日韩精品中文字幕动漫,91亚洲午夜一区,在线不卡日本v一区v二区丶,久久九九国产精品自在现拍

注冊(cè) | 登錄讀書(shū)好，好讀書(shū)，讀好書(shū)！

當(dāng)前位置：首頁(yè)出版圖書(shū)經(jīng)濟(jì)管理管理管理信息系統(tǒng)大數(shù)據(jù)分析：數(shù)據(jù)驅(qū)動(dòng)的企業(yè)績(jī)效優(yōu)化、過(guò)程管理和運(yùn)營(yíng)決策

大數(shù)據(jù)分析：數(shù)據(jù)驅(qū)動(dòng)的企業(yè)績(jī)效優(yōu)化、過(guò)程管理和運(yùn)營(yíng)決策

大數(shù)據(jù)分析：數(shù)據(jù)驅(qū)動(dòng)的企業(yè)績(jī)效優(yōu)化、過(guò)程管理和運(yùn)營(yíng)決策

定　價(jià)：￥59.00

作　者：	Thomas，Davenport 著
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	計(jì)算機(jī)?網(wǎng)絡(luò) 數(shù)據(jù)庫(kù)

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787111491842	出版時(shí)間：	2015-04-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	174	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　書(shū)中我們闡述了整個(gè)數(shù)據(jù)分析生命周期、解決技術(shù)、用途、運(yùn)營(yíng)、治理、戰(zhàn)略以及更多其它內(nèi)容。他們?yōu)榱死脤?zhuān)有數(shù)據(jù)、獲取一個(gè)全新的360度客戶(hù)視角、以各種可行的方式投入測(cè)量工作、優(yōu)化“次優(yōu)報(bào)價(jià)”、在產(chǎn)品規(guī)模應(yīng)用數(shù)據(jù)分析、使用云計(jì)算資源和將數(shù)據(jù)分析直接和業(yè)務(wù)績(jī)效相聯(lián)系提供了各種可行的解決方案。之后，在整整一章有關(guān)數(shù)據(jù)分析中重要的“人”方面的內(nèi)容中，他們講述了從構(gòu)建和治理數(shù)據(jù)分析型組織到整合數(shù)據(jù)分析于整個(gè)全球性業(yè)務(wù)之中這個(gè)過(guò)程里的每一件事情。

