弗兰克斯将自己的职业生涯建立在把一个复杂的分析通俗易懂地解释给业务人员的天赋之上。在这本书中，读者将学会如何梳理头绪、扫清障碍，积极利用当前主流趋势和流程，确保能够持续超越竞争对手。在《数据分析变革(大数据时代精准决策之道)》中，Bill利用其清晰的思考方法指导读者经历建立团队、营造企业文化、升级分析方法论、利用技术使企业向运营型分析演变的全过程。

本书详细地讲述了使分析运营化对企业到底意味着什么，以及企业该如何向更好、更快、更有效做出决策的运营型分析演变。本书的写作风格通俗易懂，适合任何背景的读者阅读。本书还提供了一个在所有类型的业务流程中嵌入分析流程的可扩展框架。本书适合想要通过建立企业的分析基础来赶超竞争对手的企业管理者和业务领导者阅读。

能够快速适应不断变化的市场环境的能力是获得成功的关键。弗兰克斯编写的《数据分析变革(大数据时代精准决策之道)》旨在将数据分析嵌入运营流程，帮助读者将从数据（包括大数据和小数据）分析中获得的业务洞察与日常运营紧密集成在一起。

本书确切地讲述了使分析运营化到底意味着哪些变革，并告诉读者如何建立团队、创建文化、升级分析方法论并利用技术，使企业向更好、更快、更有效决策的运营型分析演变。本书提供了一个在所有类型的业务流程中嵌入分析流程的可扩展框架。在这本书中，读者将了解如何梳理头绪，扫清障碍，积极利用当前主流趋势和流程，确保能够持续超越竞争对手。

第一部分 变革已然开始

第1章 了解运营型分析

 1.1 定义运营型分析

1.1.1 什么是运营型分析

1.1.2 运营型分析的独特之处

1.1.3 使运营型分析独树一帜的基石

 1.2 欢迎来到分析3.

