推薦序
為什么寫本書
沒有什么能比火箭科學更復雜了。分析學并不是火箭科學。當然，分析學非常專業(yè)，涉及各種格式的大量信息，而我們花費數(shù)百萬美元希望通過分析加上一些人性的洞察、簡單的數(shù)學和復雜的統(tǒng)計去找某種模式。好吧，這聽起來挺難，但就像你剛開始接觸的任何課題一樣，有基本原理、方法和簡單訣竅，幫你掌握它并利用它來實現(xiàn)你自己的利益。盡管成分復雜，但分析（尤其是商業(yè)分析）其實就是一個簡單的解決問題工具。本書的目的就是解釋分析是什么，以及怎樣去進行分析。
我們已經(jīng)告訴了你分析其實可以很簡單。那我們是否告訴過你，企業(yè)中的每個成員都足夠了解如何在企業(yè)日常事務中帶來積極變化？或者告訴過你這種簡單的分析只花費復雜分析成本的一小部分，卻可以幫你解決80%的實際業(yè)務問題嗎？嗯，它可以。
并不是所有分析問題都是需要數(shù)據(jù)科學家建立并讀取復雜模型的大型項目。事實上，這些問題中的80%可以由管理人員和決策者日常解決，他們只掌握簡單工具和方法就可以了。他們知道什么時候應該以及如何最好地利用數(shù)據(jù)科學家和分析師去解決更復雜的商業(yè)問題。本書專為這些商務人士提供基本知識，并幫助數(shù)據(jù)科學家最大限度地發(fā)揮自己的能力。本書力爭結(jié)合兩方最好的資源來推動結(jié)果。
那我們期望分析會影響什么樣的結(jié)果呢？如果操作得當，通過商業(yè)分析可以發(fā)現(xiàn)差異，創(chuàng)造滿意的客戶、更好的產(chǎn)品、改進的流程、高效的員工、提高收入和利潤，從而讓股東開心。結(jié)合我們在大型企業(yè)領(lǐng)導分析部門30年的工作經(jīng)驗，我們知道，有些企業(yè)做法得當，而另外一些企業(yè)還在苦苦掙扎。這種模式對我們來說越來越明顯。因為成功的企業(yè)對分析、豐富的資源、清楚的溝通和簡單的方法有信心，所以它們已經(jīng)能夠利用分析來推動經(jīng)濟增長，而那些還在掙扎的企業(yè)卻有各種失誤，但有一條簡單的出路，那就是學習本書的內(nèi)容。
每次出現(xiàn)一個熱門的流行語時，各公司就急急忙忙地跟風。了解分析可能帶來的潛在價值之后，各企業(yè)開始對分析還有大數(shù)據(jù)產(chǎn)生錯誤預期。它們認為分析太復雜了，需要能在數(shù)據(jù)實驗室里解決所有問題的"科學家"。他們認為數(shù)據(jù)應該定期給出答案，然后大數(shù)據(jù)工具就可以修復這一切……不可能！我們希望在本書里消除這些或是其他的誤解。
但是，你如何掙脫這種分析無力？有一個方法可以解決這種病癥，BADIR框架可以幫你用五個簡單步驟從數(shù)據(jù)中得出決策。這種方法非常普遍適用，可應用于商業(yè)或企業(yè)分析的很多方面。為了說明這一點，本書中貫穿了這方面的例子。
這些例子來自我們在硅谷（Silicon Valley）各大公司及最近在Aryng管理咨詢公司分析團隊的工作經(jīng)歷。
本書寫給誰
寫給所有人：第一部分和第三部分寫給每一位有興趣了解分析的讀者。第一部分是對分析的介紹：什么是分析、為什么要分析和常用分析方法。第四部分提供了真實的案例，對分析如何影響從政治到體育，從執(zhí)法機關(guān)到技術(shù)領(lǐng)域這些典型的商業(yè)環(huán)境進行說明。
寫給想學習和實踐分析的讀者：第二部分詳細介紹了商業(yè)分析的BADIR模型，對預測分析進行了概述，并介紹了用于商業(yè)智能和分析的工具。這部分將為你提供必要的知識，將商業(yè)分析應用到你日常大部分的工作中，并在必要時針對復雜分析與專家進行充分的溝通。本書附錄中還提供了必要的統(tǒng)計知識，方便你需要時參考。
