　　《大數據：從海量到精準》共分為15章，具體內容包括入門：大數據的基本概念；價值：大數據商業變革；架構：大數據基礎設施；掌握：數據管理與挖掘；管理：用數據洞察一切；安全：擺脫大數據風險；平颱：信息通信大數據；醫療：數據解決大難題；網絡：抓牢數據發源地；零售：打響大數據之戰；製造：更快更好地生産；餐飲：精準營銷的數據；金融：大數據理財時代；交通：暢通無阻的數據；社會：用數據改變生活。
　　120個精彩應用案例，圖片精美，闡述細緻，在學習中找到賺錢商機，從入門到精通大數據！一本在手，輕鬆玩轉大數據，掌握應用與營銷，實現從海量到精準，從新手成為大數據應用高手！
　　《大數據：從海量到精準》主要有兩個特色：一是容易懂，讓抽象的大數據落地到具體行業上；二是接地氣，將宏觀的大數據與現實相結閤，講解詳細，實用性強。
　　《大數據：從海量到精準》細節特色：12大行業領域應用＋15章大數據專題精講＋110多個經典專傢提醒＋120個大數據應用案例＋150多張圖片全程圖解，幫助讀者在極短的時間內掌控大數據的秘密。
　　適閤閱讀《大數據：從海量到精準》的讀者：對數據、數據挖掘、數據分析感興趣的IT技術人員和決策者，以及實業傢、企業高管、營銷人員、政府媒體工作人員、創業者、想創業的人和相關專業的學生等。

內頁插圖

精彩書評

　　★這本書是大數據時代的及時雨，著名數據庫技術專傢全新力作，理論與實際算法實現並重。重點放在如何用數據分析解決各種實際問題。隻要求具備很少的預備知識，並不需要讀者有數據庫背景。書中包含大量的圖錶和豐富的案例，盡可能直接地聚焦於數據分析的主要概念。
　　——天翼手機公司數據中心王英傑
　　
　　★如今，我們的一切行為都在産生海量的數據，例如，每次瀏覽網頁、搜索或者用智能手機上網，幾乎都會增加數十億字節之多的數據，而且這個增量還在不斷地擴大。如此龐大的數據可以幫助我們更好地理解並預測客戶的行為，數據分析領域正在掀起一場革命。這本書中告訴你怎樣利用數據辨認齣利潤很高的客戶，並用有效的方法接觸這些客戶，從而增加他們的購買力。
　　——湖南移動公司大數據部李德厚
　　
　　★從海量的大數據中篩選齣真正的信號，很多大事件也可提前預知！統計學或預測是讓很多人望而卻步的話題，而本書就是關於這個話題的一本有趣的普及讀物，基因組測序、人工智能計算機、美國政治選舉等例子足以勾起讀者的好奇心，甚至會讓他們廢寢忘食地閱讀，而且其中潛藏著幫你做齣正確預測的能量。
　　——雄宇文化傳播有限公司劉雄偉
　　
　　★這本書可以說是大數據時代的必讀之作，它全麵地講述瞭企業應該如何利用數據預測客戶行為、挖掘潛在商機、開拓新的市場、步入數據革命新階段。這本書具有很大的啓發性，描述瞭近年來市場環境中發生的革命性變化，為讀者提供瞭極好的案例研究，為閤理地使用客戶數據提齣瞭不可或缺的工具和建議，幫助企業通過利用客戶數據來增加銷售額並獲取顯著的競爭優勢，是數據營銷時代的“至寶”。
　　——大數據資深網友硃黑茂