作者簡(jiǎn)介

　　About the Author？作者簡(jiǎn)介 Thomas H. Davenport是IIA的創(chuàng)始人之一，現(xiàn)任研究總監(jiān)，也是哈佛商學(xué)院客座教授、巴布森學(xué)院特聘教授和德勤會(huì)計(jì)事務(wù)所高級(jí)顧問(wèn)；被《Optimize》雜志評(píng)為業(yè)內(nèi)第三領(lǐng)先的商務(wù)策略分析師（僅次于Peter Drucker 和 Tom Friedman）。Davenport也是一位世界著名的思想領(lǐng)袖，他幫助成百上千家公司重振了他們的管理實(shí)踐。他的“競(jìng)爭(zhēng)力分析”理念最近剛剛被《哈佛商業(yè)評(píng)論》雜志評(píng)為過(guò)去10年最重要的管理理念之一。相關(guān)的文章也被評(píng)為《HBR》（Harvard Business Review，哈佛商業(yè)評(píng)論）75年歷史中十大必讀文獻(xiàn)之一。Davenport在2010年2月出版了相關(guān)書(shū)籍《Analytics at Work： Smarter Decisions， Better Results》，這也被《CIO Insight》雜志評(píng)為15本必讀書(shū)籍之一。 Elizabeth Craig 是埃森哲卓越績(jī)效研究院波士頓分院的研究人員。她和Peter Cheese以及 Robert J. Thomas合著了《Talent-Powered Organization》（Kogan Page ，2007） Jeanne G. Harris是埃森哲卓越績(jī)效研究院芝加哥分院的高級(jí)主管研究人員。她和 Thomas H. Davenport 以及 Robert Morison合著了《 Analytics at Work： Smarter Decisions，Better Results 》（哈佛商業(yè)出版社，2010）。她還與人合著了 2007年出版的書(shū)籍《 Competing on Analytics： The New Science of Winning 》，也由哈佛商業(yè)出版社出版。 Robert Morison 是IIA企業(yè)研究成果訂閱的教學(xué)帶頭人。他是一位成就非凡的商業(yè)研究者、作者、決策領(lǐng)導(dǎo)者和管理咨詢(xún)顧問(wèn)。他也是《 Analytics at Work： Smarter Decisions，Better Results 》（哈佛商業(yè)出版社，2010）、《Workforce Crisis： How to Beat the Coming Shortage of Skills and Talent》（哈佛商業(yè)出版社，2006）和《哈佛商業(yè)評(píng)論》雜志上的3篇文章的合著者，其中一篇還獲得了2004年McKinsey最佳文獻(xiàn)獎(jiǎng)。他還為大量企業(yè)、行業(yè)和政府組織做過(guò)演講，并在美國(guó)PBS電視臺(tái)的《晚間商業(yè)新聞報(bào)告》節(jié)目中擔(dān)任過(guò)勞動(dòng)力問(wèn)題評(píng)論員。他最近成為nGenera 公司的執(zhí)行副總監(jiān)和研究主管，之前他在Concours 集團(tuán)公司、CSC Index公司和美國(guó)通用電氣資訊服務(wù)公司擔(dān)任過(guò)管理職位。 Keri E. Pearlson 博士是信息管理和使用領(lǐng)域的專(zhuān)家。她曾經(jīng)在一些世界最大型的公司里和CIO以及執(zhí)行主管一起工作過(guò)。她善于幫助執(zhí)行主管們起草企業(yè)戰(zhàn)略，使其成為具有Web 2.0能力的企業(yè)，也善于設(shè)計(jì)和傳授高級(jí)領(lǐng)導(dǎo)力課程，并精于管理一些有關(guān)信息系統(tǒng)高級(jí)主管感興趣的問(wèn)題的多客戶(hù)端程序，使其能滿足高級(jí)主管對(duì)信息系統(tǒng)的要求。她還特別專(zhuān)長(zhǎng)于幫助IT主管們和他們的主管同事一起參與企業(yè)戰(zhàn)略制定。她也是IIA的一位教員，是CIO咨詢(xún)服務(wù)公司KP Partners的創(chuàng)業(yè)合伙人和總裁。 Bill Franks 是IIA的一位教員，也是Teradata公司全球聯(lián)盟計(jì)劃的首席分析總監(jiān)。他還負(fù)責(zé)過(guò)商業(yè)數(shù)據(jù)分析創(chuàng)新中心（由Teradata和 SAS公司聯(lián)合贊助），該中心專(zhuān)注于幫助客戶(hù)追求創(chuàng)新性的數(shù)據(jù)分析成果。除此之外，Bill還在Teradata公司的高級(jí)數(shù)據(jù)分析領(lǐng)域部門(mén)工作過(guò)，幫助公司確定企業(yè)戰(zhàn)略和定位。他也是書(shū)籍《Taming the Big Data Tidal Wave》（John Wiley& Sons出版社，2012年4月）的作者。 Eric T. Peterson是IIA的一位教員。