作業管理(Stevenson/Operations Management 14e) (14版)
其他會員也一起購買
作業管理(Stevenson/Operations Management 14e)
作 / 譯 者 ： 何應欽
I S B N - 13 ： 9789863414728
I S B N - 10 ： 9863414727
類 別： 生產與作業管理
版 次： 14 版
年 份： 2021
規 格： 840 頁
出 版 商： 華泰文化 / McGraw-Hill Education
內容簡介
「生產與作業管理」（或稱「作業管理」）是許多工業工程或工業管理學系所的必修課程，也是其他系所認識生產管理的必選課程之一。生產與作業管理之相關知識及方法的歷史非常悠久，尤其在工業革命後，其發展更是多樣與蓬勃，這些知識與方法也已收錄在許多教科書之中。而由William J. Stevenson教授所著的這本《作業管理》(Operations Management)即是當中經典之作，不僅深受市場肯定，更普獲用書老師與學生的歡迎及喜愛。
除了學理介紹，亦穿插豐富的專欄單元、範例演示以及國內外實際個案。全書主要特色：
一、提供多元範例、情境分析、問題研討以及思考練習。
二、承續前版議題，例如服務、永續性等，增訂最新趨勢及資訊。
三、大幅更新閱讀素材及圖片，裨益讀者觸類旁通，掌握作業管理主旨要義。
四、擴充各章相關主題本土個案，強化理論與實務、在地議題以及時事脈動之緊密結合。
五、加入了區塊鏈技術整合、3D列印創新、無人機應用、自駕車、AI無人商店等主題，章節脈絡更完整，視野領域更前瞻。
目錄
第1章 作業管理導論
第2章 競爭力、策略與生產力
第3章 預測
第4章 產品與服務設計
第5章 產品與服務之策略性產能規劃
第6章 製程選擇與設施佈置
第7章 工作設計與衡量
第8章 地點規劃與分析
第9章 品質管理
第10章 品質管制
第11章 總體規劃與主排程
第12章 存貨管理
第13章 MRP與ERP
第14章 JIT與精實作業
第15章 供應鏈管理
第16章 排程
第17章 專案管理
第18章 等候線管理
立即查看
數位審計-總帳智能資料分析與文字探勘應用實例演練(附試用教育版軟體90天使用權＋教學演練資料) (1版)
類似書籍推薦給您
【簡介】
以資料分析為主題，運用JCAATs實務案例上機演練，讓審計更完整。
數位化時代，審計從業人員必須掌握最前沿的AI智能稽核技術，以便與國際標準接軌，降低偵查風險。國際審計準則（ISA）已明確提高會計師責任，要求更高的審計品質，隨著查核風險受重大不實表達風險及偵查風險的影響，智能資料分析技術成為不可或缺的工具。美國會計師公會 (AICPA) 發表《審計資料分析標準》 ( Audit Data Standards) 提供了一套透過資料分析技術來執行各種審計程序的有效指引。
本講義參考以上標準，以「總帳智能資料分析與文字探勘」為主題，提供完整的實例上機演練資料，經國際電腦稽核教育協會（ICAEA）認證，由國際專業稽核實務顧問群精心編寫，透過實務案例上機演練，指導學員學習最新的AI人工智慧審計軟體，內容總帳交易紀錄完整性分析、勾稽比對、Round Dollar化整為零、離群(Outlier)及文字探勘等進階技巧，幫助快速找出高風險總帳紀錄，協助會計師與審計人員熟悉數位化審計程序，提升審計品質與查核效率。學員可透過申請獲得JCAATs AI審計軟體試用教育版90天使用權，無論是會計師、審計人員、內部稽核還是大專院校的師生，本書皆是提升審計品質的必備工具，期待您的參與與交流。
【目錄】
1. 總帳作假事件回顧與案例分析
2. 國際審計準則公報加重會計師、內部稽核的財報舞弊查核責任
3. 會計總帳查核重點
4. 美國AICPA公會稽核資料標準- 總帳篇
5. 總帳查核各資料來源表關聯與審計資料倉儲建立實例
6. 數位審計好幫手-JCAATs AI審計軟體簡介
7. JCAATs指令實習:缺漏(GAP)、重複(DUPLICATE)、比對(JOIN)、離群(Outlier)、.mod()、日期函式等指令與函式應用
8. 文字探勘技術架構與實務應用
9. 總帳查核演練基礎篇：總帳交易紀錄完整性分析
實務案例上機演練一: 總帳資料缺漏測試
實務案例上機演練二: 總帳資料重複測試
10. 舞弊者常用的異常金額數值樣態
11. 總帳查核演練實務篇: 總帳記錄準確性、正確性和合規性查核
實務案例上機演練三：總帳金額Round Dollar(化整為零)分析
12. 實務案例上機演練四：離群分析於總帳金額查核應用
13. 實務案例上機演練五：總帳過帳異常日期或時間查核
14. 實務案例上機演練六：總帳科目異常查核(幽靈分錄)
15. 實務案例上機演練七：文字探勘於總帳查核應用
16. 總帳數位審計機器人(Audit Robotics)實例應用
原價:
1200
售價:
900
現省:
300元
立即查看
Google Analytics GA4 商業分析大全：人工智慧賦能，幫你鎖定對的訪客，打贏網路商戰 (1版)
類似書籍推薦給您
【簡介】
學會用商業思維操作 Google Analytics 4，找到最重要的數據洞見
國內第一本最新版 GA4 教學大全!