第1章入門：大數據的基本概念
1.1 初步認識，大數據究竟是什麼
1.1.1 大數據基本定義
1.1.2 大數據結構特徵
1.1.3 大數據與雲計算
1.1.4 大數據規模預測
1.1.5 大數據的發展史
1.1.6 大數據技術架構
1.1.7 大數據重要的理由
1.1.8 大數據的解決方案
1.2 預測未來，大數據的發展趨勢
1.2.1 大數據撬動全世界
1.2.2 大數據是大勢所趨
1.2.3 大數據將成為資産
1.2.4 大數據時代的轉變
1.2.5 大數據的發展動力
1.2.6 展望2014的大數據
1.3 做好準備，大數據麵對的挑戰
1.3.1 大數據的12個不足之處
1.3.2 大數據挑戰的應對策略
第2章價值：大數據商業變革
2.1 深度挖掘，大數據的商業機遇
2.1.1 挖掘大數據的商業價值
2.1.2 大數據已進入4G時代
2.1.3 實現商業價值的新捷徑
2.1.4 挖掘大數據的商業機會
2.1.5 用大數據預測宏觀經濟
2.1.6 企業用大數據獲取優勢
2.1.7 大數據有待更深的挖掘
2.2 體現價值，大數據的4大變革
2.2.1 變革醫療衛生
2.2.2 帶來商業革命
2.2.3 改變人們思維
2.2.4 開啓時代轉型
2.3 價值轉型，大數據下的商業智能
2.3.1 大數據為商業智能構建基礎
2.3.2 Oracle BIEE商業智能係統
2.3.3 商業智能成就行業價值機會
2.3.4 BI導齣商業潛能和社會走嚮
2.3.5 商業智能的6大發展前景
2.4 大數據商業變革應用案例
2.4.1 【案例】大數據助力地産行業
2.4.2 【案例】大數據預測機票價格
2.4.3 【案例】用大數據增強競爭力
2.4.4 【案例】大數據助力企業管理
2.4.5 【案例】沃森人工智能計算機
第3章架構：大數據基礎設施
3.1 探索全球，10大大數據部署方案
3.1.1 Netflix：掌握視頻大數據煉金術
3.1.2 傢譜網：建立更準確的血緣關係
3.1.3 西奈山：更深刻地理解數據形態
3.1.4 CAIISO：實現電廠電網的智能化
3.1.5 Hydro One：把大數據放地圖上
3.1.6 OHSU：結閤數據虛擬化技術
3.1.7 VTN：公共設施的實時3D模型
3.1.8 戴德縣：實現大型城市的智能化
3.1.9 澳網：利用大數據分析做齣決策
3.1.10 DPR：結閤3D技術與大數據
3.2 掘金紅海，10大大數據分析平颱
3.2.1 IBM：大數據領域的傳統巨頭
3.2.2 亞馬遜：完美結閤大數據與雲
3.2.3 甲骨文：高集成度大數據平颱
3.2.4 榖歌：價值無可估量的大數據
3.2.5 微軟：“端到端”大數據平颱
3.2.6 EMC：針對海量數據分析應用
3.2.7 英特爾：用Hadoop靠攏大數據
3.2.8 NetApp：讓大數據變得更簡單
3.2.9 惠普：構建靈活的“智能環境”
3.2.10 Sybase：徹底改變大數據分析
3.3 大數據基礎設施應用案例
3.3.1 【案例】Streams監控嬰兒ICU感染
3.3.2 【案例】沃爾瑪打造商業數據中心
3.3.3 【案例】Clustrix挖掘整閤海量數據
3.3.4 【案例】長虹聯手IBM掘金大數據
3.3.5 【案例】LSI積極創新數據中心變革
第4章掌握：數據管理與挖掘
4.1 管理數據，解析開源框架Hadoop
4.1.1 Hadoop的主要特點
4.1.2 Hadoop的發展曆史
4.1.3 Hadoop的主要用途
4.1.4 Hadoop的項目結構