他也是Web Analytics Demystified公司的創(chuàng)始人。他以從業(yè)人員、咨詢(xún)顧問(wèn)和分析師的身份在Web數(shù)據(jù)分析領(lǐng)域工作了10多年。他還是3本暢銷(xiāo)的Web數(shù)據(jù)分析書(shū)籍的作者：《Web Analytics Demystified》、《Web Site Measurement Hacks》和《The Big Book of Key Performance Indicators》。他是讀者最多的Web數(shù)據(jù)分析作家之一。 John Lucker 是德勤咨詢(xún)公司主要領(lǐng)導(dǎo)人，在那里他負(fù)責(zé)德勤的高級(jí)數(shù)據(jù)分析和建模實(shí)踐，這在專(zhuān)業(yè)性的服務(wù)行業(yè)中是處于領(lǐng)先地位的一個(gè)數(shù)據(jù)分析組織。他在高級(jí)數(shù)據(jù)分析、預(yù)測(cè)建模、數(shù)據(jù)挖掘、計(jì)分和規(guī)則引擎以及大量其他的高級(jí)數(shù)據(jù)分析業(yè)務(wù)解決方案領(lǐng)域里具有極其豐富的工作經(jīng)驗(yàn)。 James Taylor 是IIA的一位教員以及Decision Management Solutions公司的CEO。決策管理系統(tǒng)運(yùn)用了業(yè)務(wù)規(guī)則、預(yù)測(cè)分析和優(yōu)化技術(shù)來(lái)解決企業(yè)今日所面對(duì)的最棘手問(wèn)題，并改變企業(yè)開(kāi)展業(yè)務(wù)的方式。他在為客戶(hù)開(kāi)發(fā)軟件和解決方案方面具有20多年的工作經(jīng)驗(yàn)。他已帶領(lǐng)Decision Management Solutions公司幫助在保險(xiǎn)、銀行、醫(yī)療管理和電信行業(yè)中具有領(lǐng)先地位的公司取得了成功。 Stacy Blanchard 是埃森哲公司中組織效能服務(wù)和人力資本分析部門(mén)的領(lǐng)導(dǎo)者，在為企業(yè)調(diào)整戰(zhàn)略、文化和領(lǐng)導(dǎo)力方面具有超過(guò)15年的工作經(jīng)驗(yàn)，曾在全球許多客戶(hù)所處的情景和行業(yè)中工作過(guò)。她把現(xiàn)實(shí)世界中的經(jīng)驗(yàn)和公認(rèn)的用來(lái)指導(dǎo)與調(diào)整最高管理層（C-suite）管理思路的方案結(jié)合在一起來(lái)驅(qū)動(dòng)企業(yè)轉(zhuǎn)型過(guò)程。在就職于埃森哲之前，她是Hagberg咨詢(xún)集團(tuán)公司的CEO，這是一家專(zhuān)門(mén)針對(duì)企業(yè)戰(zhàn)略、文化和領(lǐng)導(dǎo)力進(jìn)行評(píng)估、調(diào)整與轉(zhuǎn)型的咨詢(xún)企業(yè)。 Carl Schleyer 是Sears Holdings公司（一家IIA贊助商）運(yùn)營(yíng)和數(shù)據(jù)分析主管，負(fù)責(zé)通過(guò)海量數(shù)據(jù)的收集和分析工作來(lái)支持人才與人力資本方面的企業(yè)戰(zhàn)略及戰(zhàn)術(shù)。作為這個(gè)崗位的一部分工作內(nèi)容，Carl創(chuàng)建了Sears Holdings公司的第一支數(shù)據(jù)分析團(tuán)隊(duì)，致力于追求純粹的人力資本。他的工作激情在于通過(guò)有影響力的企業(yè)決策來(lái)揭示數(shù)據(jù)的價(jià)值。Carl在零售行業(yè)具有20多年的豐富經(jīng)驗(yàn)，并在人力資源領(lǐng)域中各種各樣的崗位工作過(guò)。 Leandro DalleMule 是花旗銀行集團(tuán)公司全球數(shù)據(jù)分析高級(jí)主管。在此之前，他是德勤公司數(shù)據(jù)分析咨詢(xún)實(shí)踐部門(mén)的高級(jí)經(jīng)理、通用電氣公司的風(fēng)險(xiǎn)管理經(jīng)理和美孚公司巴西分公司的品牌推廣經(jīng)理。 Callie Youssi 是IIA負(fù)責(zé)研究業(yè)務(wù)的副總裁。在IIA遍布世界各地的分支機(jī)構(gòu)中的教員發(fā)現(xiàn)數(shù)據(jù)分析中那些最引人注目的實(shí)際應(yīng)用時(shí)，她能對(duì)它們進(jìn)行構(gòu)建、管理和支持。她負(fù)責(zé)匯總和分析IIA客戶(hù)最感興趣的領(lǐng)域并確保有一支雄厚的師資后備力量來(lái)解決這些領(lǐng)域中的問(wèn)題。 Katherine Busey 是IIA負(fù)責(zé)業(yè)務(wù)開(kāi)發(fā)的副總裁，負(fù)責(zé)為IIA拓展全球性的商務(wù)發(fā)展機(jī)遇。她和IIA的供應(yīng)商、商業(yè)伙伴和研究客戶(hù)一起工作，發(fā)現(xiàn)數(shù)據(jù)分析領(lǐng)域中那些新的發(fā)展趨勢(shì)并將這些內(nèi)容匯總起來(lái)告訴供應(yīng)商和從業(yè)人員。

