《决战大数据（升级版）》内容简介

在数据无限的时代，我们如何利用大数据实现商业大洗牌？传统行业又该如何通过挖掘隐藏在大数据背后的信息，冲出层层危机，实现行业质和量的飞跃？企业如何才能实现数据化运营，在大数据时代站稳脚跟？大数据实践的先行者、阿里巴巴集团前副总裁车品觉倾力新增8万字纯干货，倾情解读企业在大数据时代顽强生存的答案！只有稳抓趋势中的观战重点，才能在海量数据中挖掘商机！ 随着智能手机的大范围普及、物联网浪潮以及人工智能技术的爆发式发展，大数据在收集消费者全渠道行为、触发商业机遇等方面发挥了越来越重要的作用。而《决战大数据》一书恰恰洞悉了大数据时代商业发展的本质。同时，车品觉根据其在阿里巴巴的多年经验，通过丰富的案例和通俗易懂的语言，从“养数据”到“用数据”，深入浅出地向我们揭开了阿里巴巴数据化运营和运营数据的神秘面纱。通过《决战大数据》一书，车品觉告诉我们，在数据无限的时代，拥有数据化思维，才能改变商业的未来。
车品觉 畅销书《决战大数据》作者 红杉资本中国基金专家合伙人 全国信标委大数据标准工作组副组长 阿里巴巴集团前副总裁，首任阿里数据委员会会长；拥有十几年丰富的数据实战经验，并在实践中形成了独特的数据化思考及管理方式，对大数据未来趋势有独到的见解。亲自领导阿里数据团队在大数据实践领域取得了一系列重要成果，包括为阿里建立集团各事业群的业务及决策分析框架，开发智能化的数据产品，成立了驱动集团数据化的运营团队，成功发起了公共与专有数据资产管理体系，还发布了数据安全规范等。
现担任中国信息协会大数据分会副会长、中国计算机学会大数据专家委员会副主任、粤港信息化专家委员、中国计算数学学会第九届理事、清华大学教育指导委员（大数据项目）、浙江大学管理学院兼职教授等职。

作品目录

重磅赞誉
前言
我在阿里的6年
引言
忘掉大数据
第一部分
从数据化运营到运营数据
01、大数据，为什么很多人只会谈、不会做
大数据从来不是免费的午餐
人的断层
模型数据从何而来
更主动的管理，更多的创新
02、大数据的本质就是还原用户的真实需求
识别，让似是而非的行为数据串联起来
价值，企业价值VS.客户价值
场景，你知道当时所有的场景吗
还原是一个瞄准器
03、“活”的数据才是大数据
“活”做数据收集，抓住相关性
“活”看数据指标，动态地使用数据
好的分析师相当于市场解码器
评估一个新生电商平台的竞争力，你会观察什么数据
组装你的数据仪表盘
04、全域大数据，大数据的颠覆者
数据，决策的瞄准镜
开启“上帝视角”，做到知觉合一
05、数据分类与数据价值，什么才是你的核心数据
数据分类为什么如此重要
数据分类的4大维度
数据的5大价值
06、从用数据到养数据
数据应用因小而美
把数据放进“框”中
如何用框架来做决策
养数据，重要的数据战略
07、数据的盲点，负面数据的力量
数据盲点
小偷思维
数据盲点的价值
第二部分
阿里巴巴的大数据秘密
08、阿里巴巴的大数据实践
假定数据是稳定的
假定数据是可获取的
09、混、通、晒，阿里巴巴数据化运营的内三板斧
混，“混”出数据
通，打“通”“混”的数据
晒，“晒”出“混”和“通”的数据
10、存、管、用，阿里巴巴运营数据的外三板斧
存，数据收集的开始
管，保护好存储数据
用，从收集数据到管理数据
11、大数据，未来商业的利器
假定数据是脏的
学会慢慢淡化数据
数据的标签化管理
重要的是数据和数据之间的关系，而不是数据本身
数据的实时化与实时性分层
未来是人机的结合体
第三部分
没有数据，就没有未来
12、大数据驱动行业大变革
大数据带给零售业大想象
金融创新迎合新世代
医疗业酝酿大数据突破
物联网，构建智慧城市
娱乐大数据，定制你的需求
人心难测，时尚业的机遇
未来，人人都是数据分析师
13、未来的趋势，蕴于数据之中
物联网，让寻找客户靠数据不靠运气
虚拟现实，以精算模型预估人类行为
以大数据应对“不测风云”
情绪计算：相形不如论心
开扩思维，负面信息也是决策关键
14、数据产生的未来洞察力，才是核心竞争力
大数据变革在数据本身
任何一个完整的高效服务都离不开3T
用数据治理数据
Datafication，大数据风暴中的指南针与救生衣
15、2016大数据趋势
变是唯一的不变
跳脱惰性的乘法思维
稳抓趋势中的观战重点
结语
开启属于你的个人大数据管理
数据的积累，从收集到还原
做好个人大数据管理
个人大数据管理的挑战
人人都能成为数据分析师
后记
像李小龙的格斗一样去思考
忘掉必杀技
在迂回中寻找落地点
衡量每一个变化
持续的反馈
寻找爆发点
品觉的话人在修行的路上，不要单打独斗
湛庐，与思想有关……

