数据分析竞争法

出版时间：2009-8  出版社：商务印书馆  作者：（美）达文波特，（美）哈里斯　著，康蓉，吴越　译  页数：242  
Tag标签：无  

前言

当我在麻省理工学院攻读经济学博士学位时，有一种被称为理性预期的理论非常盛行，它指出因为理性的人已经采取了必要的行动，所以要想从大致可预期或完全可预期的事件中获利非常困难。在我开始学习管理学知识的时候，我认为理性预期理论可以延伸应用到商业领域，也就是说，在竞争性市场中，任何直接的提高利润的机会都可能被彻底地挖掘过了，因此这种机会几乎不存在了。啊，谢天谢地！对于我和哈拉斯娱乐公司的股东们而言，理性预期还远未完全成为管理行为的特征。简而言之，运用简单的数据分析方法或多或少地提高获利水平的机会多得是，特别是在我们这样的大型企业里，简单的一招就能实实在在地带来许多倍的收益。在酒店业里，博彩行业采用的方法有许多，例如收益管理、博弈定价、客户关系管理、客户忠诚度项目以及采购等等。在我任期内抓住的最容易、收益最大的一次机会就是，我们发现，如果将投注价格稍加变动。

内容概要

人们目前比以往任何时候都更多地拥有商业环境方面的信息，你是否在利用这些信息战胜对手呢？如果不是，你正在失去一种强有力的竞争工具。当传统的竞争优势已经失效时，使用数据分析法来制定更好的决策，并从业务流程中实现最大的价值，可以使公司脱颖而出。    本书作者提出，领先的企业不仅只是收集和储存大量的数据，它们现在正围绕着由数据引发的新观点，制定竞争战略，这使企业获益无穷。它们的秘密武器是什么？答案就是数据分析法：先进的定量和统计分析，以及预测性建模的方法，企业有理解数据的高层领导，还拥有强大的信息技术。    为什么要凭借数据分析法来竞争呢？当许多行业里的企业都生产类似的产品，而且使用类似的技术时，差异化的业务流程就是实现差异化的最后机会了。许多以往的竞争手段，例如地理方面的优势或者保护性的规定等，随着全球化的趋势都将失效。而专利技术很快就能复制，产品或服务的突破创新也越来越难。因此，竞争基础就限于以下几方面：有力而且有效的执行、明智的决策，以及从业务流程中榨取最后一丝价值的能力。而通过很好地利用数据分析法，所有这些都可以实现。    达文波特和哈里斯向我们呈现了各行各业的一个个实例，它们都使用新工具成为行业翘楚。通过采用数据分析法，这些企业识别出最有价值的客户，加快了产品的创新，优化了供应链和定价过程，并且挖掘出实现财务业绩的真正要素。

作者简介

托马斯·达文波特是美国巴布森学院（Babson College）信息技术与管理学总统杰出奖教授，巴布森高层经理教育学院（BabsonExecutive Education）研究中心的主任。托马斯出版过另外11部书，还撰写过一百多篇论文。2003年，他被《咨询》杂志评为全球“最优秀的25位咨询大师”之一，2005年被《优化》杂志评为世界商业与技术分析顶级三强之一。
    珍妮·G.哈里斯是埃森哲公司卓越绩效企业研究院的研究主任及高级研究员，她主持过信息、技术和战略领域的研究。哈里斯在埃森哲公司供职的30年间，曾经为全球不同行业的企业和组织提供过咨询业务。她曾在一些顶级的管理学刊物上发表过论文，包括《麻省理工学院斯隆管理评论》《加利福尼亚管理评论》和《优化》杂志。她的研究曾被国际商业刊物广泛地引用，包括《华尔街时报》《金融时报》和《日本经济新闻》。