圖書(shū)目錄

譯者序序前言作者簡(jiǎn)介第一部分　數(shù)據(jù)分析及其價(jià)值概述第1章　談及數(shù)據(jù)分析時(shí)我們到底在談什么 2 1.1　我們?yōu)槭裁葱枰粋€(gè)新術(shù)語(yǔ)：傳統(tǒng)商務(wù)智能里的問(wèn)題 3 1.2　三種類(lèi)型的數(shù)據(jù)分析 4 1.3　數(shù)據(jù)挖掘適合什么 6 1.4　業(yè)務(wù)數(shù)據(jù)分析和其他一些類(lèi)型 6 1.5　Web數(shù)據(jù)分析 7 1.6　大數(shù)據(jù)分析 7 1.7　結(jié)論 8 第2章　數(shù)據(jù)分析中的ROI 9 2.1　傳統(tǒng)的ROI分析 9 2.1.1　現(xiàn)金流和ROI 10 2.1.2　構(gòu)建一個(gè)可靠的ROI 11 2.1.3　其他用于決策制定的財(cái)務(wù)度量標(biāo)準(zhǔn) 11 2.1.4　ROI分析中其他注意事項(xiàng) 11 2.2　Teradata公司評(píng)估數(shù)據(jù)分析投資的方法 13 2.2.1　階段1：驗(yàn)證業(yè)務(wù)目標(biāo)并記錄最佳實(shí)踐用途 13 2.2.2　階段2: 設(shè)想一下新功能 14 2.2.3　階段3：對(duì)ROI和報(bào)告調(diào)查結(jié)果進(jìn)行決策 14 2.2.4　階段4：溝通 14 2.3　計(jì)算價(jià)值的一個(gè)例子 14 2.4　Freescale半導(dǎo)體公司中的ROI分析 15 2.4.1　背景和環(huán)境情況 16 2.4.2　在受高度影響的領(lǐng)域開(kāi)始進(jìn)行 16 2.4.3　讓經(jīng)理和領(lǐng)導(dǎo)參與進(jìn)來(lái) 16 2.4.4　持續(xù)漸進(jìn)的成長(zhǎng) 17 2.4.5　吸取經(jīng)驗(yàn)教訓(xùn) 18 第二部分　數(shù)據(jù)分析應(yīng)用第3章　為建立數(shù)據(jù)分析優(yōu)勢(shì)利用專(zhuān)有數(shù)據(jù) 22 3.1　管理專(zhuān)有數(shù)據(jù)和分析結(jié)果的問(wèn)題 24 3.1.1　在IATA的PaxIS利用專(zhuān)有數(shù)據(jù) 25 3.1.2　一個(gè)利用專(zhuān)有數(shù)據(jù)的行業(yè)：客戶(hù)支付 25 3.2　支付數(shù)據(jù)中的經(jīng)驗(yàn)教訓(xùn) 28 第4章　Web數(shù)據(jù)分析：原始大數(shù)據(jù) 29 4.1　Web數(shù)據(jù)概述 30 4.1.1　你遺漏了什么 31 4.1.2　假設(shè)各種可能性 31 4.1.3　一個(gè)重要的新信息源 32 4.1.4　應(yīng)該收集何種數(shù)據(jù) 33 4.1.5　對(duì)于客戶(hù)隱私會(huì)怎么樣 33 4.2　Web數(shù)據(jù)揭示了什么 34 4.2.1　購(gòu)物行為 35 4.2.2　客戶(hù)購(gòu)買(mǎi)過(guò)程和購(gòu)買(mǎi)偏好 35 4.2.3　搜索行為 36 4.2.4　反饋行為 38 4.3　Web數(shù)據(jù)實(shí)踐 38 4.3.1　最優(yōu)產(chǎn)品推薦 39 4.3.2　客戶(hù)流失模型 40 