新書推薦：
《
异次元社交
》
售價：NT$
347
《
抉择时刻：那些原本可以改变世界的演讲
》
售價：NT$
305
《
海外中国研究·元代江南政治社会史研究
》
售價：NT$
551
《
养元筑基调气血
》
售價：NT$
356
《
永夜微光：拉康与未竟之精神分析革命
》
售價：NT$
602
《
古希腊社会生活史
》
售價：NT$
254
《
维特根斯坦传
》
售價：NT$
296
《
暮日耀光：张居正与明代中后期政局
》
售價：NT$
959
|
| 編輯推薦： |
|
在这个数据竞争日益激烈的时代，Lillian Pierson为我们提供了制胜的战略方法。通过阅读本书，企业可以从开始就正确把握AI的布局方向，并将其理念转化为指数级增长战略。
|
| 內容簡介： |
|
在数字化转型的浪潮中，数据与AI已成为企业竞争的核心驱动力。无论是传统企业，还是科技领先企业，能否高效利用数据与AI技术，将直接决定企业能否在激烈的市场竞争中脱颖而出。本书详细阐述了数据战略、AI技术与商业场景的深度融合应用。通过STAR框架、生成式AI、LLM与RAG等前沿技术，结合运营效率提升、产品主导增长、营销优化等典型场景，提供了可快速落地的解决方案。对于企业领导者、产品经理、项目经理、数据与技术从业者来说，是一本有价值的参考书，能够帮助企业从战略制定到实施落地，全面掌握数据与AI的赋能之道。
|
| 關於作者： |
莉莲·皮尔森（Lillian Pierson）
Data-Mania 公司的创始人及特聘首席营销官（CMO）。Lillian专注于产品驱动增长战略的制定与执行，尤其擅长服务于快速发展的数据科技与AI初创企业，帮助这些企业实现稳定可预测的营收增长。通过卓越的营销策略和领导力，Lillian已经成功帮助10%的《财富》世界100强企业实现业务拓展。
自2018年起，Lillian Pierson 一直担任科技创业公司的战略营销与增长顾问。在此之前，她曾在 B2B 科技领域深耕12年，主导过众多公司的营销活动，涵盖了从风投支持的 SaaS 创业公司(如 Domino DataLab)，到领先的企业软件公司(如BMC软件)，以及IBM、Intel和 Dell等科技巨头。
|
| 目錄：
|
译者序
推荐序
前 言
致 谢
第 1部分 数据与 AI在现代商业中的竞争优势
第 1章 数据与AI：构建公平竞争新格局
1.1 业务的高速变革与演进
1.2 本书阅读指南
1.3 本书核心价值
1.4 致企业领导者和高层管理者
1.5 致产品经理和项目经理
1.6 致数据与 AI领域的专业人士
第 2章 数据战略导论
2.1 S TAR框架简介
2.2 快速见效型应用场景与战略型应用场景
2.3 生成式 AI与基座模型概述
2.4 LLM微调、RA G与 AI Agent技术导论
2.5 制定有效方案：数据战略与 AI战略的对比
2.6 数据产品、数据项目与数据计划的区别
第 3章 基于业务目标的数据密集型应用场景分类
3.1 运营优化型应用场景 40
3.2 产品主导增长优化型应用场景 43
3.3 增长营销优化型应用场景 46
3.4 决策支持优化型应用场景 48
3.5 财务优化型应用场景 50
3.6 数据变现型应用场景 54
第 4章 数据与 AI驱动的产品主导增长 56
4.1 充分利用数据驱动产品主导增长 62
4.2 产品分析与机器学习在产品主导增长中的作用 68
4.3 以基座模型驱动产品主导增长 72
第 5章 数据与 AI驱动的营销效能提升 74
5.1 AI和机器学习驱动的营销战略支持 78
5.2 客户细分与营销活动级别优化 81
5.3 全面提升常态化营销活动的运营效率 90
第 6章 验证数据与 AI商业产品及服务的产品市场契合度 93
6.1 探析科技初创企业失败的主要原因 95
6.2 产品市场契合度 100
6.3 实践产品市场契合度的基本原则 108
6.4 探索产品市场契合度战略制定中的有效实践方法
第 2部分 数据与 AI的三重维度：伦理考量、部署策略与竞争分析 116
第 7章 遵循监管与伦理标准 118
7.1 标准规范 124
7.2 前期监管合规考虑 125
7.3 AI伦理问题应当置于首位 126
7.4 构建生成式模型的重要考量 132
第 8章 成功部署 AI的实施策略 134
8.1 AI部署的基础架构 136
8.2 AI部署的关键考量要素 141
8.3 选择适配部署需求的技术栈 144
8.4 成本考虑：自建与购买 145
8.5 速度和效率 146
8.6 基于敏捷与DevOps原则的AI部署 146
8.7 AI部署中的常见误区与最佳实践策略 147
8.8 构建基座模型应考虑的要素 149
8.9 RAG部署的关键考虑要素