书籍目录

中文版序代序致谢第一部分  数据分析竞争法的本质  第一章  数据分析竞争法的本质——利用数据分析的手段培养出众的能力    第二章  如何成为分析竞争型企业——定义这种企业共有的关键特征  第三章  数据分析法与企业业绩——将数据分析竞争的能力转化为持久的竞争优势  第四章  内部流程的数据分析竞争法——在财务、生产、研发和人力资源领域的应用    第五章  对外业务流程中的数据分析竞争法——在客户与供应商领域中的应用第二部分  提高数据分析的能力  第六章  如何提高数据分析的能力——循序渐进的五个阶段  第七章  管理数据分析人员——培养让数据分析法起效的稀缺因素  第八章  商业智能系统的结构——营造符合企业战略的良好技术环境  第九章  数据分析竞争法的未来——由技术、人力因素和企业战略驱动的各种方法注释作者简介译后记

章节摘录

插图：第一章 数据分析竞争法的本质——利用数据分析的手段培养出众的能力1997年的一天，一位30多岁的男子从位于街角的百视达（Block.buster）店中租了一部影片《阿波罗13号》（Apollo 13），他交了40美元的超时费。百视达是当时最大的影片租赁连锁店。这位男子的简历中包括软件狂人、教育改革家以及电影爱好者这样的字眼。瘪下去的钱包使他开始思考一个问题：为什么影片租赁店不能像健身俱乐部那样经营呢？在健身俱乐部，消费者支付统一的月租费，然后就能随其所愿地使用健身器材。因为此次经历，里德•黑斯廷斯（Reed Hastings）带着他出售其软件公司的7.5亿美元所得，纵身跳人充满泡沫的“新经济”汪洋之中，开办了Netflix公司。他在纯粹干傻事，不是吗？毕竟当时百视达公司已经在美国和其他许多国家拥有了数以千计的店面，年收入高达30多亿美元。而且它还不是这一行业中唯一的竞争对手。人们真的会使用这种模式吗？先是在网上订购影片，然后等待美国邮政（到20世纪90年代，它逐渐地被称为“蜗牛信件”）把它邮来，之后用邮件再把影片寄回去？的确，Netflix公司可能和许多以网络为经营基础的公司一样，虽然拥有“商业模式”，拥有营销亮点，但就是没有顾客。但迄今为止，我们知道这个故事有了不同的结局，而今Netflix公司取得成功的重要原因就在于它是一家分析竞争型企业。这家从事影片递送的企业，其营业收入从l999年的500万美元激增至2006年的1亿美元，已经成为凭借超凡的数学、统计和数据管理才能与对手展开竞争的企业楷模。迄今为止，Netflix公司向600万顾客提供免费运送DVD影片的服务，而且还提供一套影片回寄包裹服务，这也是免费的。顾客在家中慢慢地欣赏他们选择的电影，无需支付超时费。当他们还回DVD时，还可以再选择下一部影片。Netflix公司需要有物流运输方面的专业知识，才能使这种商业模式有利可图，除此之外，它还在两个重要的方面采用了分析学工具，这两个方面都受到顾客行为及其购买模式的影响。第一个方面是为Cine—match影片推荐“引擎”，它依赖于公司专利的算法驱动软件。Netflix公司招聘了拥有编程经验的数学家，来编写算式和程序，其目的就是要定义影片组，将顾客对影片的评级和影片组结合起来，同时对顾客给出的评分值进行每秒钟数以千计的评估，并将其分解到当前的网站行为当中。所有这一切都是要保证为每位访问网站的顾客提供一个个性化的网页。Netflix公司还创立了一个奖项，如果公司外有哪位量化分析学者能够将这个影片推荐算式提高至少10％，那么公司将奖励他100万美元。Netflix公司的首席执行官里德•黑斯廷斯说过：“如果说星巴克公司的成功秘诀是顾客看到端着拿铁咖啡的侍者那张微笑的面孔，那么我们的成功之处就在于我们的网站可以根据顾客的喜好作出调整。”Netflix公司对顾客的选择及其对所租影片给出的反馈意见进行分析——这可是10亿多条观众对他们喜欢的、热爱的、讨厌的影片的意见，并以一种理想的方式向顾客推荐影片，这种方式不仅能最好地满足顾客的口味，而且还能使公司的库存状况保持最优。通常Netflix公司推荐的影片都非常符合顾客的偏好，但同时这些影片又不是那种市场需求很旺的影片。换句话说，它最主要的经营领域就是“长尾，也就是正态分布曲线的外缘，这个领域的产品都不是最流行的。”Netflix公司还采用了一种有些争议、由数据分析驱动的做法，它被称为“节流”。这种做法涉及的是公司的常客型和非常客型两类顾客群，平衡地处理他们的送货要求。非常客型顾客在送货方面得到了比常客型顾客更优先的条件。之所以采用这种做法有多种原因。由于给顾客运送产品是免费的，而且顾客支付的月租费也是定额的，所以对于Netflix公司而言，非常客型顾客对于企业赢利是最有价值的。和所有的公司一样，Netflix公司希望那些能使其获得最高利润的顾客满意，并防止他们流失。