4.3.3　客戶(hù)響應(yīng)模型 40 4.3.4　客戶(hù)群體劃分 42 4.3.5　廣告宣傳結(jié)果評(píng)估 43 4.4　本章小結(jié) 44 第5章　在線參與度分析 45 5.1　參與度定義 45 5.2　一個(gè)測(cè)量在線參與度的模型 47 5.3　對(duì)參與度記分的價(jià)值 49 5.4　PBS的參與度分析 50 5.5　Philly.com的參與度分析 51 第6章　通向零售業(yè)客戶(hù)“最優(yōu)產(chǎn)品推薦”之路 53 6.1　數(shù)據(jù)分析和通向有效進(jìn)行“最優(yōu)產(chǎn)品推薦”之路 54 6.2　推薦戰(zhàn)略設(shè)計(jì) 55 6.3　了解你的客戶(hù) 56 6.4　了解你的推薦 56 6.5　了解購(gòu)買(mǎi)交易背景 57 6.6　分析和執(zhí)行：決定和制定推薦 58 6.7　學(xué)習(xí)和適應(yīng)NBO 60 第三部分　數(shù)據(jù)分析技術(shù) 第7章　在生產(chǎn)規(guī)模應(yīng)用數(shù)據(jù)分析 64 7.1　和行為有關(guān)的決策 65 7.2　施加業(yè)務(wù)影響所花的時(shí)間 65 7.3　運(yùn)營(yíng)中的業(yè)務(wù)決策 66 7.4　服從問(wèn)題 66 7.5　數(shù)據(jù)考量 67 7.6　在生產(chǎn)規(guī)模應(yīng)用數(shù)據(jù)分析的實(shí)例：YouSee 67 7.6.1　潛在的解決方案 68 7.6.2　YouSee 成果 69 7.6.3　YouSee面臨的挑戰(zhàn)和吸取的經(jīng)驗(yàn)教訓(xùn) 70 7.6.4　未來(lái)在產(chǎn)品規(guī)模應(yīng)用數(shù)據(jù)分析的計(jì)劃 71 7.7　來(lái)自其他成功公司的經(jīng)驗(yàn)教訓(xùn) 71 第8章　云計(jì)算中的前瞻式數(shù)據(jù)分析 73 8.1　業(yè)務(wù)解決方案關(guān)注點(diǎn) 74 8.2　五大關(guān)鍵發(fā)展機(jī)遇 74 8.2.1　打包發(fā)布的以云計(jì)算為基礎(chǔ)的“決策即服務(wù)”解決方案 75 8.2.2　用于軟件即服務(wù)的前瞻式數(shù)據(jù)分析 75 8.2.3　用于歷史遺留系統(tǒng)中的前瞻式數(shù)據(jù)分析 75 8.2.4　數(shù)據(jù)云建模 76 8.2.5　彈性計(jì)算模型威力 76 8.3　市場(chǎng)狀況 77 8.3.1　早期采用者的競(jìng)爭(zhēng)優(yōu)勢(shì) 77 8.3.2　決策管理增加了數(shù)據(jù)分析價(jià)值 77 8.3.3　可持續(xù)化的傳統(tǒng)數(shù)據(jù)源優(yōu)勢(shì) 78 8.4　優(yōu)缺點(diǎn) 78 8.5　采用以云計(jì)算為基礎(chǔ)的前瞻式數(shù)據(jù)分析 79 第9章　數(shù)據(jù)分析技術(shù)和業(yè)務(wù)用戶(hù)81 9.1　各自獨(dú)立但不等同 81 9.2　階段化數(shù)據(jù) 82 9.3　多用途 82 9.4　通用復(fù)雜性 82 9.5　以客戶(hù)端和產(chǎn)品為基礎(chǔ) 82 9.6　行業(yè)通用 83 9.7　完全可量化 83 