大數據失靈?業績下滑、顧客變心、廣告成效不彰……,代表你從源頭就做錯!5D框架教你考量整體,成功變現
▐ 自2024/1/1 00:00起,台灣樂天市場「屈臣氏」將不贈送 LINE POINTS 點數
▐ 自2023/2/1 00:00起,樂天Kobo電子書不贈送 LINE POINTS 點數,請會員多加留意。
▐ LINE POINT點數回饋依照樂天提供扣除折價券(優惠券)、與運費後之最終金額進行計算。
▐ 愛買與愛票網、a la sha(2023/8/1生效)、GAME休閒館(2023/8/1生效)、專品藥局(2023/8/1生效)等部分店家不參與全站加碼,請詳閱LINE Points 加碼店家清單:https://lin.ee/Y2CcVdk/rcfk
▐ 注意事項
(1)部分服務及店家不符合贈點資格,購買後將不贈送 LINE Points 點數,亦不得使用點數紅包,如:比漾廣場、神腦生活、MyCard、愛美麗福利社、展翔通訊、ezcook 美食廚房、葳豐數位商城、吉盈數位商城、森林巨人、包材中心、KABO佳麗寶家電批發、LuLuLu精品店、NewSTYLE新風尚潮流、0216零食會社、美寶家電、純米小鋪、LILY科技新櫃、登芳3C電子雜貨賣場、豐饌御鴨、鼎耀通訊、誠選3C、Smile、葳豐數位商城二店、米蘭寶、BoBo Outlet代購屋、楊家食品(2022/10/1生效)、樂天Kobo電子書(2023/2/1生效)、屈臣氏(2024/1/1生效)等,請詳閱LINE Points 加碼店家清單。
(2)需透過LINE購物前往台灣樂天市場,並在同一瀏覽器於24小時內結帳,才享有 LINE Points 回饋。
(3)若購買之訂單(包含預購商品)未符合樂天市場 45 天內完成訂單出貨及結帳,則不符合贈點資格。
(4)如使用App、或中途瀏覽比價網、回饋網、Google等其他網頁、或由網頁版(電腦版/手機版網頁)切換為App都將會造成追蹤中斷而無法進行 LINE Points 回饋。
(5) LINE 購物為購物資訊整合性平台,商品資料更新會有時間差,如顯示之商品規格、顏色、價位、贈品與台灣樂天市場銷售網頁不符,以銷售網頁標示為準。
(6)Pickup店家之有效訂單需於下單後40天內使用完畢才符合分潤條件
(7) 若上述或其他原因,致使消費者無接收到點數回饋或點數回饋有爭議,台灣樂天市場保有更改條款與法律追訴之權利,活動詳情以樂天市場網站公告為準。同款比價 | 為您推薦2個賣場2個同款賣場2個同款賣場
價格低到高
商品描述
作者:木田浩理 出版社:好優文化 出版日:1120928 ISBN:9786267216569 語言:中文繁體 裝訂方式:平裝 內容簡介 《Fortune》500大企業、 ∖日本知名跨國金融集團的實戰指南∕ 企業趨之若鶩的大數據分析, 真的解決了你的需求嗎? 或者,反而讓你陷入盲點? ★為什麼越分析越失焦? 數據科學是為了解決問題, 但錯誤的決策通常都源於一連串的分析、解讀, 問題到底出在哪裡? 其實,大數據分析沒那麼神奇,說穿了不過是一種精神, 方向對了,可應用的面向相當廣闊。 本書教你用5D框架建立正確思維,打造獲利方程式。 1.Demand(需求) 開始分析作業前,請先「定義」需要解開的難題為何。舉例來說,喝慣A牌啤酒的消費者,忽然轉投向B牌的懷抱,業者想知道的是,如何提高品牌與消費者之間的互動率,但你卻一味研究起轉換率……。當心!像這樣在起點就跑錯了方向,又如何能成功抵達終點。 2.Design(設計) 也就是描繪輪廓:計算→視覺化報告→假說驗證→預測建模。