尽管那些常客型顾客可能会感到他们受到了不公平的对待（据黑斯廷斯所说，少数顾客已经提出了抱怨），然而，Netflix公司必用一种能赢利的方式在其获利最高和最低的顾客群之间来分配送货资源。黑斯廷斯把这种做法称为“公平算法”。Netflix公司最近才调停了一场涉及这种做法的集体诉讼，起因就是它曾经宣传说绝大多数影片会在一天内送到。数据分析法还帮助Netflix公司确定了取得DVD分销权的费用。公司曾经购买了《贫民窟成长史》（Favela Rising）的分销权，这是一部关于里约热内卢的音乐家的纪录片。当时NetfliX公司的高管们了解到有100万名顾客曾从公司租看过2003年发行的影片《上帝之城》（Cityof God），这部现实题材的影片也是反映里约热内卢的贫民窟生活的。公司还了解到，曾有50万位顾客曾经选择租过一部有些类似的反映印度贫民窟生活的纪录片《生于妓院》（Born into Brothels），而且有25万人曾在公司订过这两部影片的DVD。因此，这家公司感觉以25万人的租费确定的价格是比较保险的。如果租看的人多了，那么《贫民窟成长史》的制片商和Netflix公司都会有更多的收益。像许多分析竞争型企业一样，Netflix公司拥有很浓厚的数据分析的企业文化，而且对于业务，它们秉承一种“边试边学”的方法。其首席产品官尼尔•亨特（Neil Hunt）曾经这样说：从产品管理到工程技术团队，我们在招聘人员时注重数据分析，而且已经建立起了一种注重量化测试的企业文化。我们很典型的做法是同时进行几百种不同的消费者经历试验。例如，目前我们正在进行“Netflix筛查室”试验，我们会让顾客观看他们没有看过的影片的预告片。我们选择了4种不同的版本来作测试。我们将2万名订购客户分别引入4个测试隔间，另外还有一个对照组，根本不进筛查间。我们测量很多指标，例如：他们观看预告片的时间、看完预告片的人占全体人数的比率、他们在各自选择影片的序列中加入了多少部影片，以预告片对顾客最终租看影片后所作出评价的影响程度等，还有许多其他因素。这些初始数据非常有用。Netflix公司的首席执行官黑斯廷斯在斯坦福大学获得了计算机科学的硕士学位，他曾担任美国和平队的数学教师（和平队是一个美国志愿服务组织。——译者注）。他的公司已经把科学引入到一个具有显著艺术特点的产业中来。正如一篇《商业周刊》刊登的文章所说的那样，“Netflix公司是利用数据来作决策，而不是凭直觉贸然决策”。公司一般的客户会对200多部影片作出评价，而Netflix公司对顾客的影片租看历史及其对影片的评价进行仔细的研究分析，并预测他们会喜欢什么的影片……Netflix公司的董事理查德•N.巴顿（Richard N.Barton）说：“这就是针对电影的‘魔球’（奥克兰运动家队在职业棒球运用中运用统计数据的方法），里德这样的奇人把电影看成了另一类数据问题。”在测试阶段，Netflix公司运用了大量定量和定性的方法，包括一手数据调查、网络用户测试、概念开发与测试、广告测试、数据挖掘、品牌认知研究、订购客户满意度调查、渠道分析、营销组合最大化分析、细分市场研究和营销材料效率分析。这种测试的做法融人到整个企业文化中去，从市场营销到经营管理，再到客户服务，随处可见。以数据分析为导向的做法已经让这家公司获得了巨大的成功和发展。但是它仍然继续依靠数据分析的手段，使自己在出现重大技术变革之际乘风破浪。已经非常清晰的一个趋势就是，电影的分销将最终转向电子渠道——互联网、电缆或者无线下载。虽然具体的组合状况和时间尚不明朗，但是邮递DVD这种方式从长远来看并不乐观。然而，Netflix公司正是凭借其数据分析的方法，在一个真实的分销领域中获得了成功。如果Netflix比其他人更能了解顾客想看的影片，那么可以肯定，顾客会忠实于这家公司，而不会在意影片究竟是通过什么渠道来到他们家中的。虽然Netflix公司可能看上去很独特，但是在许多方面，它都是一类企业和组织的典型代表。这类机构虽然目前数目不多，但是增长极快。它们不仅认识到了商业分析的潜力，而且正努力地挖掘这些潜力。这样的企业和组织在各行各业中都可以找到（见图1—1）。其中有的公司还没有被广泛认可为分析竞争型企业，就像Netflix公司一样。但同时还有一些企业已经非常著名，例如娱乐业中的哈拉斯娱乐公司（Harrah’Entertainment）或者棒球运动中的奥克兰运动家队（Oakland A’s）。有些公司，例如亚马逊公司（Amazon corn）、Yahoo！以及Google，都是后起之秀，它们已经把互联网的力量融人到分析引擎中。还有一些公司，例如玛氏（Mars）和宝洁，它们生产大家都很熟悉的消费品已经长达百年或更久了。这些公司有两个共同点：一方面，它们都是在数据分析能力的基础上与其他企业展开竞争；另一方面，它们都是行业中的佼佼者。我们相信，这两个特点不是毫不相关的。