-如果你是 GA4 新手，本書會帶你建立網站分析觀念，熟悉基本操作-
-如果你已經熟悉 GA4，本書會加值你的商業思維，找到更多數據背後的洞見-
★ 從通用 GA 轉移到 GA4，打造更靈活的營運儀表板
★ 借助 AI 大數據分析，精準解讀各項報表
★ 有效將網站數據轉化成商業行動
★ 打造顧客旅程地圖，實踐企業成長駭客
★ 13 周的專案計畫，一覽真實商場應用情境
★ 從初學者到行銷人員、團隊 Leader、部門主管都適用
網站分析最終目的，就是要達成商業目標，分析模型與報表結果都需要商業思維上的解釋。這是一本繼 Google 正式全面下架通用 GA (GA3) 後，最新版的 Google Analytics 4 教學大全：不僅教你使用 GA4，更讓你套用到商業情境，靈活運用人工智慧分析工具，用最有效的方式得到商業洞見!
本書作者吳政達 (Jess) 精通網站分析工具，長期使用 Google Analytics 讓數據驅動商業決策。曾任多家大型上市公司中高階主管、互聯網新創台灣區總經理。有鑑於今日 Google Analytics 4 已全面取代通用 GA (GA3)，決定不藏私分享過去操作網站分析近 20 年的實戰經驗，幫助大家使用 GA4 找到對的顧客、發掘商機。
本書特色:
★本書特色
特色一：側重心法與觀念的傳達
未來即使 GA4 持續做介面改版，也不太影響書中內容的實用性。
特色二：內文採用情境故事敘述
模擬為期 13 周的專案團隊運作情境，每周結束都有單元練習題目，帶領讀者同書中角色一起學習。
特色三：通用 GA 到 GA4 的差異與轉移
比較兩者的設計架構、GA4 新增加的功能，也詳細介紹轉移方法。
特色四：數據分析的商業思維套用
借用真實的職場經驗，教你如何把商業思維套用到數據分析。
特色五：網站分析跨系統的串聯
分享適合跟 GA4 做上下游串聯、互補的外部系統，讓分析能量倍增。
特色六：商場應用 GA4 的真實案例
介紹矽谷新創如何活用 GA4 打造顧客旅程地圖，實踐企業成長駭客。
★本書實際帶你執行
- 從通用 GA 到 GA4 的轉移跟比較
- GA4 所有的預設 & 探索報表功能
- 提供連結商業目標與網站目標的實際操作工具
- 網站數據收集品質評估模式建立
- 收集訪客行為數據鎖定高含金量顧客，並進行定向廣告投放
- 透過人工智慧賦能發展深度洞察
- 用商業思維解讀 GA4 的數據，轉化為洞見
- 設定商業目標貨幣價值，找出最有價值的數位接觸點
- 培養說故事能力，成功傳達 KPI 與洞見價值
- GTM / gtag 自訂事件完整操作範例
- GA4 跨系統的串聯資源介紹
★適合甚麼樣的讀者
- 懼怕數字卻喜歡閱讀故事的 GA4 初學者
- 想快速用 GA4 找出商務洞見的新創企業家、電商人員
- 目標結合數位廣告，鎖定受眾、極大化廣告效益的廣告投手
- 打算探索數據，擴大數據效應的數據工程師
- 預計將網站數據分析套用到商業決策的初中階主管
- 想了解網站分析如何與商業目標結合的高階主管
【目錄】
序
推薦序
Google Analytics 商戰分析學習地圖
本書內容架構
誰應該閱讀這本書？
一切的一切都得從 A 公司的「Digi-Spark」專案說起
第 1 周 網站分析前必須知道的十件事
1-1 網站分析前最重要的事 ― 設定商業情境
1-2 如何定義網站分析?