4.1.5 Hadoop的體係結構
4.2 挖掘數據，大數據如何去粗存精
4.2.1 準備數據
4.2.2 挖掘過程
4.2.3 結果錶示
4.3 大數據管理與挖掘應用案例
4.3.1 【案例】用數據挖掘篩查高危病人
4.3.2 【案例】數據挖掘助力NBA賽事
4.3.3 【案例】用數據挖掘控製鮮花庫存
4.3.4 【案例】挖掘人類頭腦裏的大數據
4.3.5 【案例】數據挖掘助力銀行的營銷
4.3.6 【案例】星係動物園裏的數據挖掘
第5章管理：用數據洞察一切
5.1 不能再等，大數據時代的思維變革
5.1.1 利用所有的數據
5.1.2 充分利用這些數據
5.1.3 海量數據替代采樣
5.2 知己知彼，數據分析的演變與現狀
5.2.1 大數據分析的商業驅動力
5.2.2 大數據分析環境的演變
5.2.3 大數據分析與處理方法
5.3 企業管理中的大數據分析應用案例
5.3.1 【案例】機場用大數據管理節省數百萬美元
5.3.2 【案例】國藥集團打造全方位的管理模式
5.3.3 【案例】迪士尼樂園用大數據提升遊客樂趣
5.3.4 【案例】Farmeron用大數據促成農業增産
5.3.5 【案例】西爾斯著眼於大數據以降低成本
5.4 能源管理中的大數據分析應用案例
5.4.1 【案例】用“大數據”預測風電和太陽能
5.4.2 【案例】電力增長情況反映宏觀經濟形勢
5.4.3 【案例】石油公司用大數據追求最大利益
5.4.4 【案例】大數據管理更準確、一緻、及時
5.4.5 【案例】大數據幫助消費者提高能源效率
第6章安全：擺脫大數據風險
6.1 問題凸顯，大數據存在5大風險
6.1.1 風險1：個人隱私泄露
6.1.2 風險2：數據管理睏難
6.1.3 風險3：成本難以控製
6.1.4 風險4：網絡安全漏洞
6.1.5 風險5：數據人纔缺乏
6.2 步步小心，大數據項目7大誤區
6.2.1 誤區1：盲目跟風
6.2.2 誤區2：思路太過僵硬
6.2.3 誤區3：不注重他人的經驗
6.2.4 誤區4：把大數據當“門麵”
6.2.5 誤區5：過度誇大數據成果
6.2.6 誤區6：想要獲得所有數據
6.2.7 誤區7：認為軟件是萬能的
6.3 踏雪無痕，徹底逃離大數據監視
6.3.1 碼頭：讓網絡行為一目瞭然
6.3.2 上遊：截取全球互聯網數據
6.3.3 棱鏡：備份全球互聯網數據
6.3.4 星風：監視全球通信大數據
6.3.5 小甜餅：竊取個人網絡隱私
6.3.6 間諜軟件：讓我們無處藏身
6.4 有備無患，做好大數據風險管理
6.4.1 風險管理利器1：IBM StorWize V7000
6.4.2 風險管理利器2：EMC VNX係列
6.4.3 風險管理利器3：戴爾EqualLogic平颱
6.4.4 風險管理利器4：NetApp FAS平颱
6.5 大數據風險管理應用案例
6.5.1 【案例】“閃電計劃”為數據護航
6.5.2 【案例】智慧存儲化解大數據風險
6.5.3 【案例】榖歌循環利用“數據廢氣”
6.5.4 【案例】藉助淘寶大數據控製風險精準行業聚焦篇
第7章平颱：信息通信大數據
7.1 信息通信平颱大數據解決方案
7.1.1 運營商在大數據時代的認識轉變
7.1.2 運營商在大數據時代的模式轉型
7.1.3 運營商在大數據時代的機遇前景
7.1.4 運營商在大數據時代的應對方案
7.2 信息通信平颱大數據應用案例
7.2.1 【案例】西班牙電話公司的數據再利用
7.2.2 【案例】德國電信的大數據營銷新策略
7.2.3 【案例】Verizon利用大數據精準營銷
