> 資料庫儲存與管理
更多關於 》《駕馭大資料》
內容簡介
書籍計算機書籍
《駕馭大數》為讀者提供了處理大資料和在你的企業中培養一種創新和發現的文化所需的工具、過程和方法，描繪了乙個易於實施的行動計畫，以幫助你的企業發現新的商業機會，實現新的業務流程，並做出更明智的決策。
《駕馭大數》主要介紹了如何駕馭大資料浪潮，並詳細地介紹了什麼是大資料，大資料為什麼重要，以及如何應用大資料。本書還從具體實用的角度，介紹了用於分析和操作大資料的工具、技術和方法；以及人才和企業文化的角度，介紹了如何使分析專家、分析團隊以及所需的分析原則更加高效，如何通過分析創新中心使得分析更加有創造力，以及如何改變分析文化。
《駕馭大數》適於所有對資料、資料探勘、資料分析感興趣的技術人員和決策者閱讀。
目錄《駕馭大數》
第一部分 大資料的興起
第1章 什麼是大資料，大資料為什麼重要
1.1 什麼是大資料
1.2 大資料中的「大」和「資料」哪個更重要
1.3 大資料有何不同
1.4 大資料為何是數量更多的、相同型別的傳統資料
1.5 大資料的風險
1.6 你為什麼需要駕馭大資料
1.7 大資料的結構
1.8 探索大資料
1.9 很多大資料其實並不重要
1.10 有效過濾大資料
1.11 將大資料和傳統資料混合
1.12 對大資料標準的需求
1.13 今天的大資料將不再是明天的大資料
1.14 本章小結
第2章 網路資料：原始的大資料
2.1 網路資料概觀
2.1.1 你遺漏了什麼
2.1.2 想象各種可能性
2.1.3 乙個全新的資訊**
2.1.4 應當收集什麼資料
2.1.5 關於隱私
2.2 網路資料揭示了什麼
2.2.1 購物行為
2.2.2 顧客的購買路徑和偏好
2.2.3 研究行為
2.2.4 反饋行為
2.3 行動中的網路資料
2.3.1 最優的推薦商品
2.3.2 流失模型
2.3.3 響應模型
2.3.4 顧客分類
2.3.5 評估廣告效果
2.4 本章小結
第3章 典型大資料來源及其價值
3.1 汽車保險業：車載資訊服務資料的價值
3.2 多個行業：文字資料的價值
3.3 多個行業：時間資料與位置資料的價值
3.4 零售製造業
4.4.1 公有雲
4.4.2 私有雲
4.4.3 雲計算小結
4.5 網格計算
4.6 mapreduce
4.6.1 mapreduce工作原理
4.6.2 mapreduce優缺點
4.6.3 mapreduce小結
4.7 這不是乙個單選題
4.8 本章小結
第5章 分析流程的演進
5.1 分析沙箱
5.1.1 分析沙箱：定義與範圍
5.1.2 分析沙箱的好處
5.1.3 內部分析沙箱
5.1.4 外部分析沙箱
5.1.5 混合式分析沙箱
5.1.6 不要僅僅使用資料，而要豐富資料
5.1.7 系統負載管理和容量規劃
5.2 什麼是分析資料集
5.2.1 兩種分析資料集
5.2.2 傳統的分析資料集
5.3 企業分析資料集
5.3.1 什麼時候建立企業分析資料集
5.3.2 企業分析資料集裡有什麼
5.3.3 邏輯結構與物理結構
5.3.4 更新企業分析資料集
5.3.5 彙總表還是概要檢視
5.3.6 分享財富
5.4嵌入式評分
5.4.1 嵌入式評分整合
5.4.2 模型與評分管理
5.5 本章小結
第6章 分析工具與方法的演進
6.1 分析方法的演進
6.1.1 組合建模
6.1.2 簡易模型
6.1.3 文字分析
6.1.4 跟上分析方法的發展腳步
6.2 分析工具的演進
6.2.1 圖形化使用者介面的崛起
6.2.2 單點解決方案的興起
6.2.3開源的歷史
6.2.4 資料視覺化的歷史
6.3 本章小結
第三部分 駕馭大資料：人和方法
第7章 如何提供優質分析
7.1 分析與報表
7.1.1 報表
7.1.2 分析