热门书摘

现在你所在的公司，面对的3大问题是什么？公司未来3个月中，要解决的问题是什么？在过去的1个月中，你做对了什么，做错了什么？

每个人都知道在收集消费者数据时最好是观察直接用户，但如果没有这个数据，你观察什么数据？答案就是，去观察行业内对这个数据最敏感的那些人。

●　这是什么问题？●　这是谁的问题？●　这个问题现在必须马上解决吗？●　这个问题我们能解决吗？●　我们有足够的数据来解决吗？

首先，报告的前3页一定要吸引人，让人有欲望继续看下去；其次，当别人看到一个数据，心里在猜测数据背后的各种原因时，我的下一页报告就要解答他心中的疑问。

收集数据的人不知道将来的人怎么使用数据，创建模型的人不知道自己所采用的数据在未来是否稳定，使用模型的人不知道整个数据的来路或加工过程。

在做了很多测试后我们发现，动态的观察数据更能准确地反映出用户的信息和需求。

一个好的工匠必然对各种材料的性质及使用方法了如指掌，而一个好的数据从业者则必须要对各个数据的价值和稳定性洞若观火。

数据价值1：识别与串联价值

假定数据是“脏”的来处理数据，在大数据时代将是一个非常重要的趋势。

第一阶段用数据，第二阶段养数据，第三阶段从看数据到用数据。

我们不能假定用户最终会知道数据的好处，而是要一边宣传理念，一边教授技巧，让用户知道怎么用数据、怎么用好数据，知道数据的价值。

一是做对外的数据产品，即生意参谋，同时也逐步把集团中其他对外数据产品例如数据魔方及量子报告等综合到生意参谋上；二是建立数据公共层，数据公共层是结合了集团各业务群的共享资源而成的数据服务，希望可以成为内部的DaaS模型。

“大数据”的意义就在连结，数据公共层就是跨业务群的精华，让所有人能把其他人的数据冗余利用起来，这时“大数据”才算做了起来。

在数据的自循环中，有两个核心的关键点：一个是“活”做数据收集，另一个是“活”看数据指标。所谓“活”做数据收集，就是指企业不要局限于只收集自己用户产生的数据，还要把“别人”的数据收集过来进行综合分析；“活”看数据指标，就是指企业不要局限于已有的数据框架，而应该结合用户需求的不同场景来灵活应用收集到的“活”数据。

如果你想知道香港的某家酒楼生意好不好，你问问门口卖报纸的人就知道了——香港人喜欢去喝茶的时候买一份报纸。

描述数据最好的一种方式就是分析数据的框架。

数据价值3：时间价值

数据价值5：产出数据的价值

但是如果收集数据的出发点不是为了解决问题，那么收集再多的数据也没有什么意义。

我们要学会真正坐下来盘点那些对公司最有价值、对用户最有价值的数据，这是一个非常重要的趋势。

信息化和数据化的区别在于，信息化为我们提供了参考，而数据化让我们可以直接行动。