我從來沒有計劃寫第二本書，因我本以為寫一本書足以涵蓋與這個話題有關的所有內容。但自從我完成第一本書之后，這個領域就發生了太大的變化，我深深地感到有必要繼續幫助企業機構探索這個領域，幫助他們利用數據和分析方法改變其商業模型。我也并不僅僅探討商業過程中“讓我賺更多的錢”這一部分。大數據能夠在教育、扶貧、假釋復原、衛生保健、安全和降低犯罪等諸多方面顯著地“提高生活質量”。
我的第一本書面向信息技術領域的讀者。但是，我很快意識到，搶占大數據領域最大的贏家當屬商業。因此，本書主要面向商業領域的讀者，并基于以下幾個關鍵前提：
● 組織機構不需要大數據策略。相比之下，他們需要整合了大數據的商業策略。
● 商業領袖將分析方法轉化為信息技術的時代已經結束，未來的企業領導者必須將分析方法視為與會計、財務、管理科學和營銷一樣的商業規則。
● 數據貨幣化和商業轉型的關鍵在于釋放機構的創造性思維，必須讓企業用戶能夠“像數據科學家一樣思考”。
● 最后，大數據的商業潛力只受到企業用戶創造性思維的限制。
在我完成第一本書之后，我開始在舊金山大學管理學院講授“大數據MBA”課程。由于表現出色，我成為該校的第一名管理學院研究員。與學校里那些優秀、富有創造力的學生們，以及和Mouwafac Sidaoui教授共事的經歷，促使我著手編寫第二本書。這本書主要面向這些學生以及未來的商業領袖。
我希望本書中最為引人入勝的話題是數據科學的力量。目前已經有許多關于數據科學的書籍，它們大都旨在幫助人們成為數據科學家。但是我卻認為這些書籍中缺失了一些內容：我們需要幫助未來商業領袖像數據科學家一樣思考，而不是去創造一個充滿數據科學家的世界。
因此，本書的重點即，幫助未來的商業領袖將數據和分析方法整合到他們的商業模型中，并通過幫助企業“像數據科學家一樣思考”，釋放機構的創意，引領文化的轉型。
本書概覽
商業利益相關者放棄對信息技術數據和分析方法控制的日子已經結束了。商業利益相關者在對機構進行數據收集和分析工作提供支持和貨幣化方面必須處于前沿及核心的位置。商業領導者需要了解在何處以及如何使用大數據，利用客戶、產品和運營數據的新來源之間的沖突，再加上數據科學，優化關鍵業務流程，發現新的貨幣化機會，創造競爭優勢新來源。然而，將商業用戶改造成數據科學家是不現實的。最重要的是，我們應當教會商業用戶像數據科學家一樣思考，這樣他們便可以利用信息技術，與數據科學家合作，進行用例識別、需求定義、業務估值以及最終的分析操作。
本書提供了一個商業化框架，輔以相應的支持方法和實踐練習。這些方法和練習不僅可以幫助商業用戶明確在何處以及如何利用大數據獲得商業優勢，而且還為操作分析方法、建立正確的組織結構，以及將機構用戶體驗的分析觀察結果推向客戶和一線員工等多方面提供了相應的指導。
本書的組織架構
本書分為四個部分：
● 第Ⅰ部分“大數據的商業潛力”包括第1章至第4章，為本書奠定了以商業論述為中心的基調。這里，我介紹了大數據商業模式成熟度指數，并圍繞“機構并不需要大數據策略，而需要大數據的應用策略”這一角度，對大數據進行了討論。
● 第Ⅱ部分“數據科學”包括第5章至第7章，介紹了數據科學背后的原理。這些章節介紹了一些數據科學的基礎知識，并探討了商業智能和數據科學的互補性，以及這兩個學科在解決問題上的異同。
● 第Ⅲ部分“商業利益相關者的數據科學”包括第8章至第12章，旨在教會商業用戶和商業領袖“像數據科學家一樣思考”。這部分介紹的方法和練習用于強化數據科學思維。其中包含很多實際的練習。
● 第Ⅳ部分“構建跨企業間的支持”包括第13章至第15章，討論了機構面對的挑戰。這部分主要探討“構想”，這一話題可能是本書中最重要的話題，因為大數據的商業潛力只受到商業用戶的創造性思維的限制。
以下是本書中每章節的具體內容：
● 第1章：“大數據商業任務”。該章圍繞大數據展開討論，重點介紹了大數據如何應用于商業轉型，以及大數據經濟學，而非大數據技術本身。
