數據長與數據驅動型組織：擁抱大數據時代的衝擊 (1版)
類似書籍推薦給您
【簡介】
任何組織，政府組織或企業組織，營利組織或非營利組織，都需要資料（即數據）。組織成員從資料獲得資訊，才知道有没有什麼問題與機會，該採取什麼行動，讓組織繼續成長茁壯，完成組織的使命。
2020年臺灣爆發新冠肺炎疫情，唐鳳政委領軍的團隊開發出口罩地圖，後來又開發出疫苗接種預約系統。各級政府也紛紛推出各種APP，例如，到訪地點實名制、確診者足跡追蹤、接觸者匡列、篩選檢測等等。以上所述都是資料的應用，假設没有這些資料，2020年的臺灣可能已經變成屍橫遍野的人間煉獄。
政府本來就有地政、戶政、財稅、教育、產業、行政等各種資訊系統支持其日常作業，但當疫情來臨時，這些日常運作的系統都無法使用，必須立即開發出新的系統。但重點是資料，假如臺灣没有世界第一的健保、醫療、診所、藥局等開放資料，就不可能開發出救命的資訊系統。
企業也是一樣。每個企業（包括營利和非營利組織）都有資訊系統支持其日常作業，而日常作業累積下來的資料（即數據）才是真正寶貴的資產，但多數企業都忽略了它。企業如能善用這些資料，就能在問題發生前就解決問題，或避免在機會消失後才發現錯失了機會。例如，某些產品的營收正在下降，是否品質變差了或客戶偏好改變了？某些客戶的付款時間變長了，客戶是否不滿意我們的服務？企業應該有人隨時關心企業內外部資料，那個人就是數據長。
數據長讓企業轉型為數據驅動型組織，也就是組織內外部成員都信任資料並依頼資料作決策。唯有提高資料品質，才能獲得使用者的信任。企業面臨的環境瞬息萬變，數據長規劃決策者可能會用到的資料，並於日常蒐集這些資料，當決策需求發生時，可立即、快速開發新應用程式利用資料產生決策所需資訊。速度是關鍵，若要花費超過數小時的時間才能寫出新的應用程式，決策時機可能已經錯過。故資料本身必須包裝成元件，如同積木般可以隨時組裝，而非傳統的存取資料庫中的資料表。
【目錄】
序
致謝
作者介紹
第一章 簡介
1.1 數據長是什麼？
1.2 組織與期望
1.3 為什麼要創設CDO這個職務？
1.4 CDO 的任務
1.5 非CDOs 的角色
1.6 數據長的彙報架構
第二章 阿肯色州數據長案例
2.1 概述
2.2 聆聽之旅
2.3 首屆數據長論壇
2.4 首次資料透明化小組會議之重點節錄
2.5 差異分析
2.6 經驗傳承和前進方向
第三章 資料政策與策略
3.1 背景與概念
3.2 建立資料政策
3.3 資料隱私與安全政策
3.4 資料品質政策的十項準則
3.5 2018年「基於證據的政策制定基礎法案」
3.6 阿肯色州數據長案例
3.7 進攻性與防禦性的資料策略
第四章 資料治理
4.1 定義資料治理
4.2 資料治理框架
4.3 資料治理部門的架構
4.4 資料治理部門需處理的挑戰範例
4.5 常見資料治理的錯誤
4.6 美國國防部數據長案例
4.7 阿肯色州數據長案例
第五章 資料品質常見的問題模式
5.1 資料品質問題的十個根源條件
5.2 資料品質問題的表現
5.3 資料品質問題的轉換
5.4 結論
第六章 數據長的立方體框架
6.1 CDO的彙報關係
6.2 CDO角色的三個維度
6.3 CDO角色簡介
6.4 CDO角色演變的案例
6.5 立方體框架使用指南
第七章 數據長的行動應用
7.1 建置Mobile ERP4CDO開發工具
7.2 服務文件
7.3 範例一：庫存查詢（參數設定，No-Code）
7.4 範例二：產品客戶銷售數量金額儀表板（No-Code）
7.5 範例三：多公司財務儀表板—銷售利潤分析（No-Code）
7.6 範例四：多公司財務儀表板—經營能力分析（No-Code）
7.7 結論
第八章 數據長的響應式網頁應用
8.1 建置RWD ERP4CDO開發工具
8.2 程式命名原則
8.3 儀表板表格版面
8.4 範例一：客戶和產品MtdYtd銷售數量金額（No-Code）
8.5 範例二：產品MtdYtd客戶銷售數量金額（No-Code）
8.6 財務儀表板服務文件：傳票總帳月計查詢
8.7 範例三：多公司財務儀表板—銷售利潤分析（No-Code）