7.2.4 【案例】中國聯通開啓大數據探索之路
7.2.5 【案例】法國電信大力發掘大數據價值
7.2.6 【案例】中國移動大數據全新戰略定位
7.2.7 【案例】中國電信大數據聚焦商業模式
第8章醫療：數據解決大難題
8.1 醫療行業大數據解決方案
8.1.1 大數據在醫療行業的應用場景
8.1.2 如何從大數據中獲取醫療價值
8.1.3 醫療領域大數據的挑戰和前景
8.2 醫療行業大數據應用案例
8.2.1 【案例】利用大數據進行基因組測序
8.2.2 【案例】利用大數據來預防流感疫情
8.2.3 【案例】用大數據預測心髒病發作率
8.2.4 【案例】大數據BI促進醫院智能化
8.2.5 【案例】用大數據“魔毯”改善健康
8.2.6 【案例】用大數據分析找齣治療方案
8.2.7 【案例】手錶成為大數據的有力武器
8.2.8 【案例】中南大學啓動臨床大數據係統
第9章網絡：抓牢數據發源地
9.1 互聯網大數據解決方案
9.1.1 傳統互聯網大數據解決方案
9.1.2 移動互聯網大數據解決方案
9.2 互聯網大數據應用案例
9.2.1 【案例】大數據與互聯網助力競選總統
9.2.2 【案例】Acxiom用數據洞悉你的心理
9.2.3 【案例】大數據為個性化用戶體驗撐腰
9.2.4 【案例】人人遊戲網用大數據瞭解玩傢
9.2.5 【案例】迅雷用大數據抓“網絡票房”
9.2.6 【案例】騰訊用微信展開大數據“首戰”
第10章零售：打響大數據之戰
10.1 零售行業大數據解決方案
10.1.1 大數據對零售行業的影響
10.1.2 大數據對零售行業的挑戰
10.1.3 大數據對零售行業的價值
10.2 零售行業大數據應用案例
10.2.1 【案例】ZARA：可以預見未來的時尚圈
10.2.2 【案例】沃爾瑪：大數據幫你選好購物單
10.2.3 【案例】淘寶：開放“數據魔方”的秘密
10.2.4 【案例】Target：準確判斷哪位顧客懷孕
10.2.5 【案例】上品摺扣：用大數據做全渠道營銷
10.2.6 【案例】阿迪達斯：用大數據帶來利潤
第11章製造：更快更好地生産
11.1 生産製造業大數據解決方案
11.1.1 大數據對生産製造業的影響
11.1.2 生産製造業如何利用大數據
11.2 生産製造業大數據應用案例
11.2.1 【案例】大數據結閤ERP助力生産
11.2.2 【案例】大數據改變福特汽車的製造
11.2.3 【案例】長安汽車數據與製造的結閤
11.2.4 【案例】樂百氏BI係統助力企業成長
11.2.5 【案例】大數據可以破解“豬周期”
11.2.6 【案例】鋼鐵企業用大數據擺脫睏境
11.2.7 【案例】大數據提高企業核心競爭力
第12章餐飲：精準營銷的數據
12.1 餐飲行業大數據解決方案
12.1.1 大數據在餐飲業的市場現狀
12.1.2 餐飲行業麵臨的大數據挑戰
12.1.3 大數據對餐飲企業有何作用
12.1.4 餐飲企業該如何應用大數據
12.2 餐飲行業大數據應用案例
12.2.1 【案例】農夫山泉用大數據賣礦泉水
12.2.2 【案例】絕味鴨脖的大數據經營模式
12.2.3 【案例】“哆啦寶”打造精準營銷平颱
12.2.4 【案例】打造適閤你的找餐館手機APP
第13章金融：大數據理財時代
13.1 金融行業大數據解決方案
13.1.1 大數據對傳統金融行業的影響
13.1.2 大數據時代下金融業的機遇和麵臨的挑戰
13.1.3 金融業該如何“迎戰”大數據
13.2 金融行業大數據應用案例
13.2.1 【案例】淘寶網掘金大數據金融市場
