АНАЛИЗ.
- РАЗВЕДОЧНЫЙ АНАЛИЗ.
- ИНДУКТИВНЫЙ АНАЛИЗ.
- ПРОГНОСТИЧЕСКИЙ АНАЛИЗ.
- Прогнозы, формирующие основу сервиса как такового.
- Прогнозы, обеспечивающие более высокий уровень обслуживания для клиентов.
- Прогнозы, способные обеспечить более высокий уровень конверсии и размер корзины.
- Прогнозы, способствующие улучшению стратегии.
- КАУЗАЛЬНЫЙ (ПРИЧИННО-СЛЕДСТВЕННЫЙ) АНАЛИЗ.
- ЧТО ВЫ МОЖЕТЕ СДЕЛАТЬ?
- Глава 6. Разработка показателей. ⇢
- Разработка показателей. ⇢
- ПРОСТОТА.
- ЕДИНЫЙ СТАНДАРТ.
- ДОСТОВЕРНОСТЬ.
- ТОЧНОСТЬ.
- ОТНОСИТЕЛЬНЫЕ ИЛИ АБСОЛЮТНЫЕ ПОКАЗАТЕЛИ.
- РОБАСТНОСТЬ.
- ПРЯМАЯ СВЯЗЬ.
- Ключевые показатели эффективности. ⇢
- ПРИМЕРЫ КЛЮЧЕВЫХ ПОКАЗАТЕЛЕЙ ЭФФЕКТИВНОСТИ.
- СКОЛЬКО KPI ДОЛЖНО БЫТЬ?
- ЦЕЛИ И ФОРМУЛИРОВКИ КЛЮЧЕВЫХ ПОКАЗАТЕЛЕЙ ЭФФЕКТИВНОСТИ.
- Глава 7. Сторителлинг на основе данных. ⇢
- Сторителлинг. ⇢
- Первые шаги. ⇢
- ЧЕГО ВЫ ХОТИТЕ ДОБИТЬСЯ?
- КТО ВАША АУДИТОРИЯ?
- КАКИМ СРЕДСТВОМ ВЫ ВОСПОЛЬЗУЕТЕСЬ?
- ПРОДАВАЙТЕ!
- Визуализация данных. ⇢
- ВЫБОР ДИАГРАММЫ.
- ВЫБОР ЭЛЕМЕНТОВ ДИАГРАММЫ.
- КОНТРОЛЬНЫЙ СПИСОК ДЛЯ ВИЗУАЛИЗАЦИИ ДАННЫХ.
- Фокусировка сообщения. ⇢
- Организация данных. ⇢
- Подача данных. ⇢
- ИНФОГРАФИКА.
- ДАШБОРДЫ.
- Отслеживание использования.
- Основные выводы. ⇢
- Глава 8. A/B-тестирование. ⇢
- Почему A/B-тестирование? ⇢
- Практические рекомендации по A/B-тестированию. ⇢
- ПОДГОТОВИТЕЛЬНЫЙ ЭТАП.
- Критерии эффективности.
- А/А-тестирование.
- Планирование А/В-теста.
- Размер выборки.
- ПРОВЕДЕНИЕ ТЕСТИРОВАНИЯ.
- Выбор участников тестирования.
- Начало тестирования.
- Завершение тестирования.
- Другие подходы. ⇢
- МНОГОВАРИАНТНОЕ ТЕСТИРОВАНИЕ.
- БАЙЕСОВСКИЕ БАНДИТЫ.
- Влияние на корпоративную культуру. ⇢
- Глава 9. Принятие решений. ⇢
- Как принимают решения? ⇢
- УПРАВЛЕНИЕ, ИНФОРМИРОВАНИЕ ИЛИ ВЛИЯНИЕ НА ОСНОВЕ ДАННЫХ?
- Что осложняет процесс принятия решения? ⇢
- ДАННЫЕ.
- Качество данных и недостаток доверия к ним.
- Объем.
- Разделение сигнала и шума.
- КОРПОРАТИВНАЯ КУЛЬТУРА.
- Ценность интуиции.
- Неумение работать с данными.
- Отсутствие прозрачности.
- КОГНИТИВНЫЕ БАРЬЕРЫ.
- КОГДА ИНТУИЦИЯ РАБОТАЕТ?
- Решения. ⇢
- МОТИВАЦИЯ.
- Стимулы и подотчетность.
- Наличие доказательств.
- Прозрачность.
- ВОЗМОЖНОСТЬ ВЫПОЛНИТЬ ЗАДАЧУ.
- Привяжите действия к результатам.
- Сотрудничество и согласие.
- Обучение.
- Постоянство.
- ПОБУЖДАЮЩИЕ СТИМУЛЫ.
- Заключение. ⇢
- Глава 10. Корпоративная культура на основе данных. ⇢
- Открытость и доверие. ⇢
- Повышение квалификации в области работы с данными. ⇢
- Сначала цели. ⇢
- Задавайте вопросы. ⇢
- Итерации и обучение. ⇢
- Как противостоять HiPPO. ⇢
- Руководство на основе данных. ⇢
- Глава 11. Топ-менеджмент компании с управлением на основе данных. ⇢
- Chief Data Officer. ⇢
- РОЛЬ CDO.
- СЕКРЕТЫ УСПЕХА.
- Подотчетность CDO.
- Мандат на влияние.
- ПЕРВЫЕ 90.
- БУДУЩЕЕ ДОЛЖНОСТИ CDO.
- Chief Analytics Officer. ⇢
- CHIEF DIGITAL OFFICER.
- Заключение. ⇢
- Глава 12. Вопросы конфиденциальности, этики и риска. ⇢
- ПРИНЦИПЫ КОНФИДЕНЦИАЛЬНОСТИ.
- Уважайте конфиденциальность. ⇢
- НЕПРЕДНАМЕРЕННАЯ УТЕЧКА ИНФОРМАЦИИ.
- Практикуйте эмпатию. ⇢
- ВЫХОДЯ ЗА РАМКИ.
- ПРЕДОСТАВЬТЕ ВЫБОР.
- Качество данных. ⇢
- Безопасность. ⇢
- Обеспечение исполнения. ⇢
- Заключение. ⇢
- Заключение. ⇢
- ВНИМАНИЕ: ВЗЛЕТ И ПАДЕНИЕ КОМПАНИИ TESCO.
- Дополнительная литература. ⇢
- Аналитика. ⇢
- Анализ данных. ⇢
- Принятие решений. ⇢
- Визуализация данных. ⇢
- A/B-тестирование. ⇢
- Приложение А. О необоснованной эффективности данных: почему больше данных лучше? ⇢
- Проблемы типа «ближайший сосед». ⇢
- Проблемы относительной частотности. ⇢
- Проблемы оценки одномерного распределения. ⇢
- Проблемы многофакторности. ⇢
- Приложение В. Заявление о видении. ⇢
- Ценность. ⇢
- Реализация. ⇢
- Благодарности. ⇢
- Об авторе. ⇢
- Колофон. ⇢
- Примечания. ⇢
Карл Андерсон.