- 庫存 > 10
放入購物車
放入下次購買清單
本書適用活動
分類排行
-
模範領導【增訂第六版】:從自我領導開始,掌握五大實務要領、十大承諾,讓團隊成員願意主動成就非常之事
-
財富階梯:資料科學家為你打造,適用人生各階段的致富策略
-
時間管理,先吃了那隻青蛙【25年暢銷經典版】:告別拖延,布萊恩.崔西高效時間管理21法則
-
一如既往:不變的人性法則與致富心態
-
組織教練學:以教練領導力打造高韌性組織的實踐指南
-
微實驗:透過微小的嘗試,探索人生的無限可能
-
SCRUM:用一半的時間做超過兩倍的事(AI應用增訂版)
-
你的影響力,從說重點開始:全美演說冠軍的精準表達術,帶你一句話說服、一開口聚焦,讓人聽懂、記住,更願意行動!
-
馬斯克寶典:從顛覆矽谷到打造太空帝國,讀懂全球首富20年極限思維
-
我用四年就財富自由【隨書贈送第一金證券新開戶大禮包】:如果你有100元,如何把投資力道做到最大?四準則精選存股,低檔時操作槓桿,放大資產。
內容簡介
本書特色
‧必備的DX知識:類比資訊資料化、作業的自動化(系統化、AI辨識、AI執行)、決策的高度化;人才與軟硬體資源;機器學習(演算法、建立訓練資料、建構模型、精確度評估)
‧有效的解決know-how:掌握整理運作現況與問題假設→重新規劃DX後的業務流程→篩選應優先推動的重點改善措施
‧具體的實作案例:POS資料可視化的實作、預測模型的實作、跨部門整合預測模型(LTV顧客終身價值)
透過DX理出問題點,推動更有效率的業務流程;
建構模型分析資料,據以制定改善措施,創造獲利模式
DX(數位轉型)是指「以數位技術改變企業的業務」,透過AI科技的輔助,可讓業務流程與機制數位化、作業自動化,並透過資料分析及模型建構(如本書實作案例:利用POS資料深入分析獲利驅動因素,找出獲利模式;建立預測模型,提示客戶解約風險,制定改善措施;模擬評估顧客在一家企業不同通路的購物模式,跨部門整合,讓未來整體獲利達最大化),提升判斷與決策的精確度,讓企業經營可持續進化,並增加市場競爭力。
本書是為了肩負全公司DX推進與落實的負責人而寫。作者綜整過去與客戶反覆試錯的經驗和know-how,涵蓋基本知識篇及實作篇,完整說明企業如何一步步將資料轉化為決策、將模型設計落實於營運計畫。這不只是一本介紹機器學習或資料分析的技術書,更是一本協助企業將DX從概念落實到現場實務的實戰工具書。
目錄
前言
第Ⅰ部
DX實務負責人必須掌握的基本概念
第1章 本書所涵蓋的DX範圍與定義
1為什麼DX要從「既有事業」、「業務部門」開始著手
2數位化可分為「資料化」、「自動化」、「高度化」三種類
3DX不是目的,只是手段的一部分
第1章重點整理
第2章 DX實作的流程
1首先,從業務流程再設計開始
2擴大DX實作的範圍,推動企業文化的轉變
3透過實務案例,掌握DX實作的具體樣貌
第2章重點整理
第3章 DX實作所需的資源
1透過內部人才彼此補足所需技能,並在培育與關鍵環節中善用外部人才
2無論是硬體還是軟體,都應以小規模、快速啟動為原則
第3章重點整理
第4章 機器學習的基本概念
1為什麼DX負責人需要了解「機器學習」?
2機器學習,就是讓模式辨識能力大幅提升的一種技術
3機器學習的運作原理(監督式)──以過去的模式為基礎,預測正確的機率或數值
4機器學習的運作原理(非監督式)──從用來分析模式的變數中,找出傾向相近的群組
5機器學習模型的建構流程(CRISP-DM)
6《資料蒐集》──不僅要累積樣本數,也要增加有效的變數
7《建立訓練資料》①──定義與措施相符的「目標變數」
8《建立訓練資料》②──將可能影響預測的「說明變數」建立連結
9《模型建構》──選擇演算法
10《評估》──評估模型的精確度
第4章重點整理
第Ⅱ部
DX實作實務
第5章 業務流程再設計
Introduction
掌握業務流程應繪製到何種細緻程度,
並一邊想像自家公司情況一邊閱讀
1找出課題假說與措施假說,重新設計DX導入後應有的業務流程案例
2業務流程再設計所需的五項產出成果
3
Step 1《建立「業務、課題假說與措施假說一覽表」》
掌握現行業務與課題假說
4
Step 2《建立「現行業務流程圖」》
整理現行的業務流程
5
Step 3《建立「DX後業務流程圖」》
重新設計理想的業務流程
6
Step4《製作「措施假說可減少的工時幅度」》
試算生產力提升幅度,展現DX的價值
7
Step5《製作「措施假說優先順序一覽表」》
從多個面向評估措施假說,決定推動優先順序
第5章重點整理
第6章 可視化的實作
Introduction
利用POS資料深入分析獲利的驅動因素以及
叢集分析的應用時機
1透過高解析度掌握門市課題,制定精準對策的可視化案例
2拆解獲利驅動因素
3依獲利驅動因素擬定改善措施
4將客群特性相近的門市進行分類《聚類分析》
5商品陳列予以調整
6商品組合予以替換
7在不多不少地售完商品的前提下,提供最佳折扣時機建議
8生產過量商品的縮減
第6章重點整理
第7章 預測模型的實作
Introduction
著重於具商業意義的模型設計,以及整合既有資料模型與
新增資料的風險判定與提示方法
1將客戶解約風險量化並加以抑制的預測模型實作案例
2在不增加業務人力的情況下,降低解約率
3Step 1建構預測解約的機器學習模型
4Step 2整合資料與現場資訊,判定客戶解約風險
5Step 3將客戶的解約風險資訊呈現給第一線業務人員
6Step 4追蹤執行狀況與成果,及早發現問題
第7章重點整理
第8章 跨部門整合預測模型的實作
Introduction
跨部門整合預測模型
聚焦於LTV的計算邏輯與LTV的模擬方法
1找出符合全公司最佳化的措施獲利模擬案例
2跨部門整合的關鍵在於LTV
3Step 1定義LTV
4Step 2建立多個機器學習模型,並進行跨部門整合
5Step 3模擬LTV的變化,評估措施的有效性
6Step 4建立預測模型與因果假說的演進循環
第8章重點整理
後記‧謝辭
中日英文對照表及索引
作者資料
上田剛
曾任職於IGPI Digital Intelligence股份有限公司,擔任總監,負責金融、零售、製造、網路、電信、醫療保健等產業的專案,累積豐富經驗,內容涵蓋運用大數據分析提供企業經營決策支援、以機器學習開發新事業,以及運用數位技術推動業務流程改革與建構(DX)等。 自2024年起加入JMDC股份有限公司。 東京大學研究所理學系研究科物理學碩士班修畢。注意事項
- 若有任何購書問題,請參考 FAQ






