8.8 範例四：多公司財務儀表板—經營能力分析（No-Code）
8.9 整合外部資料—政府開放資料
8.10 範例五：營運主體銷售毛利淨利與同業比較（Low-Code）
8.11 範例六：歷年營收與業界比較（Low-Code）
8.12 結論
第九章 數據長與變革管理
9.1 組織轉型與變革管理
9.2 變革管理的指標選擇與資料來源
9.3 資料的分析與問題展開
9.4 策略形成與目標管理
9.5 建立有機組織與提升組織學習能力
第十章 總結
附錄A 行動應用程式範例：庫存查詢（Low-Code）
A.1 初始化程式
A.2 查詢程式
附錄B 網頁應用之圖形程式：產品MtdYtd客戶銷售數量金額（Low-Code）
B.1 View圖形程式碼
B.2 ViewModel圖形程式碼
B.3 執行結果
詞彙翻譯對照表
索引
立即查看
數據網格｜大規模提供資料驅動價值 (1版)
類似書籍推薦給您
內容簡介
「一本「將數據視為產品」全面且重要的介紹，包括達成此目標所需的文化、流程、技術和團隊變革。」
Manuel Pais
《Team Topologies》共同作者
「Zhamak詳細說明Data Mesh方法，讓這個新概念清晰且實用。」
Gwen Shapira
Nile Platform共同創辦人與產品長，《Kafka: The Definitive Guide》作者
我們正處於數據的轉捩點。組織的複雜度、資料來源的激增及期望使用AI和資料分析來從數據取得價值等原因，已經讓目前的數據管理解決方案無法應對。在這本實用書中，作者Zhamak Dehghani介紹了數據網格，這是從現代化分散式架構描繪出的去中心化的社會技術典範，提供一種新的方法，規模化的獲取分析數據的來源、分享、存取和管理。
作者引導從業人員、架構師、技術主管和決策者，讓他們從傳統的大數據架構順利走向分散式、多維度的分析數據管理方法。數據網格將數據視為產品，將領域視為主要考量，套用平台思考模式來建立自我服務的數據基礎設施，同時介紹數據治理的聯合計算模型。
‧完整介紹數據網格的原則與內容
‧設計數據網格的架構
‧引導數據網格的策略與執行
‧引領組織設計去中心化的數據所有權模型
‧將傳統資料倉儲與資料湖泊轉移到分散式數據網格
目錄
序章：想像數據網格
第一部分 什麼是數據網格？
第一章 數據網格概述
第二章 領域所有權原則
第三章 數據即產品原則
第四章 自我服務數據平台原則
第五章 聯合計算治理原則
第二部分 為什麼選擇數據網格？
第六章 轉折點
第七章 轉折點之後
第八章 轉折點之前
第三部分 如何設計數據網格架構？
第九章 邏輯架構
第十章 多階段數據平台架構
第四部分 如何設計數據產品架構？
第十一章 依照能供性設計數據產品
第十二章 設計消費、轉換和服務數據
第十三章 設計發現、理解和組合數據
第十四章 設計管理、治理和觀察數據
第五部分 如何開始？
第十五章 策略與執行
第十六章 組織與文化
立即查看
【簡介】
不喊口號，拒絕悲情，用客觀的數據圖表，認識真正的臺灣歷史
◎本書嘗試用科學研究的方法，收集大量數據進行分析比較，並用完整的數據圖表清晰呈現，歷史真相一目瞭然。
◎在客觀的大數據面前，臺灣在國民政府和日本殖民統治下取得的治理成績，孰優孰劣，讀者自有判斷。
近代的臺灣，在很多方面都取得令人矚目的成就。
然而，臺灣在民主化之後，
國民政府在臺灣的政績經常被刻意忽視或遮掩，
日本殖民政府的些許成就卻被大肆宣傳，
製造臺灣在日據時期先進美好的假象。
造成這個歷史扭曲最主要的原因，
乃在強烈的中國VS本土意識形態的對立，
所以雖然已經經過多次政黨輪替，
但台灣仍面臨內部的問題和隱憂，
而建立共識是化解這些紛爭矛盾的基礎，
正確認識日本殖民政府和國民政府在臺灣的政績，
則是建立共識的第一步。
【目錄】
自序
第一章 從GDP看臺灣
一、戰後臺灣的的名目人均GDP
二、與美國比較
三、日據時期的人均GDP
四、戰爭對GDP的影響
五、更多國家的比較
六、臺灣是第幾級的國家
七、達成不可能的任務
八、美援和運臺黃金的貢獻
九、總結
