本书汇集了来自数据科学、分析领导、商业智能和技术领导专家的贡献和知识，其结果是一套坚实的理论、策略和技术，将提高任何分析投资的价值。CEO和其他管理者将从中获得所需的知识和技能，通过支持整个组织保持分析导向来利用分析的潜力。本书支持管理者参与分析最佳实践，支持技术和非技术团队成员走向长期分析增长和成功。

第一，要明确问题，发现适合用分析建模的方式来解决又与组织生存发展休戚相关的核心问题。

第二，要搭建团队。团队至少有三个重要职能部门参与，缺一不可：高层管理者把握方向，业务流程负责人推动改进，技术分析团队落地执行。

第三，巧妇难为无米之炊，要尽可能收集高质量的相关数据进行分析和处理。

第四，工欲善其事，必先利其器，要选择适合的工具。工具要为解决问题服务，而不是为了使用工具而使用工具。

第五，任何项目的成功都离不开有效执行。

第六，构建学习型组织，提升分析成熟度。

第七，可持续性发展，用分析做善事，进行负责任的分析。

人工智能和分析并非灵丹妙药，工具本身并不能解决问题。没人能知道一切，只有清楚了解各种工具的局限性，通过正确的思维方式，提供准确的输入信息，才能通过人工智能等工具手段高效地解决问题。本书通过对各种分析工具的介绍、分类和总结，为高管及领导者在工具选择、工具内容的输入以及工具的使用上提供了有效和快速的指导。

——李思越博士  霍尼韦尔美国开放式创新首席科学家

这是一本专注于解决数据分析建模问题的技术指导书。王妍等用平实而又不失专业的语言完成译作，让读者完全感觉不到这是一本专业书。该书不仅适用于企业管理者，对像我一样从事科学研究的工作者同样具有深刻的指导价值。

——邹保红  南京农业大学农学院副教授，硕士研究生导师

成功解决问题，需知其然，更需知其所以然。《数据引领》是一本指导手册，读故事、看分析、做练习，让初学的你顺利踏入提升领导力和数据分析能力的门槛；本书亦是一本反思手册，凝练来自多位专家的数据分析方法和经验，让数字分析业界的你寻得共鸣或新的启示。

——王菊芳  南京农业大学公共外语部副教授

以数据为中心的思维方式能有效促进创新和提升效率，最终驱动业务增长并加强竞争力。这一思维方式对于研发团队有重要意义，通过正确的问题定义和数据驱动的决策过程，能更高效地识别并解决开发过程中的问题，优化产品设计，提升产品质量。正确决策需要以高质量的数据为支撑，因此必须重视数据的收集，管理和分析，以确保团队做出更好的决策。本书也激励团队不断学习和实践先进的数据分析方法，以数据为支撑优化研发流程和产品性能，推动持续改进。

——王恺  东京大学材料学博士，霍尼韦尔亚太区创新技术科学家

高级分析将数据转化为智能洞察力，帮助我们更好地制定决策。凑凑热闹让您了解到数据分析的重要性，但是代替不了您做事。真正要从概念转向实际实施，请先研究《数据引领》一书。然后，组建您的团队，让大家一起学习《数据引领》。

——卡尔·肯普夫（Karl Kempf）博士，英特尔公司高级研究员兼决策工程总监

作为一名年轻的专业分析师，这本书让我大开眼界。以前我对分析的理解集中在概率分布、p值和Python等低级概念上。然而，这本书为我提供了新鲜而独到的分析视角，注重人才、领导力、影响。

——丁?詹宁斯（Ting Jennings），普华永道数据分析师

导论/有效引领数据分析

如何有效地领导分析计划，为投资这些计划的组织创造价值

● 技能 1 ：明确问题

找到、评估和优先考虑那些有价值且可实现的分析问题。解决这些问题可以产生价值，并应用 DAD 框架提升组织的学习能力

● 技能 2 ：组建团队

有效地组建和管理您的分析团队，并在适合的生态系统中与其共事

● 技能 3 ：管理数据

管理数据的质量和相关性，将收集的数据加以设计并从中获取价值

● 技能 4 ：了解工具

了解分析工具能做什么和不能做什么，让组织的生态系统为分析工具的应用提供帮助

● 技能 5 ：执行分析

积极有效地执行分析，并在执行过程中避开陷阱

● 技能 6 ：构建成熟的分析文化

构建有成熟分析文化的组织和它赖以生存的生态系统

● 技能 7 ：守住分析的道德底线

建立一个可持续的分析组织，负责任、守道德地践行分析，并将分析用于行善

从失败中提升认知

当我们第一次尝试新鲜事物时，失败在所难免。我们会在工作中慢慢摸索，逐渐积累一些成功的经验。当这些认知得到实践和分享时，它就逐渐演变为某个专业 领域的一整套最佳解决方案，我们也得以复刻成功。