后记

我们生活的时代发生了巨大的变化，其中一支主要的力量来自于信息革命。商家通过许多新技术，获得了前所未有的海量数据，使得在数据分析的基础上展开竞争这种方法成为可能。本书的两位作者进行了大量的调查研究，通过许多实际的例子，揭示出一个重要的观点：数据分析竞争法能够帮助企业在激烈的竞争中取胜，但是这种方法需要认真地落实，才能发挥作用，我们对数据分析竞争法这个话题并不陌生，实际上我们对其中的收益管理还比较熟悉。很多年以前，我们曾经到过华沙的万豪酒店实地考察过其收益管理系统，还曾撰写过相关的学术论文。我们非常认同数据分析竞争这种方法，也希望有更多的人了解它。但是，正如本书作者提到的那样，虽然率先采用这种数据分析竞争法的企业和组织都取得了骄人的成绩，但是绝大多数企业和组织还远远地落在后面。不用说全面地凭借数据分析法展开竞争，单说取得大量合适的数据都不是那么容易。所以，我们认为这本书很有意义，它能够帮助企业和组织认识到数据分析竞争法的价值。首先企业和组织的领导人必须不排斥这种做法，进而愿意使用这种方法，只有这样，企业和组织才有可能向前推进。

媒体关注与评论

对于所有真正有意在生意场上有所突破的人，《数据分析竞争法:企业赢之道》将是无价之宝。　　——美国爱克斯龙电力公司董事长、总裁兼首席执行官 约翰•罗 我们的管理团队非常热衷于使用数据分析法开展竞争，这《数据分析竞争法:企业赢之道》无疑是实现这一目标最好的入门书。我强烈推荐那些寻求更佳业绩的组织阅读《数据分析竞争法:企业赢之道》。　　——联合利华美国公司总裁 迈克尔•B.波尔克 达文波特和哈里斯告诉领导者，如何才能在更加充分的事实及认知的基础上，获得有利的而且可持续的竞争优势。《数据分析竞争法:企业赢之道》通过许多实例，给那些希望在竞争中胜出的企业提供了一幅重要的路线图。　　——斯坦福商学院教授、《事实、传言和胡扯：循证管理让你获益无穷》的合著者　杰弗里•普费弗商业社会和棒球运动一样，问题不是你是否将采用数据分析的方法，而是什么时候采用它。你希望骑着数据分析法这匹高头大马冲向成功吗，还是希望它像蜗牛一样拖在后面。　　——ESPN 罗布•奈尔达文波特哈里斯用研究提高了我们的认识，启发我们运用数据分析法为企业创造竞争优势。　　——美国马瑞兹公司总裁兼首席执行官 史蒂夫•马里茨数据分析法在未来几年中将形成一股热潮，许多企业都将不懈地在它们拥有的数据中淘金。达文波特和哈里斯的这《数据分析竞争法:企业赢之道》是这个领域目前唯一的入门书，他们还介绍了早期探索者的故事。如果你想要挖到更好的金矿，那么先来读一读《数据分析竞争法:企业赢之道》。　　——GENt Partners公司创始人之一及《两位数成长法则》的作者　迈克尔•特里西

编辑推荐

《数据分析竞争法:企业赢之道》：埃森哲大中华区主席李纲，哈拉斯娱乐公司CEO加里•洛夫曼强力推荐。商务印书馆-哈佛商学院出版公司携手引领经济管理新思维。

用户评论 (总计81条)

