幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

指標體系與指標平台(方法與實踐)(精)

  • 作者：數勢科技//大數據技術標準推進委員會|責編:楊福川//羅詞亮
  • 出版社：機械工業
  • ISBN：9787111757764
  • 出版日期：2024/07/01
  • 裝幀：精裝
  • 頁數：347
人民幣：RMB 109 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    這是一部講解企業如何利用指標推動數字化轉型和實現數字化經營的著作，詳細講解了指標體系的設計方法、指標平台的產品設計和技術架構、指標在各行業落地應用的方法。
    本書由行業領先的數據智能產品提供商數勢科技官方出品，融合了其創始人在百度、平安、京東等頭部企業的技術研發經驗和其團隊服務近百家企業的實戰經驗，得到了來自清華大學、信通院、騰訊、京東、百度等10余位專家的鼎力推薦。
    具體地，本書主要講解了以下五個方面的內容：
    （1）從指標驅動的數字化經營新模式開始，介紹指標管理對企業經營的重要意義。
    （2）指標體系的設計方法論，帶著設計思維模擬指標拆解、設計、落地的全過程。
    （3）指標管理平台的產品設計與技術架構，介紹了作者團隊在多年實踐中總結出的「一處定義、全局使用」的指標平台建設方法。
    （4）深入零售、金融、製造、消費品、連鎖加盟等行業，從不同行業的特點出發，介紹不同行業的指標體系建設、平台設計和應用的全景圖，結合行業的最佳實踐，為想要進行數據智能決策的企業提供參考。
    （5）探索兩大趨勢——數據民主化以及大模型在數據智能、指標管理中的應用，探索時下最先進的技術帶給企業經營的無限價值。
作者介紹
數勢科技//大數據技術標準推進委員會|責編:楊福川//羅詞亮
    數勢科技成立於2020年，是行業領先的數據智能產品提供商，致力於推動企業數字化升級，實現數據價值普惠化。作為國家高新技術企業和北京「專精特新」企業，其總部位於北京，在上海、武漢、廣州、深圳、成都等地設有辦事處，團隊產研人員占比80%以上，研究生及以上學歷占比30%以上。     公司擁有在大金融、高科技製造和泛零售等領域的專業洞察力及技術實力，為全球優秀企業提供基於大模型增強的數據智能產品，包括智能指標平台（SwiftMetrics）、智能分析助手（SwiftAgent）、智能標籤平台（SwiftXDP）以及智能營銷平台（SwiftMKT），提升企業的數字化決策能力，推動企業數字化升級。智能指標平台首家通過「中國信通院數據指標管理平台技術要求專項測試」，智能分析助手首批完成「中國信通院大模型驅動的智能數據分析工具專項測試」。     公司是北京信創工委會會員單位，產品已完成麒麟操作系統、達夢資料庫、人大金倉資料庫等信創適配認證，並通過ISO 27001信息安全管理體系認證、ISO 20000信息技術服務管理體系認證。     目前，數勢科技已服務眾多行業頭部客戶，代表客戶有民生銀行、江蘇銀行、廣發銀行、中金、平安、中信建投、國信證券、海通證券、沃爾瑪兒山姆、寶潔、永輝、絕味食品、書亦燒仙草等。
目錄
讚譽
序一
序二
前言
第1章  指標驅動的數字化經營
  1.1  重新認識指標：業務對象的數字孿生
    1.1.1  什麼是指標
    1.1.2  什麼是指標體系
  1.2  重新認識數字化：指標驅動的數字化經營
    1.2.1  企業經營模式的變遷
    1.2.2  什麼是數字化經營
    1.2.3  推動數字化經營刻不容緩
  1.3  指標如何驅動數字化經營
    1.3.1  指標與企業數字化的關係
    1.3.2  指標驅動數字化經營的3項關鍵工作
第2章  指標體系設計方法
  2.1  指標體系設計目標
  2.2  指標體系設計思路
  2.3  自上而下的指標拆解
    2.3.1  自上而下的指標拆解流程
    2.3.2  北極星指標設計
    2.3.3  指標拆解
    2.3.4  過程指標設計
  2.4  自下而上的指標收集
    2.4.1  指標收集及口徑梳理
    2.4.2  指標規範化定義
  2.5  數據分析驅動的指標設計
    2.5.1  引入數據分析方法的必要性
    2.5.2  數據分析驅動的指標設計方法
  2.6  指標體系全局框架設計
第3章  指標平台的產品設計
  3.1  指標平台的產品定位
    3.1.1  指標平台的必要性
    3.1.2  指標平台在數據平台中的定位
    3.1.3  構建指標平台的4個目標
  3.2  指標平台的3種實現方案
    3.2.1  方案一：BI工具升級為Metrics+BI平台
    3.2.2  方案二：在數據中台中增加指標管理系統
    3.2.3  方案三：基於Headless理念的Metrics Store
  3.3  構建指標平台的「四位一體」方法論
    3.3.1  「四位一體」方法論框架
    3.3.2  指標平台產品設計的3個關鍵目標
  3.4  指標平台的架構與功能
    3.4.1  指標平台架構設計
    3.4.2  指標平台產品功能
第4章  指標平台的技術架構
  4.1  指標平台的技術架構概覽
  4.2  指標平台的技術特色
    4.2.1  豐富的數據連接器
    4.2.2  智能化的指標計算引擎