寫給領(lǐng)導者：商業(yè)領(lǐng)袖和分析大師會發(fā)現(xiàn)第三部分值得花時間閱讀，因為通過很好地利用數(shù)據(jù)，你可以引領(lǐng)企業(yè)走向盈利。本書提供了專門的工具包和方法，幫助你創(chuàng)建數(shù)據(jù)賦能型企業(yè)，建立一個分析議程，擴大分析在各類組織中的影響，并輕松地避免掉入常見的陷阱。
本書所用的術(shù)語
我們在本書中使用了以下術(shù)語，為了幫助你熟悉它們，我們在這兒給出了這些術(shù)語的定義。
A/B測試（A/B testing）或測試和學習（test and learn）：所謂測試，是對根據(jù)分析、直覺或客戶輸入值所得出觀點的有效性進行測量的過程。A/B測試能對受控實驗中所得到的結(jié)論效果進行評價，在一個對照實驗中評估這些見解的效果。
分析（analytics）：利用數(shù)據(jù)和分析來驅(qū)動影響，運用結(jié)構(gòu)化的方法來解決商業(yè)問題的科學。
BADIRTM：一個從數(shù)據(jù)到?jīng)Q策的淺顯易懂的秘訣。它將數(shù)據(jù)科學和決策科學（即商業(yè)技術(shù)技能和軟技能）相結(jié)合，將數(shù)據(jù)轉(zhuǎn)換成能產(chǎn)生影響力的觀點。這個分析過程適用于各個行業(yè)，本書第4章對此進行了介紹。
商業(yè)分析（business analytics）：利用歷史數(shù)據(jù)和簡單的統(tǒng)計方法，再加上一定的商業(yè)背景，去獲取觀點并對組織施加影響。商業(yè)分析包括相關(guān)分析和總量分析。
商業(yè)領(lǐng)袖（business leader）：在職能部門、業(yè)務部門或整個企業(yè)扮演領(lǐng)導角色的個人，包括首席執(zhí)行官、總經(jīng)理、產(chǎn)品負責人、營銷負責人、客戶關(guān)系負責人。在這些角色中，他們負責各自業(yè)務部門的盈虧（P&L），對公司的戰(zhàn)略發(fā)揮至關(guān)重要的作用。
商業(yè)用戶（business user）或商務專業(yè)人士（business professional）：在各行業(yè)中，執(zhí)行職能戰(zhàn)略并負責日常決策的個人，他們直接或間接地影響公司業(yè)績。我們交叉使用這些術(shù)語，商業(yè)用戶的作用可以體現(xiàn)在營銷、產(chǎn)品、運營或其他角色上。
數(shù)據(jù)驅(qū)動（data driven）：有些公司是創(chuàng)新驅(qū)動公司，有些則是技術(shù)驅(qū)動公司。數(shù)據(jù)驅(qū)動公司利用數(shù)據(jù)引導更好的決策，為組織的種種目標提供支持。在本書中，我們交替使用數(shù)據(jù)啟用、數(shù)據(jù)引導和數(shù)據(jù)驅(qū)動這些術(shù)語，讀者可以采用其中任何一個，為各自企業(yè)的愿景和目標提供支持。
數(shù)據(jù)科學家（data scientist）：有能力使用先進的統(tǒng)計工具做高級分析的個人。在本書中，有時也用"分析專家"來進行描述。
關(guān)鍵績效指標（KPI）：衡量某機構(gòu)或項目成功與否的關(guān)鍵績效指標。收入和利潤往往是企業(yè)層面的關(guān)鍵績效指標。
P&L：利潤和虧損（盈虧）。
預測分析（predictive analytics）：對歷史數(shù)據(jù)應用先進的統(tǒng)計技術(shù)，以期能預測未來事件。預測分析技術(shù)包括線性回歸和決策樹等，通常需要數(shù)據(jù)科學家和預測分析專家來完成。
3個關(guān)鍵問題TM（3 key questionsTM）：Aryng咨詢公司為企業(yè)制定可行性分析框架的另一個秘訣。3個關(guān)鍵問題幫助領(lǐng)導者像剝洋蔥一樣對企業(yè)展開層層分析，明確KPI，找到這些KPI的驅(qū)動因素，并協(xié)調(diào)內(nèi)部項目，來移除影響KPI的驅(qū)動因素。