9.8　業(yè)務(wù)部門(mén)驅(qū)動(dòng) 83 9.9　特定的供應(yīng)商公司 83 9.10　現(xiàn)有模型中的問(wèn)題 84 9.11　數(shù)據(jù)分析技術(shù)中出現(xiàn)的變化 84 9.12　為未來(lái)創(chuàng)建數(shù)據(jù)分析應(yīng)用程序 86 9.12.1　單用途、行業(yè)特定和簡(jiǎn)單化 86 9.12.2　以服務(wù)和解決方案為基礎(chǔ) 87 9.12.3　集中式協(xié)調(diào) 87 9.12.4　整合供應(yīng)商公司 88 9.13　總結(jié) 88 第10章　與企業(yè)績(jī)效相關(guān)的決策和數(shù)據(jù)分析 90 10.1　一個(gè)決策和數(shù)據(jù)分析研究案例 90 10.2　相關(guān)的決策和數(shù)據(jù)分析 92 10.2.1　數(shù)據(jù)分析和決策之間的松耦合關(guān)系 92 10.2.2　結(jié)構(gòu)化的人為決策環(huán)境 94 10.2.3　自動(dòng)化的決策 96 10.3　關(guān)聯(lián)決策和信息的過(guò)程 97 10.3.1　步驟1：對(duì)關(guān)鍵決策在戰(zhàn)略上的重視 97 10.3.2　步驟2：信息和數(shù)據(jù)分析提供 98 10.3.3　步驟3：決策設(shè)計(jì) 98 10.3.4　步驟4：決策執(zhí)行 99 10.4　展望決策管理的未來(lái) 100 第四部分　數(shù)據(jù)分析人力因素第11章　組織管理數(shù)據(jù)分析人員104 11.1　為什么企業(yè)組織會(huì)在意 104 11.2　企業(yè)組織架構(gòu)通用目標(biāo) 105 11.3　特定數(shù)據(jù)分析型企業(yè)組織的目標(biāo) 106 11.4　組織管理數(shù)據(jù)分析人員的基本模式 106 11.5　協(xié)調(diào)方案 109 11.6　何種模型適合你的業(yè)務(wù) 110 11.7　你能勇敢到何種程度 112 11.8　定位你的模型和協(xié)調(diào)機(jī)制 113 11.8.1　角度1：目前狀態(tài) 113 11.8.2　角度2：數(shù)據(jù)分析成熟度 113 11.8.3　角度 3：數(shù)據(jù)分析策略/場(chǎng)景 114 11.8.4　角度4：反省抱負(fù) 115 11.8.5　角度 5：反省現(xiàn)實(shí) 115 11.9　數(shù)據(jù)分析領(lǐng)導(dǎo)力和首席分析官 116 11.10　應(yīng)該向誰(shuí)匯報(bào)數(shù)據(jù)分析職能工作 116 11.11　營(yíng)造數(shù)據(jù)分析生態(tài)環(huán)境 117 11.12　逐漸發(fā)展數(shù)據(jù)分析型企業(yè)組織 118 11.13　底線 119 第12章　數(shù)據(jù)分析人才的工作投入度 120 12.1　四大數(shù)據(jù)分析人才種類(lèi) 120 12.2　數(shù)據(jù)分析人員的工作投入度 121 12.3　讓數(shù)據(jù)分析人員具備關(guān)鍵的業(yè)務(wù)信息 122 12.4　定義角色和期望 123 12.5　培養(yǎng)數(shù)據(jù)分析人員對(duì)新技能、工具和技術(shù)的熱愛(ài) 