第 3部分 支持增长的技术基础 154
第 9章 行业与组织调研 156
9.1 生成式AI驱动的市场研究 161
9.2 开展技术快速评估 164
9.3 确定合适的案例研究166
9.4 调研并识别合适的应用场景 167
9.5 从现有文档和访谈中提取关键信息 169
9.6 确定最佳匹配的应用场景 172
9.7 生成式AI应用场景的补充考量 174
第 10章 技术评估 176
10.1 评估现有数据清单的有效性与使用效率 179
10.2 评估与分析现有参考架构 183
10.3 通过初步技术差距分析识别关键技术鸿沟 186
10.4 在数据基础架构中的基座模型应用考量 192
第 11章 利益相关方的参与和数据素养能力 194
11.1 利益相关方的界定、分类与优先级管理 201
11.2 需求收集与利益相关方访谈 204
11.3 评估企业高管及全员数据素养需求现状 212
第 12章 评估组织的现状
214 12.1 构建反映组织现状的基础流程、组织架构、技术体系与信息模型 219
12.2 评估组织的数据成熟度 225
12.3 开展数据技能调查与审计 229
12.4 评估管理和微调基座模型所需的专业技能 232
12.5 开展数据资源审计与报告编制 235
12.6 评估基座模型的基础结构与计算成本 238
第 13章 评估当前状态：AI伦理与数据隐私 240
13.1 审视企业的法律与监管体系243
13.2 AI的可问责性、可解释性和公平性的差距分析 248
13.3 实践应用与案例分析 252
13.4 提升整体依从性与合规性的策略
第 4部分 AI战略的制定与实施 262
第 14章 筛选并界定最佳应用场景 264
14.1 记录整理潜在应用场景 265
14.2 基座模型选择标准 267
14.3 识别与推荐最佳应用场景 269
14.4 界定数据计划的范围、进度表、利益相关方及关键绩效指标 270
14.5 制定项目章程的方法 272
14.6 向关键利益相关方推介项目 276
第 15章 评估全部相关资源 278
15.1 明确目标用户及其需求 280
15.2 数据资源需求评估 283
15.3 评估与项目相关的数据架构 286
15.4 弥补数据技能与数据素养的缺口 288
15.5 制定培训方案 291
15.6 制定招聘方案 294
15.7 评估供应商合作关系并制定供应商管理方案 296
15.8 应对基座模型的伦理与社会影响 298
15.9 构建基座模型的监控与运维挑战 301
15.10 数据项目中的高级风险防控与治理 306
第 16章 技术战略规划：实现未来的目标规划 308
16.1 剖析技术战略规划的构成要素 310
16.2 深入探究基础概述部分 315
16.3 撰写技术愿景部分 330
第 17章 制定最终战略规划 332
17.1 制定实施路线图 334
17.2 合规要求 337
17.3 资源分配与预算 339
17.4 利益相关方与部门协同 340
17.5 培训和人才招聘方案 341
17.6 风险管理与应急预案 342
17.7 监控与管理体系 343
17.8 数据战略的高级项目管理 346
17.9 战略规划的总结与展望 348
17.10 实施方案优化的工具、技术与资源 351
17.11 这仅是开始
|
| 內容試閱：
|
数据科学和 AI领域的前沿技术突破已经从根本上彻底重塑了商业格局。这些技术突破一方面为企业开辟了众多全新的指数级增长路径，另一方面也为缺乏认知的企业领导者带来了无数潜在风险。
一个系统化制定、有据可依的战略，能为企业在数据与 AI技术方面的投资实现可衡量、可预测的业务增长奠定坚实基础。在当下和可预见的未来，这类投资对保持企业竞争力而言都是不可或缺的。设计完善且执行严谨的数据与 AI战略能够为企业带来广泛的收益，包括：
●通过数字化和智能化大幅提升组织运营效率，使企业得以将精力集中在
战略决策与创新领域。 ●稳健持续的营收增长，有助于保持财务稳定性并支持长期投资。 ●提升客户留存率和忠诚度，建立持久的业务关系并降低获客成本。 ●在市场中确立清晰且无可争议的竞争优势，从而使企业能够以前瞻性视
野引领行业发展。
核心内容
本书将深入讲解以下主题：
●数据环境分析—企业需要识别自己现有的数据资源、技术和技能储备，明确未来所需的能力，并将这些要素与业务目标进行战略性匹配。
●应用场景识别与评估—企业需要识别最具影响力的“潜在应用场景”，并最终确定最值得实施的“最佳应用场景”。本书将为企业提供一个精心设计且经过实践检验的框架，帮助企业完成这一筛选过程。
●规划与战略—企业需要制定完整的数据与 AI战略，包括技术评估、能力差距分析以及相关方参与机制。