7.2 分析的g.r.e.a.t原則
7.2.1 導向性（guided）
7.2.2 相關性（relevant）
7.2.3 可解釋性（explainable）
7.2.4 可行性（actionable）
7.2.5 及時性（timely）
7.3 核心分析方法與高階分析方法
7.4 堅持你的分析
7.5 正確地分析問題
7.6 統計顯著性與業務重要程度
7.6.1 統計顯著性
7.6.2 業務重要程度
7.7 樣本vs全體
7.8 業務推斷與統計計算
7.9 本章小結
第8章 如何成為優秀的分析專家
8.1 哪些人是分析專家
8.2 對分析專家常見的誤解
8.3 每一位優秀的分析專家都是獨特的
8.3.1 教育
8.3.2 行業經驗
8.3.3 當心「人力資源清單」
8.4 優秀分析專家身上經常被低估的特質
8.4.1 承諾
8.4.2 創造力
8.4.3 商業頭腦
8.4.4 演講能力與溝通技巧
8.4.5 直覺
8.5 分析認證有意義嗎，還是干擾視聽的噪音
8.6 本章小結
第9章 如何打造優秀的分析團隊
9.1 各個行業並非生而平等
9.2 行動起來
9.3 人才緊縮
9.4 團隊組織結構
9.4.1 分布式組織結構
9.4.2 集中式組織結構
9.4.3 混合式組織結構
9.5 持續更新團隊技能
9.5.1 矩陣式方法
9.5.2 管理人員不能眼高手低
9.6 應該由誰來做高階分析工作
9.6.1 前後矛盾的地方
9.6.2 如何幫助剛剛從事分析工作的新手茁壯成長
9.7 it人員和分析專家為何相處不好
9.8 本章小結
第四部分 整合：分析文化
第10章 促進分析創新
10.1 商業需要更多創新
10.2 傳統的方法阻礙了創新
10.3 定義分析創新
10.4 在創新分析中使用迭代方法
10.5 考慮換個角度
10.6 你是否為建立分析創新中心做好了準備
10.6.1 元件1：技術平台
10.6.2 元件2：第三方的產品和服務
10.6.3 元件3：承諾和支援
10.6.4 元件4：強大的團隊
10.6.5 元件5：創新委員會
10.6.6 分析創新中心的指導原則
10.6.7 分析創新中心的工作範圍
10.6.8 處理失敗
10.7 本章小結
第11章 營造創新和探索的文化氛圍
11.1 做好準備
11.1.1 crocs和jibbitz的傳說
11.1.2 推動創新
11.2 關鍵原則概述
11.2.1 原則1：打破思維定勢
11.2.2 原則2：形成連鎖反應
11.2.3 原則3：統一行動目標
11.3 本章小結
結論：再敢想一些
互動出版網
《駕馭大資料》閱讀體會
駕馭大資料 一書作者bill franks是teradata公司全球合作夥伴計畫的首席分析專家。基於teradata公司的行業地位，以及對大資料分析的興趣，我在京東 購買了此書，並利用大約1周的空閒時間完成了閱讀計畫。注意到這本書的序言之前還有一篇題為 駕馭未來的價值發現之旅 的短文，其作者辛兒倫先...
駕馭大資料第七章部分內容
原著 bill franks 第七章標題 what makes great analysis 譯文 7.1分析與報告 許多組織認為分析與報告是一回事。這種觀點看起來好像對，我們在深入討論一下。報告很重要並且很有價值。如果報告準確無誤，那麼價值將會增加。但是報告有它的侷限性，我們必須知道這個侷限性是什...
4大案例分析金融機構如何「駕馭」大資料
就 大資料 金融 思維利用而言，國外金融機構有著十足豐富的體現，已經將大資料技術在風險控制 運營管理 銷售支援及商業模式創新等領域進行了全面的嘗試。案例一 匯豐銀行 風險管理 匯豐銀行在防範信用卡和借記卡欺詐的基礎上，利用sas構建了一套全球業務網路的防欺詐管理系統，為多種業務線和渠道提供完善的欺詐...