1-3 網站分析三大關鍵要素：商業情境、工具、人
1-4 完整網站分析的七層執行架構
1-5 GA = 網站分析嗎?
1-6 GA 分析的三大主要工作：數據收集、報表建立、產生洞見
1-7 先確保數據品質，再進行網站分析
1-8 網站數據分析主要目標：尋找洞見、進行決策
1-9 維度和指標是 GA 每一份報表的基本元素
1-10 資深數據分析師挖掘商業洞見的五個慣用手法
1-11 第一周任務
第 2 周 精準連結商業目標與網站指標
2-1 建立「網站評估計畫」，以連結商業目標與分析數據
2-2 拆解商業目標為分析指標與 KPI
2-3 產業實例說明：常用的指標與 KPI
2-4 透過設定目標價值，來追蹤網站價值分布
2-5 訪客、內容、廣告：常用來檢視網站價值分布的面向
2-6 三種最常用的轉換目標設定 + 三種不同形式的轉換率計算方式
2-7 轉換該一次到位還是循序漸進?談「微轉換」與「巨轉換」
2-8 提高轉換率的好思維：從顧客旅程角度切入
2-9 三個評估品牌聲量與品牌價值轉換的作法
2-10 兩大重點直接陳述，實現和高管的數據高效溝通
2-11 說個好故事，有效表達分析結果與商業洞見
2-12 第二周任務
第 3 周 網站分析從找到「對的客人」與其動機開始
3-1 透過「訪客區隔」定義「對的客人」
3-2 利用條件滿足與順序滿足的邏輯，一步步找到真正的 VIP
3-3 鎖定 VIP 後，透過行銷科技（MarTech）三招來擴大戰果
3-4 誰是 VIP 當中的 VVIP ?訪客效期價值（CLV | LTV）運用的秘密
3-5 「量化分析 + 質性調查」雙管齊下，深入挖掘顧客行為動機
3-6 質性數據調查常用的思考架構：LIFT 思維模式
3-7 第三周任務
第 4 周 GA4 在「多裝置、跨平台、重隱私」時代誕生的意義
4-1 Google Analytics 演進史概說
4-2 GA4 為何誕生於此時此刻 ?
4-3 GA4 是具有通用 GA 外殼，但擁有 Firebase 靈魂的全新數據分析工具
4-4 GA4 數據收集多元化：談三大資料流與兩個數據收集建構元素
4-5 GA4 的兩大報表系統：資產庫（Library）與探索（Explore）
4-6 GA4「人工智慧與機器學習」的 AI 應用
4-7 第四周任務
第 5 周 GA4 vs 通用 GA：設計理念與架構比較
5-1 數據收集，改由「人」當主角 | 從網站核心蛻變為使用者核心
5-2 帳戶結構升級為多裝置相容：從「多網站」到「多數位接觸點」的資源帳戶結構設計
5-3 多資料流數據形塑報表多元化：從單一網站報表到多元資料流探索報表
5-4 數據收集基本單元，由「事件」一統江湖 | 從「工作階段」到「事件」的數據收集
5-5 行銷人員的好消息，GA4 不需寫程式就可自動收集若干基本互動事件
5-6 更多元化的電子商務營利模式 | 從「加強型電子商務」到「多元營利模式」的觀念轉變
5-7 分眾行為捕捉的行為定向廣告設計 | 從簡單「訪客區隔」到進階「目標受眾」設計
5-8 GA4 全新功能大放送：人工智慧與數據匯出
5-9 該看跳出率還是參與度?
5-10 原通用 GA 的資料檢視（View）功能為何消失了?
5-11 通用 GA 與 GA4 的資料保留時間有何不同?
5-12 通用 GA 如何遷移到 GA4 ?