●支持实施监督—企业不能仅停留在理论和模拟阶段，还要掌握监督数据与 AI战略有效实施的专业知识，并将其转化为可实际运营的产品或项目。
●市场推广与验证—企业需要将商业数据与 AI解决方案推向市场，验证产品与市场的契合度，并通过 AI驱动的增长营销策略和产品主导增长模式实现业务规模化发展。
●评估与扩展—企业需要评估数据项目的实施效果，优化数据项目以提高投资回报率，并制定有效的规模化推广策略。
在 AI战略制定方面，本书将重点探讨预训练生成式 AI模型的应用，而非从零构建定制化大语言模型（LLM）。
开发定制 LLM不但技术复杂、尚属新兴领域，而且成本高昂、存在诸多不确定性风险。
以 BloombergGPT为例，这是彭博社开发的一个定制 LLM，该模型使用其内部专有的金融数据进行训练。尽管该项目投入巨大，耗资数千万美元，但根据最新相关研究，在金融自然语言处理任务中， ChatGPT和 GPT-4的性能反而优于 BloombergGPT。
本书提供的 AI战略构建指南，旨在帮助企业充分利用那些更容易获取且用途广泛的预训练生成式 AI模型。在介绍当前生成式 AI领域全貌的同时，本书着重于实用性讲解，避免过多介绍生成式 AI模型自身复杂的技术开发知识。
适读人群
本书面向那些期望通过战略性运用数据与 AI技术来实现业务快速增长的读者，包括技术型创始人和管理者、对数据与 AI基本概念有充分理解的非技术型创始人，以及希望提升战略思维能力和改进工作方法的数据科学家与开发工程师。
●具有数据科学方法论、工具和技术方面的专业知识储备。
●对 AI和机器学习的基本运作机理有深入的认识。 ●具备扎实的分析能力，且拥有实际的数据处理经验。
阅读本书后，你将具有以下收获：
●全面理解如何将数据与 AI战略与企业的总体战略目标保持一致。
●一套系统化方法，用于识别“潜在应用场景”并严谨地筛选出能带来最优投资回报率的“最佳应用场景”。
●在制定和展示数据战略方面具有充分的信心，能够获取利益相关方的认同并实现资源的高效配置。
●具备监管数据与 AI战略实施的能力，确保其能产生可量化的实际增长收益。
读完本书后，你将掌握数据与 AI战略决策者的思维方式，学会如何将数据转化为直接的商业价值，并能以符合组织目标且实现最大化投资回报的方式推进相关工作。
关键术语
在本书中，为了帮助读者全面把握数据与 AI战略制定过程中的每个细节，将始终采用以下关键术语。请特别注意这些术语的含义，因为读者对它们的准确理解是充分掌握本书内容的关键。
现状—企业在特定时间点的运营条件与业务状态。对这种状态的评估为分析和未来规划提供了基准参照。
未来状态—企业预期或规划的经营环境与运营状态，体现了从当前状态向理想目标转变的发展愿景。
应用场景—企业利用数据实现特定业务目标的具体实例。它为数据项目
潜在应用场景—经初步评估认定对企业而言具有高度相关性和可行性，但尚未进行深入分析的应用场景。它与企业现有的能力、业务目标和数据资源高度契合。这类应用场景可视为“触手可及的机会”，能够快速取得成效并创造明确的商业价值。将某个应用场景标记为“潜在应用场景”，表明其已满足初步筛选标准，值得进一步探究。这是筛选最优数据项目的重要环节之一。
最佳应用场景—企业经过全面评估并最终入选实施的单一应用场景。该应用场景经过严谨的分析论证，在实现业务目标、高效利用现有资源以及匹配团队技术能力与专业水平等方面，被认为最有可能创造最大价值。
落地应用场景—企业为实现特定应用场景所需执行的一系列行动和流程。在本书中，落地应用场景将是读者的“制胜应用场景”。这包括详细的规划、执行、监控以及最终的解决方案扩展。实施阶段是将理念和分析转化为切实可行的数据项目的关键阶段，正是在这个阶段，理论将付诸实践。
增长—在本书中，“增长”一词指代企业整体营收增长，尤其是产品主导增长模式和增长营销策略。这些增长类型是由本书所讨论的数据与 AI战略驱动的。我很幸运能与一群卓越人才合作，共同完成本书的创作。
John Wiley & Sons出版社的 Jim Minatel主导了本书的出版工作，并在我写作过程中给予了极大的鼓励。 John Sleeva协助我将初稿打磨成最终成品。同时感谢 Ashirvad Moses，在他的帮助下，本书出版工作的收官阶段得以顺利进行。
我要特别感谢挚友 Jay的真知灼见，他不仅在我写作期间给予鼓励，更作为重要的思想交流伙伴给予我莫大支持。
特此感谢 Damian Wolfgram，他凭借在《财富》500强企业中积累的丰富的产品领导和管理经验，对本书进行审阅并提供了宝贵建议。
最后，感谢 Satwik Mishra为本书提供 AI工程领域的专业知识建议。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