123 12.6　運(yùn)用更加集中化的數(shù)據(jù)分析企業(yè)架構(gòu) 124 第13章　數(shù)據(jù)分析治理126 13.1　指導(dǎo)原則 126 13.2　治理要素 128 13.2.1　為什么需要治理 128 13.2.2　什么東西正在被人們治理著 130 13.2.3　應(yīng)該如何對(duì)治理進(jìn)行架構(gòu)化 130 13.2.4　誰(shuí)治理什么 132 13.2.5　如何對(duì)治理進(jìn)行運(yùn)營(yíng) 134 13.2.6　如何讓數(shù)據(jù)分析治理與其他的治理體系和方法相適應(yīng) 135 13.3　何時(shí)知道自己正在成功的路上 135 第14章　構(gòu)建全球化的數(shù)據(jù) 分析能力 137 14.1　廣泛分布的地理差異 137 14.2　集中協(xié)調(diào)集中化的組織 139 14.3　強(qiáng)大的卓越中心 139 14.4　協(xié)調(diào)化的“分工”方案 140 14.5　其他一些全球化數(shù)據(jù)分析發(fā)展趨勢(shì) 142 第五部分　數(shù)據(jù)分析應(yīng)用案例研究第15章　醫(yī)療合作系統(tǒng)公司146 15.1　Partners公司數(shù)據(jù)和系統(tǒng)集中管理 147 15.2　Partners公司的臨床診斷信息技術(shù)管理 148 15.3　Partners公司的高績(jī)效醫(yī)學(xué)計(jì)劃 150 15.4　Partners 公司在數(shù)據(jù)分析方面的新挑戰(zhàn) 151 15.5　Partners公司的集中管理式業(yè)務(wù)數(shù)據(jù)分析 153 15.6　特定于醫(yī)院的數(shù)據(jù)分析業(yè)務(wù)活動(dòng)：馬薩諸塞州綜合醫(yī)院 154 15.7　特定于醫(yī)院的數(shù)據(jù)分析業(yè)務(wù)活動(dòng)：女子醫(yī)院 155 第16章　西爾斯控股公司HR職能部門(mén)中的數(shù)據(jù)分析159 16.1　我們做什么 159 16.2　誰(shuí)造就了優(yōu)秀的HR數(shù)據(jù)分析人員 161 16.3　我們最大化價(jià)值的秘訣 162 16.4　關(guān)鍵的經(jīng)驗(yàn)教訓(xùn) 163 第17章　默克公司的商業(yè)數(shù)據(jù)分析文化和關(guān)系165 17.1　決策制定者的合作伙伴關(guān)系 166 17.2　團(tuán)隊(duì)成功的理由 166 17.3　將數(shù)據(jù)分析嵌入工具中 168 17.4　商業(yè)數(shù)據(jù)分析和決策科技未來(lái)的方向 168 第18章　Bernard Chaus 公司供應(yīng)鏈中的描述性數(shù)據(jù)分析170 18.1　關(guān)注供應(yīng)鏈的需要 171 18.2　數(shù)據(jù)分析加強(qiáng)了Chaus 公司IT和業(yè)務(wù)部門(mén)之間的同盟關(guān)系 173

本目錄推薦

掃描二維碼

Copyright ? 讀書(shū)網(wǎng) rgspecialties.com 2005-2020, All Rights Reserved.

鄂ICP備15019699號(hào)

鄂公網(wǎng)安備 42010302001612號(hào)