•   放下《数据分析竞争法——企业赢之道》，深有被启迪之感！被智慧的光芒照耀的快乐和满足又一次充盈心间！该书是商务印书馆和哈佛商学院出版公司合作的精品，其作者的学术声望和图书本身的质量自不待言。我想和其他读者分享的是该书架起了一座信息技术专业人员和业务管理人员之间的智慧桥梁！IT人员和业务人员之间的隔膜和冲突在许多企业由来已久，正是这个企业内部的“难言之隐”让许多灵感和创意难以形成明智的决策，让良好的决策在执行中大打折扣，或者消弭于无形！但是，按书中的建议，企业不仅可以提高效益，更重要的是能够依靠对信息的洞察力大幅度提升竞争力！尤其值得强调的是，本书极为推崇对数据的分析和利用，而这一点不论信息部门还是业务部门都应该因地制宜、数尽其用、人尽其才！正像本书中文版序言中暗示的那样，中国企业似乎更注重对信息技术的投资，但是对数据信息价值的开发利用则任重而道远！诚哉斯言！本人所在行业在信息技术投资方面极为可观，但是对其产生的海量数据的分析利用却像婴儿学步，更悲哀的是不知道这个婴儿到什么时候才能不用蹒跚！聊以自慰的是，本人由于所在岗位的便利，已经尽力搭建了一个数据分析应用的桥梁，在实践中充分体会到本书主旨的精妙之处！所以，读完本书，深以为然！另外值得一提的是，本书的第二作者哈里斯女士曾在2008年的一篇论文里提出“分析力”概念并加以论述，估计她是在该书理念基础上进一步发展而来。我认为，分析力这个概念极有创意和生命力，完全可以跻身领导力、执行力、营销力等行列了！
•   将数据分析提高到企业战略的高度，而且分析的有血有肉，值得一读！
•   该书提供了数据分析的方法，需要认真学习、领会，最重要的是应用于实际。书中的内容详尽，是很好的理论指导书。
•   提供了从另一个角度看数据挖掘，很有启发
•   好书，全面数据分析这项工作
•   很好，强力推荐。
•   强力推荐，在国外非常火，为啥国内名气小
•   公司电商部门买的 说还行
•   很有价值的一本书，看个开头就觉得能得到很大的启发
•   好，正在学习中
•   还不错的，虽然是09年出版的，不过预言的趋势都有一定道理。可以看看的。
•   发货快，正在慢慢看。质量不错
•   一本很值得研究的书
•   很好，让我学到了很多知识
•   不错,质量挺好, 比超市便宜
•   可以更新一下观念，理论的部份比较多
•   一本非常实用的书，受益匪浅！
•   美妙的书
•   刚收到还没读，粗略翻了一个，质量还不错。
•   上午下的单，下午还没有下班就收到了，太快了，太厉害了
•   操作上的指导意义不大，理论上的解释
•   帮别人买的,无法给建议！
•   内容讲解详细，适合实际操作用途。
•   想了解商业智能的同学可以看看，未来企业竞争必备的技能。
•   内容如标题，只是在论证数据分析竞争法的重要性，但是缺乏具体例子，更详细的方法，所以只能作为一个休闲阅读，而不适合做指导性的操作图书。
•   这是给做数据分析工作的人看的书，看看不后悔。
•   此书是近年来比较完整的论述数据分析的数据，其中理论和思路的知识比较多，对于具备一定的数据分析基础的可以提高数据分析的内容
•   不错，主要是为了数字时代的竞争来看的。但这方面内容不多，可以进一步探讨。
•   列举了大量案例来说明阐述的理论，读来通俗易懂，对组织的绩效管理有一定的参考价值。但随之而来的不足是理论系统性显得不足，太多的案例陈述冲淡了理论，看上去更像是经验总结。