5-13 第五周任務
第 6 周 分析小白起手式：GA4 預設報表基本解讀
6-1 先連結練習示範帳戶：電商（GMS）與手機遊戲 App（Flood-it!）
6-2 GA4 | 首頁（Home）
6-3 GA4 報表 | 報表數據匯報（Reports Snapshot）
6-4 GA4 報表 | 即時報表（Real time）
6-5 GA4 報表 | 生命週期（Life cycle）報表 | 電商網站（GMS）AEMR 四小報表
6-6 GA4 報表 | 遊戲報表、應用開發人員 | 手機遊戲 App
6-7 GA4 報表 | 使用者（User）報表
6-8 GA4 報表 | Search Console（SEO）報表
6-9 建立第一份自己的 GA4 資產庫自訂報表
6-10 第六周任務
第 7 周 進階分析好工具：GA4 探索分析模型與商業應用
7-1 GA4 探索報表與探索分析魔法師：「探索編輯器」
7-2 GA4 探索 | 任意形式（Free-form）
7-3 GA4 探索 | 漏斗（Funnel）分析與商業應用
7-4 GA4 探索 | 路徑（Path）分析與商業應用
7-5 GA4 探索 | 區隔重疊（Segment Overlay）分析與商業應用
7-6 GA4 探索 | 使用者多層檢視（User）分析與商業應用
7-7 GA4 探索 | 同類群組（Cohort）分析與商業應用
7-8 GA4 探索 | 使用者生命週期（User Lifetime）分析與商業應用
7-9 GA4 探索 | 範本庫 | 用途（Use Cases）與產業（Industries）模板
7-10 GA4 兩大報表系統套用母體數據的差異
7-11 第七周任務
第 8 周 廣告效度極大化：GA4 廣告歸因分析與自訂目標對象
8-1 GA4 廣告 | 廣告頻道成效與廣告歸因
8-2 GA4 管理 | 資源設定 | 資料顯示 | 目標對象
8-3 第八周任務
第 9 周 GA4 進階「資料顯示」設定：事件、轉換與自訂定義
9-1 GA4 事件的四大類型，與事件的建立修改
9-2 GA4 事件的資料結構
9-3 GA4 事件的目標價值設定
9-4 透過 GTM 設定事件目標價值
9-5 利用 GTM 和 gtag 來自訂事件並傳送數據給 GA4
9-6 GTM 與 GA4 的進階資料交換：Data Layer 變數層的運用
9-7 GA4 重要事件 (Key Event) 與聯播網設定
9-8 GA4 的自訂定義（自訂維度指標）
9-9 GA4 的管道群組設定
9-10 GA4 的歸因分析設定
9-11 GA4 的報表識別資訊設定
9-12 GA4 的 DebugView
9-13 第九周任務
第 10 周 GA4 帳戶與資源的進階管理與微調
10-1 GA4 管理選單概說
10-2 GA4 管理 | 帳戶設定
10-3 GA4 管理 | 資源設定 | 資源
10-4 GA4 管理 | 資源設定 | 資料收集和修改
10-5 GA4 管理 | 資源設定 | 產品連結
10-6 第十周任務
第 11 周 延伸與擴散數據的力量：GA4 的外部連結
11-1 可以和 GA4 連結進行數據交換的外部系統
11-2 輸入 GA4：與 YouTube 的串接
11-3 輸入 GA4：導入其他線上線下數據，談評估通訊協定 Measurement Protocol
11-4 數據互導：和 CRM（客戶關係管理系統）的連結應用
11-5 GA4 輸出：和 Google BigQuery 的整合應用
11-6 GA4 輸出：連結 DMP（數據管理平台）與 CDP（客戶資料管理平台）
11-7 GA4 輸出視覺化工具：Looker Studio 可扮演的五個角色
11-8 第十一周任務
第 12 周 補強 GA4 的十個分析工具
12-1 使用者訪問分析工具
12-2 使用者行為錄製工具
12-3 競爭分析工具
12-4 SEO 分析工具
12-5 使用者互動留存分析工具
12-6 行銷與電郵自動化工具
12-7 社交媒體操作、輿情分析與內容行銷工具
12-8 轉換優化 A / B 測試工具
12-9 數據視覺圖表呈現工具
12-10 顧客旅程追蹤工具
12-11 第十二周任務
