金寶書局網路書店

《Fortune》500大企業、

?日本知名跨國金融集團的實戰指南∕



企業趨之若鶩的大數據分析,

真的解決了你的需求嗎？

或者,反而讓你陷入盲點？



★為什麼越分析越失焦？

數據科學是為了解決問題,

但錯誤的決策通常都源於一連串的分析、解讀,

問題到底出在哪裡？



其實,大數據分析沒那麼神奇,說穿了不過是一種精神,

方向對了,可應用的面向相當廣闊。

本書教你用5D框架建立正確思維,打造獲利方程式。



1.Demand(需求)

開始分析作業前,請先「定義」需要解開的難題為何。舉例來說,喝慣A牌啤酒的消費者,忽然轉投向B牌的懷抱,業者想知道的是,如何提高品牌與消費者之間的互動率,但你卻一味研究起轉換率……。當心!像這樣在起點就跑錯了方向,又如何能成功抵達終點。



2.Design(設計)

也就是描繪輪廓:計算→視覺化報告→假說驗證→預測建模。以手搖飲料店為例,從消費金額、年齡層與性別,可推敲出商業現場的實際狀況；而驗證不同的假說(例如A:男性的消費單價較高/B:女性的消費頻率較高),也會發展出不同的決策模式。



3.Data(資料)

資料量大,不代表具備絕對優勢,與其聚焦在屬性資料,不如也蒐集「行為資料」。假設分析超商洋芋片的購買狀況,得出40~49歲女性是消費主力,是否可做出她們是目標客群的判斷,因而以輕熟女喜愛的口味為強銷目標？那如果真正的客群其實是兒童(媽媽買給孩子)呢？策略無疑大翻轉。這並不代表數據無用,而是此份消費紀錄不適合做為分析素材(不夠完善)。



4.Develop(開發)

商品叫好卻不叫座,矛頭該指向哪裡？廣告投放在符合目標客群的媒體上,但卻回應率低迷,甚至給人CP值不高的印象？明明使用了AI自動分析工具,得出精準度極高的預測結果,卻還是搞不清楚什麼因素才有助提高營業額？這表示你的考量尚缺全面性,突破開發困境就要利用「三力」,眉角都在本書裡。



5.Deploy(部署)

資料分析的結果要能「活用於現場」,讓人完整消化後「展開行動」,才有價值可言。分析人員要能以第一線銷售人員的觀點看待事物,並且共享資源。當團隊成員將框架化為共通語言時,才能確認內容是否具有說服力,並提供建議,為團隊打造好的循環。



商業世界瞬息萬變,數位化浪潮勢不可擋,

重點不在分析技術,而是「解決需求」!

因此,你不需要成為資料科學家,但務必懂一點資料分析。

本書從源頭為你建立正確思維,讓資料成為溝通橋梁,助你成功變現。



專業推薦



彭其捷｜資料視覺化專家

木田浩理Hiromasa Kida (三井住友海上火災保險 數位戰略部.首席資料科學家) 一九七九年出生。慶應義塾大學總和政策學部/慶應義塾大學研究所政策、媒體研究科畢業。曾任職於NTT東日本、SPSS/日本IBM、亞馬遜日本、百貨公司、通信販售企業等,自二○一八年五月於三井住友海上火災保險任職至今。在各式各樣不同的業界累積業務和資料分析的經驗。根據顧客的觀點進行CRM和市場行銷分析,專攻運用資料開發新市場。 伊藤豪Takeshi Ito (三井住友海上火災保險 數位戰略部.首席資料科學家) 一九八一年出生。早稻田大學商學部畢業。任職於SPSS/日本IBM約十年左右,擁有軟體業務和資料分析相關顧問經驗。之後轉職至通信販售企業負責資料分析,跨足顧客、市場和廣告等各項領域的資料分析,同時也負責CRM和商品改善。自二○一九年任職至現在。 高階勇人Yuto Takakai (三井住友海上火災保險 數位戰略部.資深資料科學家) 一九八一年出生。二○○七年自早稻田大學研究所文學研究科心理學科畢業後,進入構造計畫研究所。擁有資料分析相關顧問經驗。以顧客的角度,歷經製造業、通信業、自治團體和大學等,各種不同業界的資料分析。此外,也曾參加行動經濟學等領域的學會發表。自二○一八年任職至今。 山田紘史Hirofumi Yamada (三井住友海上火災保險 數位戰略部.資深資料科學家) 一九八五年出生。二○一○年自中央大學研究所理工學研究科畢業後,進入Dentsu e-marketing One Inc.(現為 Dentsu Digital Inc.)。負責活用市場行銷領域的資料驗證策略成效。之後也曾任職於市場行銷顧問公司,以及自由接案分析師。自二○一九年任職至今。 譯者簡介 金鐘範 淡江大學日文系畢業,曾於日本京都同志社大學留學一年。因遇見乙一《夏天、煙火、我的屍體》而愛上閱讀,愛上日本小說。現為兼職譯者。