1.2.1 分析1.0：传统分析

1.2.2 分析2.0：大数据分析

1.2.3 分析3.0：面向效果最大化的统一分析

1.2.4 采用分析3.0的运营型分析

 1.3 分析是如何改变业务的

1.3.1 分析是目标，不是副产品

1.3.2 分析性产品正在打破行业界限

1.3.3 运营型分析将是颠覆性的

 1.4 全面看待运营型分析

1.4.1 数据质量及时效性依然重要

1.4.2 运营型分析会压制创新性？

1.4.3 运营型分析的很多概念并非全新

 1.5 小结

第2章 更多数据……巨多数据……大数据！

 2.1 穿越炒作的迷雾

2.1.1 大数据的定义是什么？管它呢！

2.1.2 从正确的角度出发

2.1.3 大数据有泡沫吗

 2.2 为大数据做好准备

2.2.1 大数据浪潮已经到来

2.2.2 新信息使大数据变得更强大

2.2.3 找新问题提问

2.2.4 数据留存不再是两元决策

2.2.5 物联网时代即将到来

 2.3 纵观全局看待大数据

2.3.1 与其说是大数据，还不如说是差异化数据

2.3.2 大数据必须具有多维可扩展性

2.3.3 实现大数据价值的最大化

2.3.4 回到未来

2.3.5 大数据正在经历成熟度曲线

2.3.6 大数据是全球现象

 2.4 小结

第3章 运营型分析实战

 3.1 改进客户体验

3.1.1 出现神奇时刻

3.1.2 为客户提供透明度

3.1.3 升级客户服务

3.1.4 提升在线体验

 3.2 时间是最重要的

3.2.1 分析过程中的安全性

3.2.2 价值一亿美元的一毫秒

 3.3 使我们更安全

3.3.1 避免不良事件

3.3.2 确保产品新鲜度

3.3.3 政府也能进行运营化分析

 3.4 提升运营效率

3.4.1 最大化获取能量

3.4.2 优化电力产生

3.4.3 增加燃料效率

3.4.4 改进呼叫中心绩效

 3.5 改善我们未来的生活

3.5.1 解放我们的时间

3.5.2 帮助我们保持健康

 3.6 寻找数据中的意外价值

3.6.1 利用地理位置数据完成交通状况更新

3.6.2 利用传感器来提高农作物产量

3.6.3 利用合规数据提高销售

3.6.4 也能创建战略性分析

 3.7 小结

第二部分 奠定基础

第4章 想要预算？先制订商业计划

 4.1 设定优先级

4.1.1 从业务问题开始，而不是数据或技术

4.1.2 关注回报而非成本

4.1.3 瞄准造成差异的因素，而非渐进式的改进

4.2 选择合适的决策标准

4.2.1 描绘更广阔的前景

4.2.2 数据洞察时间

4.2.3 实施能力

4.2.4 分析价值与技术价值

 4.3 需要考虑的商业计划框架

4.3.1 什么是运营型分析的总体成本

4.3.2 考虑所有长期的成本

4.3.3 成本中最容易忽略的部分

4.3.4 有关改变方程式的问题

4.3.5 可扩展性不只关系到存储和处理

 4.4 商业计划的取胜技巧

4.4.1 不要强推一项商业计划

4.4.2 想要成功，从小做起

4.4.3 接受一些不确定性

4.4.4 有很多选项，要明智选择

4.4.5 解释为什么这么做是正确的

 4.5 小结

第5章 建立分析平台

 5.1 规划

5.1.1 使分析运营化不是一个技术问题

5.1.2 增加组件，而非替换组件

5.1.3 不同的平台，不同的优势

5.1.4 今天就做正确的事

 5.2 着手构建

5.2.1 欢迎进入基于结构的计算

5.2.2 统一分析环境的支柱

5.2.3 额外的配套技术

 5.3 使用

5.3.1 任何分析，任何数据，任何时间

5.3.2 终端用户不会关注数据存储在哪里

5.3.3 云方式如何

 5.4 小结

第6章 监管和隐私

 6.1 设定监管阶段

6.1.1 《1984》的启示

6.1.2 安全许可模式

6.1.3 合作伙伴的重要性

6.1.4 监管物联网

 6.2 决定在哪里进行分析

6.2.1 永不说不

6.2.2 挑选最好的工作方式

6.2.3 致力于正确的组合

 6.3 监管运营型分析

6.3.1 不同的需求

6.3.2 监测运营型分析

6.3.3 探索平台与探索环境

6.3.4 数据洞察时间与执行时间

 6.4 隐私

6.4.1 大数据成了老大哥？

6.4.2 设定隐私规范

6.4.3 不合逻辑的隐私条例

6.4.4 隐私政策的未来

 6.5 小结

第三部分 分析运营化

第7章 数据分析

 7.1 创建运营型分析流程

7.1.1 分析过程的一致性

7.1.2 从批量分析到运营型分析

7.1.3 什么是运营型分析

 7.2 拓展到新分析原则

7.2.1 分析原则的定义

7.2.2 多原则分析案例

7.2.3 多原则分析的具体步骤

 7.3 集中分析力量

7.3.1 提对问题，作好假设

7.3.2 下注吧！

7.3.3 不要冒失地判断

 7.4 比较分析方法

7.4.1 探索性分析与验证性分析

7.4.2 研发与盲目刺探

7.4.3 强化运营规模的流程

 7.5 过去的教训

7.5.1 统计方法仍然有价值

7.5.2 不要小看采样

7.5.3 不要将分析复杂化

7.5.4 运营型分析必须提供解决方案

 7.6 小结

第8章 分析机构

 8.1 重大转型已然发生

 8.2 人员任用

8.2.1 谁是专业分析人员

8.2.2 旧派与新派的意见相合

8.2.3 解决人才危机

8.2.4 无所不包

8.2.5 使人员留存最大化

 8.3 组织管理

8.3.1 标准组织架构是什么

8.3.2 组织架构建议

8.3.3 演进到混合架构模式

8.3.4 真的需要首席分析官吗

8.3.5 首席数据官的职责

8.3.6 跨职能团队

 8.4 成功

8.4.1 明智地利用外部资源

8.4.2 坚持到底，直至成功

8.4.3 有效管理期望行为

8.4.4 变成顾问、导师和教练

8.4.5 裁判思维

8.4.6 激励不当，代价沉重

 8.5 小结

第9章 分析文化氛围

 9.1 逐步灌输正确的思维方式

9.1.1 从跳蚤身上学习

9.1.2 自上而下拥抱分析

9.1.3 认可分析人员的价值

9.1.4 推动行为模式的转变

9.1.5 克服阻力与抵触情绪

 9.2 推行注重实效的政策

9.2.1 小转变，大效果

9.2.2 IT角色从服务变为支撑

9.2.3 保证规划的正确性

 9.3 推进成功

9.3.1 寻找出乎意料的价值

9.3.2 找到早期采纳者和行动派

9.3.3 营销活动准备

 9.4 容忍与处理失败

9.4.1 能测试的想法坏也坏不到哪儿

9.4.2 不要太介意失败

9.4.3 不要漠然接受失败

 9.5 小结

结语：加入变革吧！