參考資料
第二章 臺灣的教育建設
一、小學教育
二、初中教育
三、高中教育
四、師範教育
五、專科教育
六、大學教育
七、總結
參考資料
第三章 臺灣的基礎建設
一、自來水
二、水庫
三、農田水利
四、電力
五、鐵路
六、公路
七、港口
參考資料
第四章 美好的日據時期？
一、臺灣物價指數
二、臺灣物價 vs 日本物價
三、臺灣銀行券總發行額
四、臺灣米價 vs 躉售物價
五、臺灣米價 vs 日本米價
六、日籍薪資 vs 台籍薪資
七、人均所得倍數：臺灣 vs 日本
八、日據時期的各級教育
九、各級教育日籍學生比例
十、台籍官員人數
十一、臺灣電力裝置容量
十二、自來水普及率
十三、臺灣米穀產量
十四、公共衛生與醫療建設
十五、日據時期的人均GDP
十六、總結
參考資料
第五章 國民政府在臺灣的成績單
一、臺灣物價指數
二、臺灣物價 vs 日本物價
三、臺灣物價 vs 大陸物價
四、國府時期的各級教育
五、臺灣的電力
六、臺灣自來水普及率
七、臺灣水庫容量
八、臺灣稻米產量
九、公共衛生與醫療建設
十、臺灣的人均GDP
十一、臺灣的健康與財富水準變化
十二、總結
參考資料
第六章 臺灣的半導體之路
一、關鍵人物
二、張俊彥是臺灣半導體之父？
三、臺灣半導體業發展史
四、半導體成功的關鍵
五、小故事
六、誰賣掉了臺積電股票
七、結論
參考資料
第七章 幸運的臺灣
一、美國跳島戰術，臺灣逃過大劫
二、日本無條件投降
三、衛國戰爭後期久違的金門大捷
四、國民政府遷臺
五、韓戰爆發 美國協防臺灣
參考資料
第八章 日本的進化
一、戰爭機器
二、轉變的節點：明治維新與GHQ統治日本
三、數據裡的真相
四、結論
參考資料
第九章 專家的話都是對的？
一、名人的股市投資
二、為什麼經濟學家做投資大多數都是失敗的？
三、電影《薩利機長：哈德遜奇蹟》的啟示
參考資料
立即查看
行銷研究：AI、大數據與傳統行銷工 (2版)
類似書籍推薦給您
【簡介】
1.加入新的AI工具、大數據分析，與傳統行銷工具結合
行銷環境的變化一日千里，本書與時俱進加入AI、大數據分析與設計網路問卷章節內容與傳統行銷工具結合，幫助老師使用新的工具，來教導AI世代的學生。
2.加入SPSS操作與練習範例，強化學生統計軟體操作能力
雖然目前的AI軟體已能依照使用者需求生成統計圖表，但身為行銷研究人員必須了解統計數字背後所使用的多變量與敘述統計方法。本書示例IBM公司SPSS軟體的操作過程，並提供練習檔讓學生於課堂實際操作統計軟體，以熟練各種統計分析的技巧。
3.加入新產品開法議題，提升學生創新能力
為有效激發學生的學習動機與創造力，本書特別加入新產品開發議題，促使老師和學生以新產品開發程序進行創意思考，並藉由觀察周遭環境找出尚未被滿足的需求，培養主動找出問題並設法解決的能力。
4.加入行銷理論與解釋統計軟體分析的方式
本書介紹行銷研究人員常用的多變量分析工具（如集群分析、迴歸分析、交叉分析、多元尺度分析、單因子變異數分析等），以及如何運用這些分析工具驗證所提出的研究假設，進一步達到區隔市場、選擇目標消費者與決定合適的價值主張。
【目錄】
第一篇 何謂行銷研究
第1章 行銷研究介紹
第2章 找出既有趣又有意義的研究題目
第3章 行銷資訊系統與次級資料
第4章 傳統行銷策略分析工具
第二篇 大數據資料的取得與分析
第5章 大數據資料特性與分析方法
第6章 大數據資料與顧客關係管理
第三篇 初級資料的取得
第7章 深入了解消費者想法：質化研究與資料的蒐集
第8章 新產品開發與概念測試
第9章 如何使用實驗設計法來幫助完成行銷研究案
第10章 行銷研究的問卷設計
第11章 抽樣、調查法與行銷理論
第四篇 初級資料的分析與呈現
第12章 問卷資料的編碼與分析
第13章 問卷資料常用的分析工具
第14章 行銷研究報告之撰寫與簡報
立即查看
商用大數據分析-第二版(商用數據應用師認證教材指定用書) (2版)
類似書籍推薦給您
【簡介】
👍 中華企業資源規劃學會「商用數據應用師」認證教材指定用書