第 13 周 用 GA4 玩轉矽谷新創顯學：成長駭客（GH）與顧客體驗（CX）
13-1 用 GA4 實踐「成長駭客」（Growth Hacking）
13-2 用 GA4 實踐「顧客旅程地圖」（Customer Journey Map）
13-3 結尾
後記
名詞解釋 Glossary
立即查看
商業分析師的數位轉型專案策略：結合ChatGPT從商業分析到需求工程管理實務 (1版)
類似書籍推薦給您
內容簡介
✦ 第一本商業需求分析及系統需求分析專書 ✦
各章節緊密串連，非單篇零碎資訊——
本書即是一個「專案」的全貌！
不是資訊背景的專家，也能了解「需求」該如何轉換成資訊系統。
需求分析任務執行時，你是否常有以下困惑或痛點：
1. 為什麼沒有給商業分析師的系統需求課程？
除了專案管理，你還需要需求分析及需求管理技能！
2. 為什麼系統需求提出後，專案中各個單位很難整合執行⋯⋯
除了商業分析，你還需要知道各種職務內容及如何有效率的溝通！
3. 常常聽不懂資訊工程師在說什麼⋯⋯專案中成員的工作權責好像不太明確？
你不用學習軟體工程及程式開發，但需要徹底瞭解需求工程及需求管理！
4. 參加好多會議，需求排山倒海而來，所有的需求糾纏不清⋯⋯
你需要精準掌握需求及專案的形成過程，讓需求發展系統化的進行！
5. 需求說明寫在眾多 Word 檔案裡，不同檔案中的需求說明有矛盾現象⋯⋯
你需要掌握不同需求分析技術之間的串連方法，才能清晰及完整表達需求！
若你正在面對這些困境，那麼本書是你在需求分析及需求管理迷霧中的最佳指引。
本書為讀者打造全新的閱讀策略，以分析階段及需求分析步驟為雙主軸，讓讀者能快速掌握及查詢各階段及步驟的相關資訊。全書分成五篇、23章，從＜第6章＞至＜第23章＞將逐一帶領讀者了解需求是如何從形成到具體進入資訊系統開發。這些章節的順序也完整地呈現「需求」在專案中所經歷的過程。
▍第一篇 需求工程
＜第1章＞到＜第5章＞是關於需求工程方法論的介紹，目的是引導讀者「如何建立適合自己團隊的需求管理方法」。
▍第二篇 商業需求規格書
主要關注商業需求分析，整體結構包括企業管理層級的「總體流程」、需求管理層級的「總體需求清單」，以及個別需求層級的「個別數位化作業」。
▍第三篇 系統需求規格書
專注於系統需求分析，延續商業需求分析的結構，並推進三個層級從商業需求轉換為系統需求的細節。當系統需求分析完成後，需求將進入資訊系統專案的啟動階段。
▍第四篇 專案計劃書
專注於專案計劃，列出了與需求管理密切相關的部分，目的是幫助讀者順利將需求分析結果轉化為具體的專案工作任務。
▍第五篇 軟體需求規格書
聚焦於系統分析，詳細說明了系統規劃和系統設計階段與數據相關的內容，以幫助讀者在資訊技術架構中掌握需求的製作過程及資訊系統產出的數據，為未來數據分析建立穩固的基礎。
本書除了介紹需求分析方法，還提供實際案例中的應用。同時也透過各個案例解答讀者對於商業需求分析的問題與困惑。全書97個主題，採用問句式標題，激發讀者思考，也可與生成式AI（ChatGPT）進行對話，以獲取更多資訊，拓展學習範圍。
本書特色
☑ 介紹方法及使用案例說明，並提供多年產業經驗的需求管理關鍵
☑ 融入數據驅動理念，貫穿各章節執行，精準實踐需求工程
☑ 透過專案執行每個階段的呈現，體驗需求管理如何引導建立成功的資訊系統
☑ 結合ChatGPT的創新運用，以情境說明如何提升專案管理效率
目標讀者
◆資訊系統專案經理
◆負責資訊系統需求的商業分析師
◆以系統分析師為目標的程式設計師
◆需要提出及管理數據需求的數據分析師
目錄
第 1 篇 Requirements Engineering 需求工程
Chapter 01 需求工程及需求管理－改進資訊系統開發的方法
1.資訊系統專案的共同挑戰是什麼？
2.當前需求管理方法的缺點是什麼？
3.如何設計需求管理方法來解決這些挑戰及缺點？
4.如何在資訊系統專案實施需求管理方法？
重點總結
Chapter 02 商業分析涉及的專業領域－推動資訊需求的執行率
5.商業分析在資訊戰略中的關鍵作用？
6.現有商業分析方法在資訊系統專案的限制是什麼？
7.商業分析師的職能在資訊系統專案中發揮什麼作用？
8.商業分析師在資訊系統專案中面臨哪些溝通挑戰？