•   适合管理者阅读，但不适合技术人员学习。
•   宏观多，技术概念多，具体技术一般介绍，适合管理层看
•   还没有开始看，是别人推荐的书
•   学了不少东西，作者用很多有用的例子教会了读者
•   书不错，就是有点贵。粗略翻了下，内容对得起价格。
•   书的内容还不错，怎么没有附发票？
•   内容不错有启发
•   适合管理层看看
•   还没看完，但觉得不错。
•   只是介绍了一些企业在此方面的成功而已
•   还没有全看完，从目录看挺好的，翻了几页，也不错，只不过还是要仔细想，才能有所得，不过这也是读书所经之路啊。
•   数到手后，看了一下，没有想的好，对于老板来说也可以看一下，实际内容没有想象的好。
•   感觉像是攒出来的书~没有太多实际的帮助
•   了解一些概念性的东西还是有帮助的。
•   缺少实际性实务指导，虚的成分较多
•   没啥内容
•   不知道，是给别人买的
•   内容一般，实用性不大
•   内容一般，案例还凑合。可惜纸张太差了。
•   希望能够帮助管理。
•   若想学习数据分析，请不要读此书，此书只是肤浅的说明了数据分析为什么重要。
•   书中，解释了数据的重要作用，和工作的案例！缺少实质工作方式！
•   原本想算了.昨天看了3.15,于是决定来写个评论.
  书的印刷和装帧让我有理由认为收到的是盗版书.
  内容固然还可以,
  但阅读本身的乐趣大打折扣.
•   如果试图通过阅读来掌握数据分析竞争法，至少还需购买《经济统计学》《SPSS》《CLEMENTINE》等相关书籍。
  此书仅仅适合那些已经掌握了数据分析方法而尚不能灵活运用的同学们，指出分析方法可以用于哪些社会经济实践，指出方法有哪些优势可供利用。
  书中提供了很多的例子，某某公司运用数据分析法获得了哪些成功。但是所有例子中要参与分析的原始数据，分析过程，决策过程一概不予提供。如同国内编撰的本科教材一样空洞，缺乏可操作性。
  至于理论性，算了，看数据挖掘吧！
•   书中陈述的大多是概念性的东西，基本上没有什么实用价值。
•   极差的一本书，买回来没来得及看，现在才发现10页以后是47页，42页后是75页... 看完一页，需要满书找下一页。
•   全是理论的方法，具体该如何做，却没有一点指导，没有一点实用性
•   还不错啊不过没看完
•   中译本我还没看，不过英文版《Competing on Analytics》我反复读了三遍。绝对是经典之作，纲领之作。任何一个有志于商业智能、商业分析、数据挖掘的人都应该仔细读一读这本书。第一次上来评论到现在两个月也没有新的评论，又花了三天时间细读一遍，上来再更新一下评论。看来这本书在国内卖的不火啊。不过在国外它绝对是一本经典。这本书在亚马逊的销售排名是五六千名。想想亚马逊几百万种商品，并且老美都是对数字头疼的，所以这个排名很高啦。并且Davenport的同名文章发表在《哈佛商业评论》（HBR）上。结果被HBR评为十大经典之一，和波特的《竞争论》同等待遇。国外一些知名BI厂商的专家来国内交流，经常会提到这本书的。随着数据、技术的发展，现在数据极大的丰富。不夸张的讲，我们已经进入了一个新的时代。而在这个新时代的生存之道就是分析。这本书分为两个部分，可以看做中国古书常有的内篇和外篇。第一部分介绍了Analytics的基本概念，影响Analytics竞争力的关键要素以及分析给业务带来的好处。并且分内部流程和外部流程介绍了Analytics的应用案例。 