◆ 前言 ◆
皮揚卡·賈殷
我痛恨統(tǒng)計學。1999年在得州農(nóng)工大學（Texas A & M University）的環(huán)境工程論文課題中，我真正想做的是跟蹤調(diào)查使危險廢棄物場地變得不安全的事件。在實驗室的研究過程中，當事實愈漸清晰時，坦白地講，能解決這個問題的唯一方法就是采用非線性回歸技術(shù)建立逆形態(tài)分布模型。
我一直都喜歡數(shù)字和數(shù)學，曾相對我所就讀的年級提前4年用自己的方法推導出勾股定理。我一直質(zhì)疑每一項杰出技術(shù)所帶來的影響，包括我父親的突破性發(fā)明--垃圾焚燒發(fā)電。數(shù)學和工程學成就了今天的我，但在1999年，我努力確保統(tǒng)計數(shù)據(jù)不僅可以分析一個問題，還可以解決這個問題，并有真正切實的商業(yè)影響。我與數(shù)據(jù)化敵為友，并找到了我的激情所在。
我在明尼蘇達大學（University of Minnesota）計算機科學與工程專業(yè)完成了第二碩士學位。利用螞蟻信息素概念，通過統(tǒng)計建模與仿真，我設計了一個自我更新的網(wǎng)絡路由表。我曾教三年級和四年級的本科生學習微積分和統(tǒng)計學，我有能力利用統(tǒng)計和分析技術(shù)去解決各種不同類型的問題。
當Adobe公司希望通過這些技能來提高其客戶體驗時，我就知道從這一刻開始，分析將成為我人生的一部分。一如既往地，我努力確保研究的數(shù)據(jù)可以被轉(zhuǎn)化為行動和積極的商業(yè)影響。在一個熱愛數(shù)據(jù)的公司里，我和我的團隊能夠通過市場營銷和廣告，改善客戶體驗，并最終對公司的盈利帶來影響。
后來我在不同的公司任職，在貝寶（PayPal），我遇到了普尼特·夏爾馬。在那里，我們每人帶領(lǐng)著一個分析團隊。
普尼特·夏爾馬
取得了計算機科學學位和金融領(lǐng)域的工商管理碩士學位之后，我開啟了早期的職業(yè)生涯。當我開始了解數(shù)據(jù)和分析，以及我的數(shù)據(jù)分析師朋友一天的生活后，我就知道我不得不屈從于這種渴望--我稱之為我的"欲望"。美國第一資本投資國際集團（Capital One Financial Corp）招聘數(shù)據(jù)分析師時，我提交了申請。經(jīng)過嚴格的能力測試，Capital One邀請我在董事會里擔任數(shù)據(jù)分析經(jīng)理，以好好發(fā)揮我的技術(shù)和業(yè)務技能。我在我熱愛的事業(yè)里蓬勃發(fā)展--將分析轉(zhuǎn)換為商業(yè)影響和有形的美元價值。公司相信數(shù)據(jù)能報告所有關(guān)鍵的戰(zhàn)略和決策，并且從一開始就這樣設計。我和其他500個人一起參加培訓，學習統(tǒng)計、建模和分析。我知道進入數(shù)據(jù)分析領(lǐng)域是一個正確的決定。
然而在這之后，我很驚訝地得知，和我有工作來往的其他公司并不像我們這樣對利用數(shù)據(jù)來帶動商業(yè)影響感興趣，有的公司甚至毫無興趣。分析是一個"支持功能"，根據(jù)優(yōu)先級不同的事業(yè)部，分析的產(chǎn)出可能會也可能不會被考慮�，F(xiàn)有系統(tǒng)的設立并不利于我們獲取有深遠影響的各種商業(yè)信息。物力和財力被花在理論分析上，卻并不一定能直接產(chǎn)生商業(yè)影響。一個項目如果有強大的數(shù)據(jù)驅(qū)動執(zhí)行支持，我和我的團隊就能夠帶來驚人的影響。但是實際并非如此，我曾見證數(shù)百萬美元資金分文不動地躺在那里，僅作為企業(yè)結(jié)構(gòu)的一個要素和分析的感知價值。經(jīng)過一段時間強烈的自我懷疑，質(zhì)疑我自己是否真的有能力推動持續(xù)的影響，我發(fā)現(xiàn)，需求是有的，而我還有不足，我從那些失敗中吸取了教訓。作為一個技術(shù)公司的分析負責人，我還有很多經(jīng)驗、教訓需要學習。