9.商業分析師在資訊系統專案中需要哪些關鍵技能和能力？
重點總結
Chapter 03 需求工程與軟體工程的關係－建立業務和資訊之間的橋樑
10.需求工程和軟體工程是什麼關係？
11.整合需求工程和軟體工程的主要挑戰是什麼？
12.需求管理方法如何整合需求工程和軟體工程？
13.哪些方法、技術可以促進需求工程及軟體工程的整合？
重點總結
Chapter 04 需求形成的過程－促進資訊需求有效的轉換
14.瀑布式軟體開發方法的軟體需求形成過程？
15.敏捷軟體開發方法的軟體需求形成過程？
16.有助於促進資訊系統需求轉換成軟體需求的行動是什麼？
17.如何改進需求形成過程以促進資訊系統需求轉換成軟體需求？
重點總結
Chapter 05 分析階段產出文件－設計需求管理方法的框架
18.需求文件類型那麼多，都需要製作嗎？
19.如何設計需求管理方法框架？
20.如何實踐需求收集及需求驗證？
21.哪些情況容易發生需求缺失，以及如何避免？
22.有哪些流行的需求管理工具？
重點總結
第 2 篇 Business Requirements Specification 商業需求規格書
Chapter 06 參與人員組織圖－識別企業內專家形成有效的需求
23.如何識別企業內的專家及人工智慧如何提供企業所需知識？
24.資訊系統專案有哪些組織類型及對需求分析有什麼影響？
25.企業內專家知識如何有效收集及協助業務需求的形成？
重點總結
【讓 ChatGPT成為你專屬的人力資源規劃專家！】
Chapter 07 需求清單表－組織及排序需求以形塑業務流程架構
26.高品質的需求應該具備哪些特徵？
27.如何有效率的進行需求優先級排序？
28.業務需求與資訊系統的關係？
重點總結
Chapter 08 業務流程圖－透過需求分析改造業務流程
29.如何透過需求清單表進行業務流程再造？
30.業務流程圖與系統功能流程圖有什麼差異？
31.如何製作正確的業務流程圖？
32.為什麼會造成分析癱瘓及如何避免發生？
重點總結
【讓 ChatGPT幫你撰寫業務流程的 SOP！】
Chapter 09 業務作業清單－規劃企業數位化的目標
33.為什麼業務作業清單是需求規格書的核心？
34.彙整業務作業清單的具體步驟？以及如何制定業務專案？
35.如何評估數位化作業？
重點總結
Chapter 10 使用案例－描繪數位化作業的需求細節
36.人物誌、使用者旅程地圖、客戶旅程地圖、及使用者故事的適用情境？
37.使用者故事與使用案例有什麼差異？
38.如何製作有效的使用案例？
39.使用案例與測試案例有什麼關係？
重點總結
【讓 ChatGPT幫你思考使用者故事！】
Chapter 11 系統流程圖－擘劃業務專案的願景
40.系統流程圖與系統架構圖有什麼差異？
41.如何製作可擬聚共識的系統流程圖？
42.如何閱讀和分析系統流程圖？
43.資訊系統整合對於業務流程的重要性是什麼？
重點總結
Chapter 12 領域模型－彙整數位化作業的數據需求
44.收集及分析數據需求的過程是什麼？
45.領域模型與其它需求分析技術有什麼關係？
46.如何製作符合需求分析及數據分析使用的領域模型？
47.數據驅動資訊系統開發的重要性是什麼？
重點總結
Chapter 13 數據資產－建立企業數據的全貌
48.企業數據儲存在哪裡？
49.企業數據儲存方式有哪些？
50.企業數據與資訊系統有什麼關聯？以及如何整合數據資產？
51.數據資產在資訊系統中扮演什麼角色？
52.數據需求如何影響數據架構的規劃？
53.數據需求如何影響數據輸入及數據輸出的設計？
重點總結
【讓 ChatGPT幫你建立數據需求！】
第 3 篇 System Requirements Specification 系統需求規格書
Chapter 14 使用案例循序圖－梳理數位化作業的訊息流
54.循序圖與使用案例及領域模型有什麼關係？
55.如何製作高可讀性的循序圖？
56.系統功能分析的具體步驟？
57.數據流與訊息流有什麼差異？
重點總結
Chapter 15 系統功能清單及系統功能流程圖－規劃業務專案系統功能的全貌
58.如何定義可見系統功能與不可見系統功能？
59.如何製作系統功能清單？
60.如何製作系統功能流程圖？
重點總結
