從大數據到巨額利潤（簡體書）

在本書中，拉塞爾·沃克探索了如何運用大數據在企業運營效益和商業發展方面刺激創新。沃克探討了大數據的本質，以及企業可以如何運用大數據創造新的盈利機會。沃克結合蘋果、Netflix、穀歌、領英、亞馬遜等公司領導者運用大數據的案例研究，探索了像手機app和社交網站那樣的電子平臺是如何改變消費者互動的本質，以及如何改變企業創造並使用大數據的方法。沃克同時指出，在這種改變發生的同時，我們需要審慎思考這些暗中推進的商業實踐是否合法，因為它們會對消費者隱私產生影響。

拉塞爾·沃克（Russell Walker），



康奈爾大學博士，西北大學教授

分析諮詢實驗室創始人



拉塞爾·沃克研究並教授的領先管理課程包括大數據與分析，數據導向戰略營銷、風險管理與全球領導力。他創辦了廣受歡迎的分析諮詢實驗室，這個實驗室把凱洛格商學院的工商管理碩士們聚集了起來，共同參與現實生活中的分析學項目及大數據應用。

沃克常為全球企業提供有關大數據與分析、風險管理與國際化經營策略等方面的諮詢。他的觀點經常被《金融時報》《福布斯》《彭博資訊》《國際先驅論壇報》《華盛頓郵報》和美國有線電視新聞網等眾多媒體引用。他受邀在多個重要國際組織發表演講，包括美國國務院、世界銀行和國際金融公司等。

前 言 當數據成為新時代的石油



第1章 重新認識大數據

數據規模：多大才是大？

數據創造：每次使用，都是一次創造

數據存儲：1年存下16萬個國會圖書館

數據處理：摩爾定律何時失效？

數據使用：把控流程，而非數據

當永久存儲數據的成本接近零

研究全體數據，而非樣本

定義元數據

一場關於數據采集的全景電影

在機會窗口內利用數據

病毒式分發

數據的可用優化了決策

從何處創造大數據？



第2章 速度與規模

借助大數據克服複雜性

Yelp 和貓途鷹：創建新型數據集

大數據與廣告牌

高速數據是新常態

當數據能夠描述現實世界

人與物聯網的交互

用大數據營造動態優勢

亞馬遜：協調高速度與大規模

建立自學習算法

掌控高速度和高精度的數據環境



第3章 被動數據采集

從主動數據采集開始

“還訂上次的那種口味嗎？”

從Cookie到穀歌眼鏡

無處不在的傳感器

一次關於駕駛體驗的革命

被動數據采集與精細農業

不受操縱的數據

Microsoft Home與未來家居

Cardiio與個人健康

隱私困境



第4章 大數據度量

前進保險：主動採集數據，降低保險費率

從微觀到宏觀

借助被動數據采集進行間接度量

利用大數據度量資產

反演數據



第5章 精准大數據

從傳感器到服務器

社交網絡與總統大選

“朋友圈”開始影響晉升

度量20平方釐米的土地

精准醫學：從“分子級”的數據開始

高精度數據促成個性化大規模定制

數字化平臺：持續提高數據精度



第6章 融合釋放價值

房產數據的可用性

Zillow：真實房產數據的新標準

集中公共數據與專有數據

數據產品化

Redfin和Trulia：數據創新成為新的戰場

各種形式的數據

Zillow的經驗

Mint：改變個人理財業務

Mint的經驗



第7章 4大數據策略，8種贏利模式

數據策略1：保持數據專有性

數據策略2：與合作夥伴交易數據

數據策略3：出售數據產品給潛在客戶

數據策略4：讓數據為大多數用戶所用

善用新型廣告數據

基礎數據免費，優質數據付費

綜合應用各種數據策略

領英：打造多側面商業模式

領英的經驗



第8章 通過反演數據獲取利潤

Netflix：顛覆式創新者

百視達錯失良機

培育關於客戶偏好的數據

與客戶交換數據

數據分析創造高度定制化的體驗

數據戰爭已經打響

Netflix的經驗



第9章 尋找數據科學家

數據科學家的興起

一幅數據科學家的畫像

配備數據分析團隊的優勢

配備數據分析團隊的挑戰

創建集中分析團隊

首席數據科學家

如何留住數據科學家



第10章 利用大數據激發創新

動態化運用數據

新數據創造新生活

從人工驅動轉向數據驅動

數據實驗室

Nest的啟示

數字化平臺和物聯網開啟定制化創新

用大數據挑戰激勵創新

在企業中運用數據進行實驗



第11章 新數據的顛覆力

來自蜂窩網絡的數據

從主動數據采集轉向被動數據采集

利用位置信息實現贏利

LBS：基於位置的服務

Foursquare：用客戶位置信息引導方向

基於位置數據的7種贏利模式

重視數據精度

從數據看舊金山人與紐約人

Foursquare的經驗



第12章 保護數據資產

無隱私的社會

追蹤與監控

誰擁有數據？

聚合數據視圖中的隱私

處理大數據中的數據風險

處理敏感個人數據的最佳實踐



第13章 大數據的8大趨勢

趨勢1：數據采集、創造和使用中的自動化程度將增強

趨勢2：雲計算使大多數公司可以創造大數據

趨勢3：靈活的分析工具使更多公司能夠處理大數據

趨勢4：移動平臺將基於位置的數據和服務推向新高度

趨勢5：數據分析人才將供不應求

趨勢6：數字化平臺的聚合將更為常見

趨勢7：新數據將提高市場效率

趨勢8：自主，而不僅僅是自動化



第14章 如何評估大數據贏利策略

數據來源

創新

增長模式

市場機遇

分析

從新手級到專家級

迎接大數據時代



致謝