ISBN: 9786267216569
出版日期: 2023-09-28
作者： 木田浩理,伊藤豪,高階勇人,山田紘史
譯者： 金鐘範
裝訂： 平裝.單色印刷.288頁.21.
∖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
作者簡介
木田浩理,伊藤豪,高階勇人,山田紘史
作者簡介
（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。
（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。
（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。
（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
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。
| Zone | Order Total (RM) | Delivery Fee (RM) |
|---|---|---|
| West Malaysia | Flat Rate | 6.00 |
| Zone | Items/Weight | Delivery Fee (RM) |
|---|---|---|
| East Malaysia | First 1.00 kg | 12.00 |
| Extra 1.00 kg | 2.50 | |
| Singapore | First 1.00 kg | 25.00 |
| Extra 1.00 kg | 5.00 | |
| Australia, New Zealand | First 1.00 kg | 159.77 |
| Extra 0.50 kg | 52.65 | |
| Austria, Denmark, Finland, Ireland, Switzerland, Russia | First 1.00 kg | 157.78 |
| Extra 0.50 kg | 34.31 | |
| Brunei, Cambodia, Laos, Mongolia | First 1.00 kg | 175.10 |
| Extra 0.50 kg | 87.14 | |
| Belgium,France, Germany, Netherlands, Spain, U.K | First 1.00 kg | 150.94 |
| Extra 0.50 kg | 30.46 | |
| China | First 1.00 kg | 96.44 |
| Extra 0.50 kg | 25.35 | |
| Bangladesh, Brazil, Iraq, Pakistan, Qatar, S.Arabia, UAE, Sri Lanka | First 1.00 kg | 118.52 |
| Extra 0.50 kg | 24.96 | |
| South Africa | First 1.00 kg | 118.52 |
| Extra 0.50 kg | 24.96 | |
| Philippines | First 1.00 kg | 91.42 |
| Extra 0.50 kg | 15.29 | |
| Canada, United States, Mexico | First 1.00 kg | 162.58 |
| Extra 0.50 kg | 35.90 | |
| Hong Kong | First 1.00 kg | 80.63 |
| Extra 0.50 kg | 29.06 | |
| India | First 1.00 kg | 113.30 |
| Extra 0.50 kg | 22.28 | |
| Indonesia | First 1.00 kg | 107.35 |
| Extra 0.50 kg | 24.87 | |
| Japan | First 1.00 kg | 112.97 |
| Extra 0.50 kg | 35.03 | |
| Macau | First 1.00 kg | 92.93 |
| Extra 0.50 kg | 13.82 | |
| Singapore | First 1.00 kg | 74.75 |
| Extra 0.50 kg | 21.49 | |
| Taiwan | First 1.00 kg | 94.42 |
| Extra 0.50 kg | 34.76 | |
| Thailand | First 1.00 kg | 94.10 |
| Extra 0.50 kg | 28.25 | |
| Vietnam | First 1.00 kg | 98.94 |
| Extra 0.50 kg | 14.34 |