【讓 ChatGPT幫你完成系統功能流程的規劃！】
Chapter 16 系統功能及線框圖－打造數位化作業的介面
61.線框圖、視覺稿、功能原型有什麼差異及限制？
62.製作線框圖時應考慮的因素？
63.數據分析如何提高使用者體驗？
64.有哪些常見的原型相關製作工具？
重點總結
Chapter 17 測試案例－模擬數位化作業與線下作業的整合
65.資訊系統測試類型有哪些？
66.如何設計測試案例？
67.如何判斷測試案例是否有效？
重點總結
第 4 篇 Project Plan 專案計劃書
Chapter 18 工作說明書－提升資訊系統專案的成功率
68.如何管理從需求發展階段到專案管理階段的轉換？
69.系統需求規格書與工作說明書的關係？
70.資訊系統專案的實施方法有哪些？
71.工作說明書哪些部分影響資訊系統專案的成功率？
72.如何評選工作說明書？
重點總結
【讓 ChatGPT幫你啟動專案及預列待辦清單！】
Chapter 19 專案時程－提升資訊系統專案的執行效率
73.什麼是最小可行產品？什麼是概念驗證？
74.系統需求分析如何應用最小可行產品概念？
75.在專案時程計劃和管理中造成挑戰的關鍵因素是什麼？
76.如何優化專案時程規劃方法以提高專案的執行效率和有效性？
77.可以實施哪些專案時程管理方法來減輕風險和不確定性？
重點總結
【讓 ChatGPT幫你規劃工作包及任務清單！】
Chapter 20 品質要求及服務級別協定－提升資訊系統服務品質的關鍵
78.什麼是品質要求及服務級別協定？
79.如何制定品質要求？
80.如何制定服務級別協定？
81.如何評估服務協定的有效性？
重點總結
【讓 ChatGPT成為你的品質管理大師！】
第 5 篇 Software Requirements Specification 軟體需求規格書
Chapter 21 系統架構圖－數據部分－掌握資訊系統數據的架構
82.常見各種架構圖，有什麼差別？
83.檢視架構圖時應關注哪些重點？
84.架構圖的挑戰和限制是什麼？
85.需求規格書與架構的關係？
86.需求規格書相對應哪些數據技能？
87.如何掌握資訊系統的數據架構？
重點總結
Chapter 22 數據遷移及數據流程圖－掌握資訊系統數據的流動
88.資訊系統架構如何影響數據架構及業務活動？
89.數據流設計對資訊系統的重要性？
90.如何使用數據流程圖可視化資訊系統的數據流？
91.資料分析報告的用途？
92.如何規劃有效的資料遷移步驟？
重點總結
Chapter 23 數據模型－使用及分析資訊系統的數據
93.商業分析師如何確認系統需求？
94.什麼是數據模型，以及數據建模技術有哪些？
95.關聯式資料庫基礎概念
96.非關聯式資料庫基礎概念－文件型
97.SQL查詢語法基礎概念
重點總結
附錄A ｜AIPRM for ChatGPT設定步驟｜
附錄B ｜常見的製作 UML工具｜
立即查看
只要 Excel 六步驟，你也能做商業分析、解讀數據，學會用統計說故事：競爭分析、定價策略、營運管理、效益評估 (1版)
類似書籍推薦給您
內容簡介
內容介紹:
統計學教授審訂、Excel 生手實測操作，保證一定看得懂、做得到 Excel 資料分析！
數據科學家尹相志：基於數據驅動的決策，本書不是跟你談概念，而是用 Excel 帶著你落地實現。
「資料科學家的工作日常」版主張維元：想進入商業分析但不知從何下手嗎？跟著這本書六個步驟，掌握 Excel 分析力！
機器學習、人工智慧、數位轉型這些詞彙充斥在生活中，許多企業也真正感受到資料分析的重要性跟必要性。新冠肺炎（COVID-19）疫情大流行的影響，也加速企業對於 IT 化、數位轉型的推動。身處如此時代浪潮中，想必不少讀者深感自身對於業務上資料分析的認知與操作略顯不足吧。
然而，資料分析一定要學新的程式語言？每天上班都這麼忙碌了，哪來時間？有沒有一本書輕鬆切入資料分析，又能馬上在職場商業應用派上用場呢？
這本書要告訴你：只要手邊的 Excel，你也可以用資料分析做出商業決策。即使是統計學當中較難的假設檢定，也只需要 6 個步驟，即可完成。不僅如此， Excel 還可以做到迴歸分析、數學最佳化更高段的資料分析，讓你可以在競爭分析、定價策略、營運管理、效益評估等脫穎而出。