    4.2.3  多樣化的指標服務輸出方式
    4.2.4  先進的OLAP資料庫底盤
  4.3  指標平台的核心技術
    4.3.1  核心智能加速引擎
    4.3.2  指標智能歸因
    4.3.3  與大模型結合
第5章  零售業的經營分析指標體系
  5.1  經營分析指標體系：零售業的轉型利器
    5.1.1  從商業的本質看零售業面臨的挑戰
    5.1.2  指標體系對回歸商業本質的作用與價值
  5.2  經營分析指標體系的建設方法
    5.2.1  建設目標
    5.2.2  設計框架
    5.2.3  承載平台
    5.2.4  衍生數據產品
  5.3  經營分析指標體系的應用實踐
    5.3.1  全國連鎖零售商從0到1共建經營分析平台
    5.3.2  區域龍頭零售商快速複製經營分析指標體系
第6章  金融業的4K指標體系
  6.1  金融業的挑戰與痛點
  6.2  4K指標體系概述
    6.2.1  4K指標體系是什麼
    6.2.2  4K指標體系能做什麼
  6.3  4K指標體系如何解決經營分析問題
    6.3.1  4K指標體系在某頭部金融機構的應用
    6.3.2  4K指標體系在某頭部證券機構的應用
  6.4  金融業4K指標體系總結與應用展望
第7章  製造業的全鏈路指標控制塔
  7.1  全鏈路指標控制塔的概念和特點
    7.1.1  全鏈路指標控制塔的定義和範圍
    7.1.2  全鏈路指標控制塔的關鍵特點和功能
    7.1.3  全鏈路指標控制塔對製造企業的重要性
  7.2  製造企業數字化管理的挑戰和需求
    7.2.1  製造企業數字化管理的現狀和趨勢
    7.2.2  製造企業數字化管理面臨的挑戰
    7.2.3  全鏈路指標控制塔如何應對挑戰和滿足需求
  7.3  全鏈路指標控制塔的整體架構和模塊
    7.3.1  數據採集和集成模塊
    7.3.2  數據存儲和處理模塊
    7.3.3  指標定義和計算模塊
    7.3.4  數據分析和可視化模塊
    7.3.5  實時監控和報警模塊
    7.3.6  預測和優化模塊
    7.3.7  決策支持和工作流模塊
    7.3.8  系統管理和安全模塊
  7.4  全鏈路指標控制塔的實施和推廣策略
    7.4.1  實施全鏈路指標控制塔的步驟和方法
    7.4.2  成功實施全鏈路指標控制塔的8個要素
  7.5  全鏈路指標控制塔在製造企業中的應用案例
    7.5.1  M集團的全鏈路指標控制塔實施

    7.5.2  J公司的數字化管理改進
  7.6  推廣全鏈路指標控制塔的策略和建議
    7.6.1  戰略規劃與頂層設計
    7.6.2  基礎設施建設與技術集成
    7.6.3  跨部門協同與流程重構
    7.6.4  人才培養與教育培訓
    7.6.5  KPI設定與預警機制建設
    7.6.6  持續改進與文化塑造
    7.6.7  外部合作與生態共建
  7.7  全鏈路指標控制塔對製造企業數字化管理的重要意義
    7.7.1  實現全局可視化
    7.7.2  數據驅動決策
    7.7.3  實時異常預警和快速響應
    7.7.4  促進跨部門實時協同
    7.7.5  推動持續改進和優化
    7.7.6  適應數字化轉型
  7.8  全鏈路指標控制塔在製造領域的應用前景
第8章  指標平台賦能連鎖加盟業態數字化經營
  8.1  指標平台為連鎖加盟企業賦能
    8.1.1  連鎖加盟業務特點
    8.1.2  連鎖加盟業態數字化需求
    8.1.3  連鎖加盟品牌的數字化建設痛點
    8.1.4  連鎖加盟品牌需要的指標平台
  8.2  連鎖加盟業指標平台案例分析
    8.2.1  案例背景
    8.2.2  指標平台的建設需求和目標
    8.2.3  指標平台的建設思路和技術架構
    8.2.4  指標平台建設的5個階段
    8.2.5  指標平台的9項能力
  8.3  指標平台的4個業務價值
  8.4  案例復盤與點評
第9章  數據民主化：人人用數，數利人人
  9.1  什麼是數據民主化
  9.2  數字化轉型時代集團型企業的痛點
  9.3  數據民主化的理念和價值
    9.3.1  數據消費的發展趨勢
    9.3.2  數據民主化的理念
  9.4  某快消品企業的數據民主化實踐之路
    9.4.1  組織結構、技術和工具、文化層面的挑戰
    9.4.2  數據民主化的體驗層：企業級數據資產門戶
    9.4.3  數據民主化的語義層：數據資產管理
    9.4.4  數據民主化的長期保障：數據文化和能力
  9.5  數據民主化的重要性
  9.6  數據民主化實踐的啟示
第10章  大模型讓企業數據洞察觸手可及
  10.1  大模型在數據分析中的作用
    10.1.1  大模型在數據分析場景中的優勢
    10.1.2  大模型的能力及構建步驟
    10.1.3  利用自我學習能力發現數據中的潛在模式和關係
  10.2  指標在GenAI分析產品中的作用

    10.2.1  指標的語義化幫助大模型更精準對齊用戶提問
    10.2.2  大模型對企業經營分析的作用
  10.3  推動數據民主化與決策制定
    10.3.1  對話式分析助手：人人都是數據分析師
    10.3.2  大模型讓數據分析結果更透明、更可信
  10.4  構建基於大模型的智能分析助手的挑戰
    10.4.1  技術和管理挑戰
    10.4.2  大模型的幻覺問題、數據隱私和安全性挑戰
    10.4.3  效果評估挑戰
  10.5  大模型時代企業智能化發展之路
  10.6  未來趨勢：大模型與企業指標結合
    10.6.1  大模型與企業指標的未來發展方向
    10.6.2  大模型技術如何改善數據分析過程

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032