我和皮揚卡·賈殷多年來經(jīng)常一起共進午餐并時不時地討論一番，我發(fā)現(xiàn)我們原來都有同樣的經(jīng)歷。我們開始清楚地認識到這些模式，并想辦法來填補這些缺口。這不只是關(guān)于分析，也是因為我們現(xiàn)在擁有可以強有力地提高業(yè)績的環(huán)境。分析的復雜性是一個障礙，但是我們知道大約只有20%的時間需要那些資源密集的過程。我們通過共同的努力開始闡明分析的力量、企業(yè)對分析的態(tài)度、常見的失誤，以及用簡單的方法來驅(qū)動影響。
皮揚卡·賈殷
這幾年我在會議上發(fā)表講話的時候，也聽到了來自其他機構(gòu)同僚的親身經(jīng)歷。他們招架不住這些數(shù)據(jù)、大數(shù)據(jù)、分析、預測分析，雖然許多人都跟上了潮流，但是他們在分析上的投資并沒有得到多少投資回報（ROI）。整個場面模糊又復雜，有一個需求是我們可以填補的。
2011年，我創(chuàng)立了Aryng--一家管理咨詢公司，專注于分析。普尼特·夏爾馬擔當顧問的角色，我則設計了一個叫作BADIRTM的商業(yè)影響分析方案。BADIRTM代表商業(yè)問題（business question）、分析計劃（analysis plan）、數(shù)據(jù)收集（data collection）、得出結(jié)論（insights）和提出建議（recommendations），它是一個可將數(shù)據(jù)轉(zhuǎn)化為更明智決策的簡單五步框架。
當召開研討會時，我們聽到了越來越多這樣的說法，怎樣將如此簡潔基礎的方法用在工業(yè)和學術(shù)領(lǐng)域呢？本書囊括了所有這一切。我們很高興帶你一起走上這趟旅程。


◆ 致謝 ◆
本書是我們的信念和商業(yè)分析知識的結(jié)晶。雖然在過去的幾個月里我們?nèi)�身心地投入在本書上，但是如果沒有朋友和家人的幫助與支持，我們根本無法完成本書，他們不僅慷慨地提供了各種專業(yè)知識，還大度地包容我們。對于這些善良又聰慧的人所提供的支持，我們心懷感激。
我們是分析專家，但并非專業(yè)作家。感謝Lakshmi Jayaraman堅持不懈地聽我們訴說故事，加入設計和創(chuàng)新情境，并參與書寫和編輯來支持本書。我們同樣還感激你利用你的設計專長和插圖知識提供的幫助，你的堅持使本書充滿樂趣和可讀性。
特別感謝我們的審稿人，你們的反饋確保了我們的闡述合情合理，并清楚地傳達了本書的意圖，所以謝謝你們：Bonny Elgamil、Claire Dean、Nirmal Baid、Desmond Chan、Marcia Trask、Ketan Babaria、Parth Sethia、Sangita Khater、Sunil Bafna、Anshul Mohan、Mahendra Kumar、Narasimman Jayaraman、Kamala Subramaniam、Cole Roberts和Betty Li。
感謝Ramkumar Ravichandran對分析數(shù)據(jù)工具的研究綜述，感謝Kameshwari Viswanadha的輸入設計和評審，感謝Vijay Aviur提供我們在本書中談到的故事。
感謝Shailesh、Ashish和Satvik團隊，為本書畫了生動的插圖。感謝Terri Griffith對本書寫作過程的指導以及提供的許多簡介。
最后，我們要感謝我們家庭的支持，尤其是我們各自的另一半Parth和Shweta。在我們潛心研究或是缺席大部分周末的時候，她們?yōu)槲覀兎謸�了很多�?