● 第2章：“大數據商業模式成熟度指數”。該章介紹了整本書的基礎——大數據商業模式成熟度指數(Big Data Business Model Maturity Index，BDBM)，闡述BDBM的五個階段，BDBM提供衡量機構將數據和分析方法整合到商業模型中有效性的方法。
● 第3章：“大數據策略文檔”。該章介紹了CXO級別的文檔和過程，幫助機構從商業角度確定從何處以及如何開始大數據之旅。
● 第4章：“用戶體驗的重要性”。這是我最喜歡的話題之一。該章通過更為簡單、直接的方法，挑戰傳統的商業智能報告和控制面板，為關鍵商業利益相關者，包括一線員工、渠道伙伴以及終端客戶提供可行的見解。
● 第5章：“商業智能和數據科學之間的差異”。該章探討了商業智能和數據科學的不同之處，突出了各自的差異和互補性。
● 第6章：“數據科學101”。該章(我最喜歡的一章)回顧了我的數據科學團隊通常使用的14種不同的分析技術，以及應該考慮在何種商業情況下使用這些技術。該章還使用了童話主題公園的奇妙案例進行研究。
● 第7章：“數據湖泊”。該章介紹了數據湖泊的概念，解釋了數據湖泊如何摒棄昂貴的數據倉庫資源，釋放數據科學團隊的創造性。
● 第8章：“像數據科學家一樣思考”。這是本書的核心部分。該章涵蓋“像數據科學家一樣思考”的六個步驟。該章內容相當深刻，因此在閱讀時需要動筆(也可能用到橡皮)在紙上記錄、練習。
● 第9章：““By”分析技術”。該章深入探討“像數據科學家一樣思考”這個重要的概念，即“By”分析技術。
● 第10章：“評分開發技術”。該章介紹了評分如何推動企業用戶和數據科學家之間的協作，創建用于指導機構關鍵商業決策的可行評分。
● 第11章：“貨幣化訓練”。該章為機構提供了一種方法。這些機構雖然有大量的客戶、產品和運營數據，但卻不知道如何通過該數據獲利。該章能夠開拓眼界！
● 第12章：“商業蛻變訓練”。該章提供了有趣的即學即用的練習。由于考慮了大數據商業模型成熟度指數的蛻變階段，它探討了潛在的數據和分析方法對機構的影響。
● 第13章：“構想的力量”。該章開始解決你可能遇到的一些機構和文化上的挑戰。特別是該章中介紹了一些構想技術，可以幫助釋放機構的創造性思維。
● 第14章：“釋放企業機構影響力”。該章更為詳細地介紹了大數據對機構帶來的影響，尤其是首席數據(貨幣化)執行官的作用。
● 第15章：“故事”。本書包含了一些非傳統意義上的案例研究。利用該章介紹的方法，可以創建與自身機構相關的大數據“故事”。任何人都可以找到大數據案例研究，但這不意味著每個人都可以創建一個大數據故事。
本書讀者對象
本書面向企業用戶和企業管理人員。我撰寫本書旨在將其作為我的大數據MBA課程教材，因此其中包含了學生的實踐練習與模板。通過這些練習，學生能夠順利獲得大數據MBA畢業證書。
我認為讀者閱讀我的第一本書Big Data: Understanding How Data Powers Big Business也會有所收獲。這本書的受眾對象是信息技術領域的讀者。雖然這兩本書之間有部分內容重疊(10%~15%)，但第一本書中做了鋪墊，并介紹了一些大數據概念，而本書則對這些概念進行了更詳細的探討。
所需工具
除了鉛筆、橡皮擦、幾張紙和你的創意之外，并不需要特殊的工具。拿一杯印度茶拿鐵，一些Chipotle快餐，享受學習的樂趣吧！
網站提供的資源
你可以從本書的網站下載“像數據科學家一樣思考”的工作簿，也可以掃描封底的二維碼下載。你會發現意外的驚喜！
這對你意味著什么
舊金山大學“大數據MBA”課程的學生告訴我，這本教材讓他們有機會周密地策劃，推動跨機構間合作，解決問題，接受挑戰，再利用數據和分析方法將提出的想法付諸實踐。什么樣的雇主會不想要一個知道如何實現這些過程的未來領導者呢？
新書資訊