以手搖飲料店為例,從消費金額、年齡層與性別,可推敲出商業現場的實際狀況;而驗證不同的假說(例如A:男性的消費單價較高/B:女性的消費頻率較高),也會發展出不同的決策模式。 3.Data(資料) 資料量大,不代表具備絕對優勢,與其聚焦在屬性資料,不如也蒐集「行為資料」。假設分析超商洋芋片的購買狀況,得出40~49歲女性是消費主力,是否可做出她們是目標客群的判斷,因而以輕熟女喜愛的口味為強銷目標?那如果真正的客群其實是兒童(媽媽買給孩子)呢?策略無疑大翻轉。這並不代表數據無用,而是此份消費紀錄不適合做為分析素材(不夠完善)。 4.Develop(開發) 商品叫好卻不叫座,矛頭該指向哪裡?廣告投放在符合目標客群的媒體上,但卻回應率低迷,甚至給人CP值不高的印象?明明使用了AI自動分析工具,得出精準度極高的預測結果,卻還是搞不清楚什麼因素才有助提高營業額?這表示你的考量尚缺全面性,突破開發困境就要利用「三力」,眉角都在本書裡。 5.Deploy(部署) 資料分析的結果要能「活用於現場」,讓人完整消化後「展開行動」,才有價值可言。分析人員要能以第一線銷售人員的觀點看待事物,並且共享資源。當團隊成員將框架化為共通語言時,才能確認內容是否具有說服力,並提供建議,為團隊打造好的循環。 商業世界瞬息萬變,數位化浪潮勢不可擋, 重點不在分析技術,而是「解決需求」! 因此,你不需要成為資料科學家,但務必懂一點資料分析。 本書從源頭為你建立正確思維,讓資料成為溝通橋梁,助你成功變現。 專業推薦 彭其捷|資料視覺化專家 作者簡介 作者介紹 木田浩理Hiromasa Kida (三井住友海上火災保險 數位戰略部‧首席資料科學家) 一九七九年出生。慶應義塾大學總和政策學部/慶應義塾大學研究所政策、媒體研究科畢業。曾任職於NTT東日本、SPSS/日本IBM、亞馬遜日本、百貨公司、通信販售企業等,自二○一八年五月於三井住友海上火災保險任職至今。在各式各樣不同的業界累積業務和資料分析的經驗。根據顧客的觀點進行CRM和市場行銷分析,專攻運用資料開發新市場。 伊藤豪Takeshi Ito (三井住友海上火災保險 數位戰略部‧首席資料科學家) 一九八一年出生。早稻田大學商學部畢業。任職於SPSS/日本IBM約十年左右,擁有軟體業務和資料分析相關顧問經驗。之後轉職至通信販售企業負責資料分析,跨足顧客、市場和廣告等各項領域的資料分析,同時也負責CRM和商品改善。自二○一九年任職至現在。 高階勇人Yuto Takakai (三井住友海上火災保險 數位戰略部‧資深資料科學家) 一九八一年出生。二○○七年自早稻田大學研究所文學研究科心理學科畢業後,進入構造計畫研究所。擁有資料分析相關顧問經驗。以顧客的角度,歷經製造業、通信業、自治團體和大學等,各種不同業界的資料分析。此外,也曾參加行動經濟學等領域的學會發表。自二○一八年任職至今。 山田紘史Hirofumi Yama... 目錄 前 言 不需要成為「資料科學家」也沒關係 第1章提升經驗值——失敗案例和成功作法 企業碰到什麼問題? 是哪裡出問題?預期內的失敗與失敗的原因 沒那麼難?成功的做法與成功的理由 讓「分析」的技術,活用於「現場」的辦法 第2章實踐5D框架 Demand(需求) Design(設計) Data(資料) Develop(開發) Deploy(部署) 第3章5D框架資料分析人才育成術 企業在煩什麼? 能讓管理階層、領導階層理解的5D 什麼樣類型的人適合資料分析的相關工作? 商業數據翻譯師——將資料變現的關鍵人物 後 記