此外，我們還要告訴讀者更根本的問題：究竟為什麼一定要作資料分析，以及該怎麼配合目標進行資料分析比較好。大數據分析當道，感覺好像很多資料就能解決問題。然而事實上，資料再多都是死的，你要會的是用資料分析講出最具吸引力的故事、拿出最有說服力的提案。
現在，是你用 Excel 活用資料分析技術，學統計用大數據說故事，擺脫複雜程式，開創薪實力。
產品目錄
目錄:
前言
第 1 章 資料分析的基本概念
1.1 先學習提問
1.2 資料分析的流程
1.3 5 種不同層級的資料應用方式
14 運用 Excel 作資料分析的案例
1.5 使用 Excel 進行資料分析的準備工作
第 2 章 透過敘述統計掌握公司基本資訊
2.1 敘述統計
2.2 正確了解「平均數」
2.3 不易受到離群值（Outlier）影響的「中位數」
2.4 使用「變異數」來表示資料距離平均數多遠
2.5 使用「標準差」來掌握資料分散程度
2.6 使用「最大值」與「最小值」來看資料範圍
2.7 一次算出所有基本敘述統計
2.8 使用樞紐分析表來觀察更細微的資料特徵
第 3 章 使用資料視覺化了解營運趨勢
3.1 為什麼要做資料視覺化
3.2 製作長條圖
3.3 製作直條圖
3.4 製作熱力圖
3.5 製作散佈圖來看 2 個變數之間的相關性
3.6 計算相關係數
3.7 計算相關矩陣
第 4 章 進行假設檢定確認差異是否顯著
41 假設檢定可以幫助我們回答更多問題
4.2 假設檢定是什麼
4.3 假設檢定中的 2 個假設
4.4 機率分佈
4.5 中央極限定理（Central Limit Theorem, CLT）
4.6 設定顯著水準（Significant Level）
4.7 計算 t 值與 p 值
4.8 運用 Excel 進行假設檢定
4.9 運用分析工具箱進行兩組獨立樣本 t 檢定
4.10 確定現象之間的相關性
第 5 章 藉由資料預處理增進資料分析效率
5.1 處理缺失值
5.2 處理標註不一致
5.3 離群值（Outlier）跟異常值的應對方式
5.4 運用虛擬變數（Dummy Variable）來處理類別變數
第 6 章 靈活運用線性迴歸模型，為公司帶來更亮眼的收益
6.1 用迴歸分析了解會影響銷售數量的因素
6.2 運用線性迴歸分析建構模型
6.3 執行迴歸分析
6.4 多元線性迴歸模型
6.5 處理離群值（Outlier）與多元共線性（Multicollinearity）
第 7 章 運用數學最佳化找最合適的營運策略
7.1 調整參數使目標最大化
7.2 運用規劃求解增益集來最佳化「商品單價」
7.3 條件受限時的最佳化
結語
立即查看
商業數據分析師認證：以資料分析暨導引系統為範例 (1版)
類似書籍推薦給您
商業數據分析師認證：以資料分析暨導引系統為範例
作 / 譯 者 ： 梁德馨,李德治,台灣析數顧問
I S B N - 13 ： 9789576099564
I S B N - 10 ： 9576099564
類 別： 統計其它
版 次： 1 版
年 份： 2015
規 格： 137 頁
出 版 商： 華泰文化事業股份有限公司
「商業數據分析師認證」是專為認證學員所設計的參考用書，此書不僅涵蓋「資料分析暨導引系統」（俗稱R-Web）的使用，更搭配應用性題組，一步步地教您如何利用統計分析工具處理並解決問題。
「資料分析暨導引系統」為華人自行研發的統計分析平台，突破統計套裝軟體單機操作的限制，隨時能使用此平台進行學習與分析，採用漸進式的分析導引功能，可透過問題的導引幫助選擇出合適的統計方法，並提供全新雲端統計運算服務。本書可協助您提高商業數據分析師認證之通過率並具備「資料分析暨導引系統」操作能力，讓您從Big Data的時代中脫穎而出。
本書不同於坊間一般的統計書籍，而是一本帶領您學習如何藉由強大的分析工具，將統計理論實際以範例資料進行操作說明，教導您解決實務問題的工具書。本書強調以統計技術與「資料分析暨導引系統」統計分析工具之應用，是您在統計學習與分析軟體操作上必備的工具書，讓您可以學習到許多分析上常用的技巧與統計觀念。
目錄
第1章 R-Web簡介
第2章 統計圖
第3章 敘述統計
第4章 檢定
第5章 相關分析
第6章 R-Web與統計學的觀念彙整
立即查看
華通書坊