過去在商用大數據分析上，多著重在演算法的介紹，內容過於側重數理理解，這讓許多商管學生為之卻步。更有甚者，是太著重在程式撰寫上，這也讓沒有程式基礎的學生難以親近應用。
本書要打破這些商管學生的困擾，以顧客的R（銷售時間）、F（銷售頻率）、M（銷售金額）商業資料為主，以循序漸進方式，介紹各類資料探勘的聰明方法（即演算法），再透過免費的Google Colab平台，以Python語言為基礎，用簡易的指令撰寫，協助商管背景人士一步步進行操作，期望商管人士可以在這樣開放、免費的環境下，透過案例說明與實作，輕鬆跨過這道牆，建立起對商用大數據分析的正確基礎觀念與操作。
* 最新第二版特別針對生成式人工智慧（Generative AI）等新興技術進行介紹，讓讀者可以在大數據的框架下，掌握未來技術的發展趨勢。
* 以豐富的插圖與淺顯易懂的解說，輕鬆讀懂大數據演算法的內容。
* 提供商管案例做為資料探勘參考。
* 所有實作資料來自於轉換後的真實商業資料。
* 提供完整程式碼無痛接軌實作。
* 中華企業資源規劃學會「商用數據應用師」認證教材指定用書。
【目錄】
Chapter 1 簡介
1.1 認識商用大數據分析
1.2 資料探勘（Data Mining）
1.3 說人話的圖表
Chapter 2 開挖
2.1 了解資料探勘過程的初步步驟
2.2 如何找到可挖掘的探勘地點
2.3 選擇探勘工具
Chapter 3 介紹客戶及產品集群的方法
3.1 集群原理
3.2 介紹集群的應用
3.3 如何進行集群
3.4 判別最佳集群數
3.5 演算法的應用案例
Chapter 4 看看分群的結果
4.1 客戶價值與 RFM 模型
4.2 跑一次看看
4.3 結果解釋
4.4 結果應用
Chapter 5 關聯規則
5.1 探討時間與商品的關聯性
5.2 找到關聯的意義
5.3 商家如何從購物車中找出關聯
5.4 關聯規則演算法運作
5.5 了解分析過程後的管理意涵
Chapter 6 看看關聯的結果
6.1 跑一次看看
6.2 另一案例
6.3 結果應用
Chapter 7 決策樹
7.1 如何知道公司資料中的消費者會不會再來購物
7.2 決策樹怎麼來的
7.3 如何形成決策樹
7.4 算一次決策樹
7.5 驗證建好的決策樹
7.6 剪枝的概要說明
7.7 實務應用範例
Chapter 8 看看決策樹的結果
8.1 跑一次決策樹分析看看
8.2 如何解釋眼前生成的這棵樹
8.3 延伸應用
Chapter 9 隨機森林與最近鄰
9.1 隨機森林 - 把樹擴大了
9.2 隨機森林演算
9.3 最近鄰演算法（k nearest neighbor, kNN）
9.4 kNN 的實務應用
9.5 實務應用範例
Chapter 10 執行一下隨機森林吧
10.1 跑一次隨機森林演算法看看
10.2 結果解釋
Chapter 11 執行一下 kNN 吧
11.1 跑一次 kNN 演算法
11.2 結果解釋
Chapter 12 類神經
12.1 預測
12.2 預測的基本概念
12.3 類神經如何運作
12.4 類神經如何訓練
12.5 類神經背後原理
12.6 類神經應用範例
12.7 生成式人工智慧簡介
12.8 人工智慧生成句子推演過程
12.9 人工智慧的挑戰與未來發展
Chapter 13 執行類神經網路 ANN
13.1 淺談架構 ANN 分類器的概念
13.2 跑一次 ANN 演算法
13.3 結果解釋
Chapter 14 支援向量機
14.1 有效的分類客戶
14.2 支援向量機
14.3 人類是如何進行分類
14.4 電腦上的支援向量機如何分類
14.5 建立支援向量機模型
14.6 核函數算完後⋯⋯
14.7 應用產生的 SVM 模型來分類
14.8 支援向量機的實務應
Chapter 15 執行支援向量機 SVM
15.1 跑一次支援向量機算法
15.2 結果解釋
附錄A Colab 使用介紹 (電子書,請線上下載)
附錄B Python 基本模組套件引用介紹 (電子書,請線上下載)
附錄C 邏輯運算思維中必知語法：if 假如條件的判斷、for 重複工作的迴圈 (電子書,請線上下載)
立即查看
華通書坊