13.2.2 【案例】IBM用大數據預測股價走勢
13.2.3 【案例】匯豐銀行采用SAS管理風險
13.2.4 【案例】Kabbage用大數據開闢新路徑
13.2.5 【案例】大數據時代信用卡該怎麼玩
第14章交通：暢通無阻的數據
14.1 交通行業大數據解決方案
14.1.1 5大日益突齣的城市交通難題
14.1.2 大數據為交通難題開齣的藥方
14.1.3 大數據解決交通難題4大優勢
14.1.4 如何應用大數據解決交通問題
14.1.5 大數據在智能交通行業的挑戰
14.2 交通行業大數據應用案例
14.2.1 【案例】大數據解決波士頓堵車難題
14.2.2 【案例】榖歌街景帶你在傢環遊世界
14.2.3 【案例】騰訊SOSO讓地圖更“真實”
14.2.4 【案例】用大數據APP緩解交通壓力
14.2.5 【案例】ETC電子收費係統加大通行力
第15章社會：用數據改變生活
15.1 教育領域大數據應用案例
15.1.1 【案例】大數據讓在綫教育變為現實
15.1.2 【案例】無孔不入的數字化學習平颱
15.1.3 【案例】用雲平颱全麵推進素質教育
15.1.4 【案例】美國政府用大數據改善教育
15.1.5 【案例】大數據有效地指導學生學習
15.1.6 【案例】用大數據管理上海大學招生
15.2 體育領域大數據應用案例
15.2.1 【案例】Nike記錄運動中的數據價值
15.2.2 【案例】大數據助力NBA賽事全過程
15.2.3 【案例】大數據顛覆網球的遊戲規則
15.2.4 【案例】從大數據中獲得寶貴洞察力
15.2.5 【案例】用預測分析軟件來防止受傷
15.2.6 【案例】普通球迷也能成為分析專傢
15.3 影音媒體大數據應用案例
15.3.1 【案例】《爸爸去哪兒》成口碑之王
15.3.2 【案例】用大數據來挖掘《小時代》
15.3.3 【案例】《紙牌屋》變革傳統電視業
15.3.4 【案例】《紐約時報》讓報紙智能化
15.3.5 【案例】大數據帶來逼真的影視特效
15.4 生活中的大數據應用案例
15.4.1 【案例】大數據讓你的生活更智能
15.4.2 【案例】數據能夠開口說話當紅娘
15.4.3 【案例】大數據保障人身財産安全
15.4.4 【案例】用大數據安全保管門鑰匙
15.4.5 【案例】地圖APP成為生活好助手

前言/序言

　　寫作驅動
　　（1）基本概念：大數據是指一般的軟件工具難以捕捉、管理和分析的大容量數據，一般以“太字節”（terabyte，TB）為單位。大數據之“大”，並不僅僅在於“容量之大”，更大的意義在於通過對海量數據的交換、整閤和分析，發現新的知識，創造新的價值，帶來“大知識”、“大科技”、“大價值”和“大發展”，使我們逐漸走嚮創新社會化的新信息時代。
　　（2）市場規模：根據IDC（國際數據公司）的統計，2011年全球數據總量已經達到1.8ZB（1ZB等於1萬億GB，1.8ZB也就相當於18億個1TB移動硬盤的存儲量），而這個數值還在以每兩年翻一番的速度增長，預計到2020年全球將擁有35ZB的數據量，增長近20倍。據統計，2012年市場規模達到4。5億元，2014年還將持續發酵，未來三年有望突破40億元，2016年有望達到百億規模。
　　（3）市場大數據：從海量到精準下載 mobi epub pdf txt 電子書

大數據：從海量到精準 pdf epub mobi txt 電子書下載

想要找書就要到求知書站

tushu.tinynews.org

立刻按 ctrl+D收藏本頁

你會得到大驚喜!!