DX最強數位轉型實作力: 優化業務流程X制定精準改善措施X建立商業價值模型, 導入客製化專屬獲利模式 | 誠品線上

実務担当者のためのビジネスプロセスDX実装ガイドブック

內容簡介

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。

作者介紹

作者介紹 姓名：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。 姓名：林怡君自由譯者，擅長科普類、機械類主題。譯有《多重宇宙：量子力學、超弦理論、9+1維度空間，人類對宇宙的最新真相探究》。

產品目錄

產品目錄 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３Step 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４Step 2《建立「現行業務流程圖」》整理現行的業務流程５Step 3《建立「DX後業務流程圖」》重新設計理想的業務流程６Step4《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７Step5《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LTV３Step 1定義LTV４Step 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

商品規格

最佳賣點

最佳賣點 : 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

活動

• 8/4前 全站滿$1,600享92折
• 8/4前 全站滿$5,000享9折