1.本书以丰富有趣的小故事和案例为载体，深入探讨数据在企业创新和商业活动中的关键作用，为读者提供了有效收集、处理、分析数据的实用指导，是一本帮助读者实现数据驱动决策的重要参考书籍。

2.结合理论知识、实际案例和互动式学习，本书以图标方式辅助阐述复杂概念，为读者呈现了如何将数据分析成果转化为公司业务决策支持的有效途径，是一部帮助读者在实践中成功运用数据分析的必读之作。

本书深入探讨了数据在企业创新和商业活动中的关键作用，旨在引导读者如何有效收集、处理、分析数据，并将数据分析结果转化为公司业务决策的有力支持。本书涵盖丰富有趣的小故事和案例，并在一些复杂概念的阐述中采用图标方式，辅助读者更好地理解书中内容。本书通过结合理论知识、实际案例和互动式学习，帮助读者深入了解数据驱动决策的重要性，以及如何运用数据分析在实践中取得成功。

西蒙·阿斯普伦-泰勒（Simon Asplen-Taylor）

他是欧洲经验最丰富、最成功的数据领导者之一，曾担任多家富时指数公司的首席数据官，领导多家企业数据能力转型。他在2019年入围英国年度数据领袖，2020-2021年被评为DataIQ100数据领域最具影响力的100人

第一部分 如何用数据分析推动业务增长？

第一章　这本书能给我们带来什么帮助 ??

概述

首席数据官带领组织走向未来

任务：为企业提出 10 个问题

你担心吗？

第二章　数据项目论证?

概述

无所作为的代价

数据的价值只取决于项目论证的价值

识别最紧迫的数据问题

把事情简单化

项目分析与企业目标保持一致

第三章　数据和分析策略?

概述

什么是“数据分析策略”?

首席数据官的职业定义

任务：使用数据周期表设计项目

数据转型的五个阶段

价值、构建和提升

任务：分享故事

第四章　团队游戏?

概述

解密首席数据官

履历表问题

发现问题解决者

任务：招募 PQ 和 AQ

当心现成的数据团队

多样性

数据和分析能力模型

第二部分 第一个阶段：渴望

第五章　速赢制胜?

概述

速胜剖析

任务：确定正确的项目

从个人速胜到集体速胜

速赢不等于战略胜利

第六章　重复与学习?

概述

为什么要进行重复学习？

听听数据怎么说

任务：定义数据流程

任务：制订业务变更流程

勇于探索，勇于创新

第三部分 第二个阶段：成熟

第七章　数据治理? ?

概述

什么是数据治理？

问责制的重要性

数据管家、数据所有者和数据执行者

任务：实施数据治理

第八章　数据质量? ?

概述

高质量数据的好处

衡量数据质量的四项原则

处理数据质量的策略

任务：设定基线和目标

任务：搭建数据质量团队

任务：短期提高数据质量

任务：长期提高数据质量

第九章　单一客户视图? ?

概述

什么是单一客户视图？

单一客户视图的好处

其他单一视图

如何构建单一客户视图 ?

影子数据是单一客户视图的大敌

单一客户视图所有权

第十章　报告和仪表盘?

概述

任务：报告审核

从静态到动态的决策支持

任务：设计仪表盘

任务：仪表盘实现

从报告到洞察

任务：信息架构

避免急功近利

第十一章　?数据风险管理和道德规范?

概述

五大支柱

任务：与监管机构合作

第四部分 第三个阶段：产业化

第十二章　?自动化！自动化！自动化！? ?

概述

什么情况下可以实现自动化 ?

多大程度上实现自动化 ?

任务：自动化项目论证

任务：可管理的自动化项目

我会使用工具吗 ?

第十三章　 纵向扩展与横向扩展?

概述

从速胜到大胜

枯燥和重复

任务：选择如何以及何时进行扩展

利用你的资源倍增器

任务：组织骇客马拉松

规模化的红利

第十四章　?优化? ?

概述

最好的意图并不是最佳的

任务：规划一个优化路径

任务：克服阻力

自动化的局限性

一个转折点

第五部分 第四个阶段：实现

第十五章　?客户之声? ?

概述

听到他们的声音

使用其他数据来源的原因

了解竞争对手

客户的行为

社交倾听

任务：运用社交聆听获得深度洞察

任务：营造可靠的口碑

整合

倾听坏消息

第十六章　 数据科学最大化?

概述

是数据科学，不是数据魔法

数据科学家的重要性

任务：整合数据科学

任务：维持数据科学

拥抱失败

第十七章　 与供应商和客户共享数据? ?

概述

广泛的接触

向商业合作伙伴和供应商公开数据

供应链中的区块链

共享改善市场

向客户公开数据

任务：准备共享

数据共享不可避免，按照让你感到舒服的方式 去做

第六部分 第五个阶段：区分

第十八章　?从数据驱动到人工智能驱动? ?

概述

人工智能是做什么的？

数据价值的层次结构

任务：检测

任务：流程自动化

任务：改进聚类分析

数据偏差

任务：复杂的分析和预测

人工智能作为指导者或管理者的局限性

任务：致力于人工智能独立实时决策

从数据驱动的转型到人工智能驱动

第十九章　?数据产品? ?

概述

什么是数据产品？

一流的数据和分析中心

任务：创建一个卓越的数据和分析中心

研究的三个功能

持续改进的生命周期

第二十章　?正确的时间，正确的领导? ?

概述

引领可持续数据文化

你是哪种领导者？

后记