数据分析是一种高失败率的新兴职业，其失败率有 80% 到 90%。如此高的失败率，可能意味着不能为组织提供有意义的价值或实现预期的投资回报率。

然而，也不必过于悲观。我们不断从失败中学习，关于成功的智慧分享得越多，数据分析这个职业的发展就会越迅速。我们熟知的大多数职业都经历过从高失败率 到高成功率的蜕变，数据分析作为一种新兴职业，也必然经历同样的发展路径。

大多数职业都需要团队成员合作来引导、规划和支持项目实施，从而创造价值。数据分析也是如此。我们面临的挑战是有些因素并不在专业分析人士的可控范围内，这就需要我们所有人（不仅包括专业分析人员，还包括支持者）了解数据分析成功所需的条件，通过协同合作来取得成功。

为了解决业务问题，实现数据分析的成功，需要至少三个不同的团队密切合作，即鲁迪·普雷尼所推崇的最小可执行团队。当然，我们有时候可能需要更多的参与者，支持者越多会越有帮助。

普雷尼所定义的团队包含以下角色：

● 高层管理者。高层管理者具有执行或终止项目的权力，他们必须利用其权

力和地位，以身作则地推动分析工具的应用。高层管理者的主要角色是提

供资源、消除障碍、传达分析工具应用的重要性，并在随后的工具应用过

程中，帮助组织克服初期障碍和消除对新方法的抵制。

● 业务流程负责人。业务流程负责人的主要职责是把数据分析和工具应用整

合到组织的流程中，使其成为日常业务运营的一部分。他们监督分析应用

者完成日常关键任务，指导技术团队进行有意义的数据整理、结果审查和

解释。他们利用大家熟悉的业务语言开发出行之有效的培训材料，从而明

确分析的目的，帮助整个组织进行变革和持续改善。

● 技术团队。分析人员和 IT 团队在一起工作，发现问题并构建和支持实际

项目。技术团队与高层管理者合作，确定项目的高价值领域。然后，他们

与业务流程负责人携手，在流程的适当范围内，以最有效的方式确保工具

易于使用并准确无误地运行。

以上三组团队成员，有时也包括其他团队成员，需要学会为实现共同目标而努力。只有这样才能避免失败，找到问题的根本原因，提高分析项目取得成功的概率。如果三组团队中任何一方缺乏参与，则可能发生如下状况：

● 缺少技术团队。没有技术团队去构建和实施，项目只能是一个美好的

愿望。

● 缺少业务流程负责人。有可能会开发出一个技术先进的孤立系统，却不能

将它整合到现有流程中，自然也就无法实现真正的增值并被广泛应用。

● 缺少高层管理者。由于资金不足或在实施过程中得不到权威的支持，项目

随时可能失败或停滞。

本书包含一系列的最佳实践，总结自诸多从业者的失败经历。书中重点介绍了 七种常见的失败原因以及如何预防失败的最佳实践。当然，任何一本书都无法做到包罗万象，而且许多最佳实践也尚待开发。但我深信，本书包含的内容极富价值，将有助于我们的职业发展。

本书也向高层管理者展示，有了他们的支持，我们才可以将最小可执行团队聚集在一起，通过有效管理失败，在分析中获得成功。书中会阐明业务流程负责人如何与技术分析团队合作，支持和指导他们找到可行性方案。同时，书中也会展示技术分析团队如何更有效地与高层管理者和业务流程负责人团队合作，帮助更多的项目从实验室成功进入实际生产。

本书不包含数学、编程或深入的技术讨论。书中介绍的实用建议、故事和最佳实践均来自成功人士的探索。成功不仅意味着在分析过程中的洞察和模型搭建，还意味着把这些有价值的成果应用在公司运营中，付诸实践并产生可预期和可测量的影响，帮助企业创造价值。

本书可以帮助高层管理者了解数据分析失败的关键原因，以及为了防止失败而需要采纳的最佳解决方案。本书还可以帮助组织中的每位成员（包括业务流程负责人和专业分析人员）协同努力，在数据分析领域彼此适应，相互成就，构建学习型组织。

尤为重要的是，这也是一本关于领导力（特别是分析领导力）的书。它教会我们如何有效地领导分析计划，为投资这些计划的组织创造价值。本书囊括了数十位成功领导者和从事分析工作的专业人士的集体智慧。他们当中既有资深人士，也有初级人员；一些人擅长技术层面，另一些人潜心业务领域。但相通的是，所有人都知道如何更有效地与分析人员合作，通过数据分析获得成功并在竞争中脱颖

而出。