前 言 別憑“主觀感覺”和“案例”做分析
01 鮮為人知的“調研設計”技能
常見的數據應用失敗案例
不依賴個人主觀感覺的調研設計
改善枝葉不如改善主干
02 本書的結構和框架
本書所探討的四大主題
本書的分析流程及關鍵詞

第1章 用于經營戰略的統計學
03 用數據推導戰略
咨詢顧問們都愛矩陣圖
矩陣分析的兩大局限
04 波特與SCP理論
經營戰略的理論背景①
經營戰略的代表性理論
簡潔優美的五力分析模型
日本企業的飛躍反駁了波特的理論
05 經營戰略理論的契合度問題
經營戰略的理論背景②
著眼于企業內部優勢的杰恩·B. 巴尼
波特和巴尼，究竟孰對孰錯
經營戰略的統計分析歷史
06 分析對象的設定
針對經營戰略的統計分析流程①
統計學式的戰略制定方法
橫向市場分析
縱向市場分析
非連續性市場分析
07 選擇合適變量
針對經營戰略的統計分析流程②
針對商務人士的系統綜述入門
08 收集所需數據
針對經營戰略的統計分析流程③
首先收集客觀的公開數據
為什么要用總資產收益率來評價“賺錢程度”
將非上市企業也納入分析對象
如何委托調研公司才精準高效
收集帶有主觀性數據時的注意事項
數據匯總方法
09 分析與結果解讀
針對經營戰略的統計分析流程④
簡單匯總統計的兩大局限
逐步回歸法與對變量選擇做人工確認
分析解讀實例與基礎知識
更細致的分析方法與我不推薦此類方法的理由
與其嚴謹檢驗，不如迅速采取小規模行動
10 本章總結 統計學補充專欄1 方差分析和混合效應模型

第2章 用于人力資源的統計學
11 你的企業有沒有招到優秀人才
“人才比戰略更重要”這一事實
基于科學實證的Google招聘流程
普通的面試派不上什么用場
12 一般智力與權變理論
“學習好的人工作能力也優秀”只對了三成
領導力研究學者們發現的權變理論
元分析告訴我們“工作由適配度決定”
只看中“干練利落的高學歷人士”就太可惜了
13 設定分析對象
針對人力資源的統計分析流程①
湊齊幾十個人就能做分析
解析單位擴展和分割的方法
14 選擇合適變量
針對人力資源的統計分析流程②
人事的Outcome設定很難
“引入隨機性”這一技巧
廣泛收集解釋變量的備選項
15 收集所需數據
針對人力資源的統計分析流程③
找尋埋沒在公司內部的數據
Outcome設定時的注意點：巧妙彌補數據不足
解釋變量相關數據擴充：性格特質的測定方法
16 分析數據
針對人力資源的統計分析流程④
對相關性強的解釋變量做“縮減”
兩個相關項目的得分可做合計
多個項目相關聯時使用“因子分析”
使用多元回歸分析還是邏輯回歸
17 解讀分析結果
針對人力資源的統計分析流程⑤
邏輯回歸的解讀方法復習
有沒有“違背經驗或直覺的結果”
應采取的行動：“改變”
應采取的行動：“轉移”
作為人力資源管理措施候補的“HPWP”
18 本章總結 統計學補充專欄2 “刪失”和“截斷”

第3章 用于市場營銷的統計學
19 市場營銷戰略與顧客中心主義
iPhone需求真的無法通過調研知曉嗎
效仿藍海戰略的方法
統計學能戰勝天才的原因
20 現代市場營銷的基礎知識
科特勒對營銷的定義以及常見誤解
以誰為對象開展商業活動
賣什么，怎么賣
21 準備數據，基于數據來思考“賣給誰”
針對市場營銷的統計分析流程①
市場營銷的數據分析至少要做三輪
分析對象是除“極不可能的人”以外的所有人
首先對單源數據做分析
22 基于分析結果思考“賣給誰”
針對市場營銷的統計分析流程②
為什么不用多元回歸分析和邏輯回歸分析
推薦使用“聚類分析”
聚類分析是為了挖掘到好的細分市場
23 準備數據，思考“賣什么？”
針對市場營銷的統計分析流程③
市場定位＝賣什么？
結合質性調查和量化調查找到好的市場定位
“truth廣告戰役”——完美驗證了營銷的力量
24 應用了統合行為理論的質性調查
針對市場營銷的統計分析流程④
涵蓋了大部分學問成果的統合行為理論
提問項目和調查問卷的具體制作方法
25 分析與解釋數據，思考“賣什么”
針對市場營銷的統計分析流程⑤
通過分析我們可以了解什么
這次用的是多元回歸分析或邏輯回歸分析
思考市場定位時的兩大方法
26 分析并思考“4P”
針對市場營銷的統計分析流程⑥
了解細分市場的顧客
通過試制品或宣傳單做測試營銷
27 本章總結 統計學補充專欄3 決策樹分析與隨機森林

第4章 用于業務運營的統計學
28 戴明提出的全新“管理模式”
運營模式的改善引領美國西南航空走向成功
提出kaizen并支持著比爾·克林頓的統計學家
想辦法解決“導致波動的原因”
29 從局部*優到整體*優
沉睡在公司內部可供改善的廣袤新領域
從“瓶頸”開始著手
30 價值鏈與各部門的標準
價值鏈的思考方式
具體的Outcome與解析單位
31 從業務用數據到分析用數據
首先從分析手頭數據開始
將數據轉化為可供統計分析的形式
將數據相關聯
32 提高數據品質與數據加工的要點
“完整的數據”是一個陷阱
有“欠缺”感就對了
不用勉強思考“假設”
33 “洞察性分析”與“預測性分析”
何謂“預測性分析”
你的隱性知識將成為做“洞察性分析”的武器
“預測性分析”難做的兩大原因
失敗的Google流感預測
34 自回歸模型與交叉驗證
自回歸模型概要
防止過擬合
通過交叉驗證做檢驗
35 本章總結 統計學補充專欄4 運用到集體智慧的預測手法
致謝
參考文獻
索引