统计学思维:如何利用数据分析提高企业绩效

前 言 别凭“主观感觉”和“案例”做分析
01 鲜为人知的“调研设计”技能
常见的数据应用失败案例
不依赖个人主观感觉的调研设计
改善枝叶不如改善主干
02 本书的结构和框架
本书所探讨的四大主题
本书的分析流程及关键词

第1章 用于经营战略的统计学
03 用数据推导战略
咨询顾问们都爱矩阵图
矩阵分析的两大局限
04 波特与SCP理论
经营战略的理论背景①
经营战略的代表性理论
简洁优美的五力分析模型
日本企业的飞跃反驳了波特的理论
05 经营战略理论的契合度问题
经营战略的理论背景②
着眼于企业内部优势的杰恩·B. 巴尼
波特和巴尼，究竟孰对孰错
经营战略的统计分析历史
06 分析对象的设定
针对经营战略的统计分析流程①
统计学式的战略制定方法
横向市场分析
纵向市场分析
非连续性市场分析
07 选择合适变量
针对经营战略的统计分析流程②
针对商务人士的系统综述入门
08 收集所需数据
针对经营战略的统计分析流程③
首先收集客观的公开数据
为什么要用总资产收益率来评价“赚钱程度”
将非上市企业也纳入分析对象
如何委托调研公司才精准高效
收集带有主观性数据时的注意事项
数据汇总方法
09 分析与结果解读
针对经营战略的统计分析流程④
简单汇总统计的两大局限
逐步回归法与对变量选择做人工确认
分析解读实例与基础知识
更细致的分析方法与我不推荐此类方法的理由
与其严谨检验，不如迅速采取小规模行动
10 本章总结 统计学补充专栏1 方差分析和混合效应模型

第2章 用于人力资源的统计学
11 你的企业有没有招到优秀人才
“人才比战略更重要”这一事实
基于科学实证的Google招聘流程
普通的面试派不上什么用场
12 一般智力与权变理论
“学习好的人工作能力也优秀”只对了三成
领导力研究学者们发现的权变理论
元分析告诉我们“工作由适配度决定”
只看中“干练利落的高学历人士”就太可惜了
13 设定分析对象
针对人力资源的统计分析流程①
凑齐几十个人就能做分析
解析单位扩展和分割的方法
14 选择合适变量
针对人力资源的统计分析流程②
人事的Outcome设定很难
“引入随机性”这一技巧
广泛收集解释变量的备选项
15 收集所需数据
针对人力资源的统计分析流程③
找寻埋没在公司内部的数据
Outcome设定时的注意点：巧妙弥补数据不足
解释变量相关数据扩充：性格特质的测定方法
16 分析数据
针对人力资源的统计分析流程④
对相关性强的解释变量做“缩减”
两个相关项目的得分可做合计
多个项目相关联时使用“因子分析”
使用多元回归分析还是逻辑回归
17 解读分析结果
针对人力资源的统计分析流程⑤
逻辑回归的解读方法复习
有没有“违背经验或直觉的结果”
应采取的行动：“改变”
应采取的行动：“转移”
作为人力资源管理措施候补的“HPWP”
18 本章总结 统计学补充专栏2 “删失”和“截断”

第3章 用于市场营销的统计学
19 市场营销战略与顾客中心主义
iPhone需求真的无法通过调研知晓吗
效仿蓝海战略的方法
统计学能战胜天才的原因
20 现代市场营销的基础知识
科特勒对营销的定义以及常见误解
以谁为对象开展商业活动
卖什么，怎么卖
21 准备数据，基于数据来思考“卖给谁”
针对市场营销的统计分析流程①
市场营销的数据分析至少要做三轮
分析对象是除“极不可能的人”以外的所有人
首先对单源数据做分析
22 基于分析结果思考“卖给谁”
针对市场营销的统计分析流程②
为什么不用多元回归分析和逻辑回归分析
推荐使用“聚类分析”
聚类分析是为了挖掘到好的细分市场
23 准备数据，思考“卖什么？”
针对市场营销的统计分析流程③
市场定位＝卖什么？
结合质性调查和量化调查找到好的市场定位
“truth广告战役”——完美验证了营销的力量
24 应用了统合行为理论的质性调查
针对市场营销的统计分析流程④
涵盖了大部分学问成果的统合行为理论
提问项目和调查问卷的具体制作方法
25 分析与解释数据，思考“卖什么”
针对市场营销的统计分析流程⑤
通过分析我们可以了解什么
这次用的是多元回归分析或逻辑回归分析
思考市场定位时的两大方法
26 分析并思考“4P”
针对市场营销的统计分析流程⑥
了解细分市场的顾客
通过试制品或宣传单做测试营销
27 本章总结 统计学补充专栏3 决策树分析与随机森林

第4章 用于业务运营的统计学
28 戴明提出的全新“管理模式”
运营模式的改善引领美国西南航空走向成功
提出kaizen并支持着比尔·克林顿的统计学家
想办法解决“导致波动的原因”
29 从局部*优到整体*优
沉睡在公司内部可供改善的广袤新领域
从“瓶颈”开始着手
30 价值链与各部门的标准
价值链的思考方式
具体的Outcome与解析单位
31 从业务用数据到分析用数据
首先从分析手头数据开始
将数据转化为可供统计分析的形式
将数据相关联
32 提高数据品质与数据加工的要点
“完整的数据”是一个陷阱
有“欠缺”感就对了
不用勉强思考“假设”
33 “洞察性分析”与“预测性分析”
何谓“预测性分析”
你的隐性知识将成为做“洞察性分析”的武器
“预测性分析”难做的两大原因
失败的Google流感预测
34 自回归模型与交叉验证
自回归模型概要
防止过拟合
通过交叉验证做检验
35 本章总结 统计学补充专栏4 运用到集体智慧的预测手法
致谢
参考文献
索引