數據是最有價值的資源，發掘這一價值需要超越技術本身。本書拋開數據科學技術的細節，致力于解決該主題研究中通常沒有涵蓋的數據科學“其余部分”的關鍵問題。包括確立正確問題，收集正確數據，進行正確分析，做出正確決策以及決策評估，與決策者建立信任，將數據科學團隊置于正確的組織節點，以及幫助公司實現數據驅動等內容。這本書給出了數據科學入門和避免陷阱的實用性建議，解決了幾代統計學家面臨的問題，是統計學、計算機科學系、商學院，分析學院專業人士以及所有企業管理者的必讀書。
【以色列】羅恩·S.科耐特（Ron S. Kenett）
----------------------------
羅恩·S.科耐特（Ron S. Kenett）以色列KPA集團主席，以色列理工學院塞繆爾?尼曼研究院高級研究員，曾任美國紐約州立大學運營管理學教授，是以色列統計協會（ISA）和歐洲工商業統計網絡（ENBIS）的前任主席。他是一名有學術、咨詢和商業領域專業知識的應用統計學家，撰寫了250多篇論文和14本書，內容涉及生物統計學，醫療保健，工業統計，數據挖掘，客戶調查，多元質量控制，風險管理和綜合管理模型等主題。
【美國】托馬斯·C.雷德曼（Thomas C. Redman）
----------------------------
托馬斯·C.雷德曼，數據質量解決方案公司總裁，致力于為組織提供數據和數據質量計劃方面的建議。撰有“數據驅動：從您最重要的商業資產中獲利”一書（哈佛商業出版社于2008年出版），該書是當年圖書館雜志（Library Journal）優秀商業書籍之一。
游越
----------------------------
游越，理學碩士，北京大學圖書館館員，先后在信息咨詢部和綜合管理中心工作。主要研究方向為學科情報服務、信息資源檢索、信息素質教育、數據管理和用戶服務等；曾獲“北京大學第14屆青年教師教學基本功比賽 ”人文社科組三等獎等。
蕭群
----------------------------
蕭群，畢業于北京大學心理系，曾任北京大學社會科學部常務副部長、北京大學圖書館黨委書記兼副館長、北京大學產業黨工委書記、校產辦主任等。主要研究方向為科研管理、信息管理與服務、人力資源管理、企業管理等；曾獲“北京大學優秀黨務和思想政治工作者——李大釗獎”等。
劉素清
----------------------------
劉素清，北京大學圖書館副館長，研究館員；中國圖書館學會理事，中國圖書館學會學術委員會副主任，《大學圖書館學報》副主編。畢業于北京大學信息管理系，先后在北京大學圖書館編目部、CALIS、信息咨詢部和綜合管理中心工作。主要研究方向為信息資源組織與檢索、信息素質教育、用戶服務等。
1，崇高的使命 ............................................................................. 001
2，優秀的數據科學家與卓越的數據科學家之間的區別...............013
3，學習不同的商業模式 ............................................................... 021
4，了解真正的問題 ...................................................................... 029
5，走出去 .................................................................................... 035
6，很遺憾，你不能信任數據........................................................ 043
7，使人們更容易理解你的觀點 .................................................... 055
8，當數據不管用時，相信你的直覺 ............................................. 063
9，對結果負責 ............................................................................. 069
10，數據驅動意味著什么？ ........................................................... 077
11，去除決策過程中的偏見 ............................................................ 085
12，教，教，教 .............................................................................. 095
13，正式地評估數據科學產出......................................................... 107
14，高級領導者的教育 ................................................................... 113
15，把數據科學和數據科學家放在正確的位置 ............................... 123
16，提升分析成熟度級別 ................................................................ 131
17，工業革命與數據科學 ................................................................ 139
新書資訊