第二部分介绍了如果提升分析能力，Analytics和人的关系，BI的架构以及Analytics的未来发展方向。因为作者是商学院的咨询顾问，并且写的...是面向业务人员的书籍。所以，就很多技术人员看来写的太浅了。但是，我觉得这本书有几个优点：1.这是第一本系统探讨Analytics的书，并且我在美国的Amazon上留意过，目前为止，相同题材的只有两三本。2.这本书写得比较系统。分析的关键很大一部分是分析的人和使用分析的人。作者把分析所需要的组织架构和业务形态讨论的比较好。3.这本书的案例十分详实。我大概统计了一下，这本书提及了超过13个行业近40家企业的案例。虽然探讨的不深入，但是大家如果想更深入的看，可以自己找材料嘛。当然，如果你是理工科背景，可能会觉得这本书写得太浅了，会觉得如果里面更多一些SVM、SNA、HMM、GA之类的介绍才酷呢。或者你的侧重点有所不同，希望在这本书里面找到Supply Chain、Operation Research、Web Optimization的一些细节，那么你会大失所望。所以这本书可能不会勾起那些在象牙塔里呆久了的研究人员的兴趣，也不会让那些初出茅庐想在企业界一展所长的毛头小伙的兴趣。但是如果你做过几年数据分析之后，可能会产生一些迷茫：为什么要做数据分析，我的分析有什么价值，为什么有了结果却没人哟偶那个，这个时候读这本书也许会若有所悟。（作者也是做了几年数据分析之后感到迷茫而转向咨询，因为SAS的偶然相约他才展开书中的研究，重拾对分析的兴趣与信心）。说到翻译，首先说这本书的翻译很认真。我看原文的时候都在想如果翻译的话，很多专业术语和公司名称怎么译啊。译者翻译的还是兢兢业业的。不过，坦率的讲，翻译过程中也有一些问题。真的是“水平所限”。例如，译文的第6页，译者说“引入4个测试隔间”。原文是test cells，其实就是可以把它译作“测试单元”，这是试验设计的专门术语。就是讲一组实验条件的组合。并不是真正存在的物理上的隔间。例如，译文211页中间有一句“一系列近期发生的变化”，而原文是“up-to-minute change”。“近期”可以是分钟级别的近期，也可以是小时、日、月级别的。译者没有把minute翻译出来，而BI的从业者对这个时间粒度是很敏感的。总体来说，译文已经不错了。至少如果让我翻译，我很难翻出这个水平。不过，大家有兴趣可以读一下英文原文。英文原文写的十分流畅，让人读起来很舒服的。另外说一句，Davenport的另外一本书《Analytics at Work》已经于2010年2月出版，不知道国内有没有人在翻译。 阅读更多 ›
•   如果是一年前或者几个月前，我会将这本书批的什么都不是，而事实是，我都没有仔细的看完它。原因有那么几条，在我看到近50页的时候，它还在试图告诉我那些人使用了数据分析，然后和之前的一样，一个中心思想就是，为什么那些人要使用数据分析。然后我就跳读，跳读过程中会涉及到一部分如何使用数据分析，但是还要说服你应当使用数据分析。就像我不乐意看到的，这本书的封皮就不是我喜欢的风格，而里面最关键的是说服你应当使用，可是如何使用，则乏善可陈。也许做演讲的人可以从中找到很多成功的实例和失败的教训，然后引之以为戒，或者作为将来演讲的素材，充实变成活生生的说服力。可是我不做演讲，也不想从作者的角度来看待他讲到的实例，正如这本书宣称的，我要的是冷冰冰的数字，然后从中得出他的结论，或者是从他的逻辑中看到这种方法的实际，而不是用大量的实例来说服我。这就是它整个的用处，不够简析，不够明澈，也许是因为研究实例太多而不得不收缩深度，也许是为了包涵不得不进行总结，上述哥哥对之奉如圣经，可是对于我来说，他的全部宗旨是告诉你应当具备数据分析的思想，至于你要有自己的做法，还是自己去看其他的书，或者找其他的分析软件去吧。谨以此为记，如果你需要它且有耐心从中寻找你要的那么重要的信息，然后先对本书进行一次分析，OK,这是一本好书。但是，我不喜欢，所以不能给予太高的评价！
•   想研究一下数据分析，买了这本书。发现买错了。这个讲战略，讲好处。很少讲怎么做，用什么。买了好几本，《统计模型——理论和实践》、《统计建模与R软件》、《深入浅出数据分析》。《深入浅出数据分析》里内容密度最小，最容易学习。其他两个需要抽出大块时间来认真研读才能有所收获（如果没有深入学过统计学的话，（大学概率论考六七十的））。
•   原以为会有些较系统的入门方式指导指导的，但实际上这书介绍得有些高端了，不太适合我这种初级人士
•   书很不错，给了不少启发和方向
•   书有点受潮，封面有点脏，纸张粗糙！不像是正版，希望不要缺页少页
•   主要从数据分析能从哪些方面为企业建立竞争优势的角度来写。后来出版的一些大数据分析方面的书中所列举的很多例子，与本书相同。
•   感觉该书内容系统性不强
•   内容不错，可惜，现在多数管理学学生不怎么学习这方面课程了。大家都玩大的、玄的了。不重视基本知识技能。
•   排荐，适合筹备数据分析工作时参考，翻译不错
•   值得推荐，特别是从事企业数据管理的业务或者技术人员，都可以得到一些启示
•   增强企业信息化建设动力
•   此书纸张是我有认知以来所购书籍中用纸最差的，薄到能看到下一页的内容。猜测原因（1）出版社太差。（2）此书或为盗版。我倒宁愿相信是出版社的问题。毕竟，我相当的欣赏亚马逊公司的诸多特质。若书真是盗版，亚马逊就有大问题了。我实在没有时间耗费在投诉上，毕竟买书是为了看书的内容，看书的最大成本不是书价，而是时间。写这个评论也花了我5分钟，代价已经超过了书价。如果亚马逊C... 阅读更多
•   不是很实用的一本书，谨慎购买
•   内容太虚，重点倾向于介绍数据在各个领域的重点性，范围是很大，但是欠缺深度！
•   给公司买的，很好的一本书
•   公司CFO推荐读的一本书，不错
•   增强信息挖掘的能力
•   自己学习用的书，还没仔细看，内容一般
•   　　1.很喜欢的议题
  　　
  　　2.很大篇幅地论证重要性和阶段性
  　　
  　　3.很少地提到具体运用和实际例子
  　　
  　　所以，很大感觉看了等于没看，失望
  　　还是埃森哲写的序才去看的
  　　
  　　如果想入门的例外
  　　特别对不起他的价格，好在是图书馆看的
  　　
  　　
  　　
•   　　“我们只是希望强调一点：尽管数据分析法看似不带任何情感，而且是建立在计算机的基础上，然而要获得成功，最重要的因素却是激情四溢的人。”
  　　
  　　我是这么内向的一个人，能继续在数据分析钻研么？
  　　
  　　“如果没有自上而下的推动，那么企业很难实现成为分析竞争型企业所需的文化变革”
  　　
  　　数据分析竞争法的四个支柱
  　　“差异化能力”
  　　“企业广泛采用数据分析法”
  　　“高层的倡导”
  　　“远大志向”
  　　
•   你行的！
•   gogo
•   你还内向呢