大数据技术与应用PDF|Epub|txt|kindle电子书版本网盘下载

大数据技术与应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1篇 理念篇1

1信息时代背景及大数据基本介绍1

1.1 信息时代的主要数据源1

1.1.1 互联网1

1.1.2 社交网络1

1.1.3 云计算2

1.1.4 物联网3

1.1.5 智能终端3

1.1.6 信息时代数据增长的特点3

1.2 大数据及其特点4

1.2.1 大数据的概念4

1.2.2 大数据的主要来源5

1.2.3 大数据的特征5

1.3 大数据的重要性及其价值6

1.4 大数据对组织的战略机遇8

1.4.1 新型战略资源8

1.4.2 商业洞察能力8

1.4.3 财务管理新模式9

1.4.4 营销的革命10

本章小结10

思考题11

2常见大数据源及其应用价值分析12

2.1 车载信息服务数据12

2.1.1 车载信息服务的概念12

2.1.2 车载信息数据的应用价值13

2.2 位置数据及其价值14

2.3 RFID数据及其价值15

2.3.1 什么是RFID15

2.3.2 RFID数据的应用价值16

2.4 文本数据17

2.5 其他大数据源19

2.5.1 社交网络数据19

2.5.2 传感器数据20

2.5.3 智能电网数据20

2.5.4 遥测数据21

本章小结21

思考题21

3大数据应用的基本策略22

3.1 大数据的商业应用架构22

3.1.1 理念共识22

3.1.2 组织协同22

3.1.3 技术储备23

3.2 大数据应用的前期准备25

3.2.1 制定大数据应用目标25

3.2.2 大数据采集28

3.2.3 已有信息系统的优化28

3.2.4 多系统、多结构数据的规范化29

3.2.5 大数据收集中的可拓创新方法30

3.3 大数据分析的基本过程31

3.3.1 数据准备31

3.3.2 数据探索31

3.3.3 模式知识发现32

3.3.4 预测建模32

3.3.5 模型评估32

3.3.6 知识应用33

3.4 数据仓库的协同应用33

3.4.1 多维数据结构33

3.4.2 多维数据的分析操作34

3.4.3 数据相关性分析和多元回归分析36

3.5 大数据战略与运营创新40

本章小结42

思考题42

第2篇 技术篇45

4大数据应用的相关技术45

4.1 数据收集与预处理技术45

4.1.1 数据收集技术45

4.1.2 数据存储技术49

4.1.3 数据预处理技术52

4.2 常用数据挖掘方法55

4.2.1 分类55

4.2.2 主成分分析61

4.2.3 聚类分析64

4.2.4 关联规则67

4.2.5 时序模式69

4.2.6 决策树70

4.2.7 常用的异常数据挖掘方法73

4.2.8 可拓数据挖掘74

4.3 半结构化大数据挖掘77

4.3.1 Web挖掘77

4.3.2 文本分类挖掘81

4.4 大数据应用中的智能知识管理84

4.4.1 大数据应用面临的困难84

4.4.2 智能知识管理定义与框架86

4.4.3 智能知识管理的研究和应用现状88

4.4.4 大数据背景下智能知识管理未来发展方向88

4.5 大数据处理的开源技术工具91

4.5.1 数据流处理工具Storm和Kafka91

4.5.2 查询搜索工具Drill和Dremel92

4.5.3 开源统计语言R92

4.5.4 图形分析工具Gremlin和Giraph92

4.5.5 全内存的分析平台SAP Hana92

4.5.6 可视化类库D392

4.6 知名公司的大数据技术方案93

本章小结94

思考题94

5主要数据挖掘工具及平台简介95

5.1 数据挖掘工具平台Clementine95

5.2 SAS （Statistical Analysis System） /EM （Enterprise Miner）105

5.3 IBM Intelligent Miner106

5.4 R语言113

5.5 DistBelief113

5.6 Hadoop114

5.7 MapReduce116

本章小结116

思考题117

第3篇 应用篇118

6成为优秀的大数据分析师118

6.1 什么是大数据分析师118

6.2 优秀的大数据分析师具备的素质119

6.2.1 教育背景119

6.2.2 行业经验120

6.2.3 团队合作120

6.3 优秀分析专家其他特质121

6.3.1 敬业精神121

6.3.2 创造力121

6.3.3 商业头脑121

6.3.4 文化认同122

6.3.5 演讲能力与沟通技巧122

本章小结123

思考题123

7大数据应用经典案例124

7.1 金融行业大数据应用案例124

7.1.1 中国人民银行征信管理局个人信用评分124

7.1.2 金融衍生品交易结算风险控制126

7.1.3 全球经济监测与政策模拟仿真平台127

7.1.4 网络舆情监控128

7.2 国外政府大数据应用经典案例129

7.2.1 美国政府的数据开放策略129

7.2.2 万维信息触角计划：追踪恐怖分子的“数据脚印”129

7.2.3 街头警察的数据传奇130

7.2.4 奥巴马：网络总统的网络整合推广营销131

7.2.5 流行疾传播预测133

7.2.6 Data.Gov：数据开放之路134

7.3 企业大数据应用经典案例135

7.3.1 电子商务案例135

7.3.2 市场销售案例136

7.3.3 物流运输业案例138

7.3.4 市政领域案例140

7.3.5 社交网络案例141

7.3.6 通信业案例143

7.3.7 金融业案例143

本章小结145

思考题146

8政府工作中的大数据应用147

8.1 数据与政府职能147

8.2 大数据应用层面分析149

8.2.1 医疗与健康149

8.2.2 数据新闻学150

8.2.3 社会管理152

8.2.4 金融业应用154

8.2.5 零售业应用155

8.2.6 物联网与智慧城市155

8.2.7 欺诈检测158

8.2.8 网络安全159

本章小结160

思考题160

9互联网中的大数据商机161

9.1 互联网大数据主要来源161

9.1.1 网络行为的结果数据161

9.1.2 网络行为的过程数据162

9.1.3 反馈的结果数据163

9.2 互联网中的大数据采集163

9.2.1 Web日志数据采集163

9.2.2 微博数据采集165

9.2.3 网络评论数据采集165

9.3 互联网大数据的应用方向167

9.3.1 最优的推荐商品167

9.3.2 流失模型169

9.3.3 响应模型170

9.3.4 客户分类171

9.3.5 理解互联网广告受众174

9.3.6 广告效果评估176

9.3.7 网站用户转化率分析177

9.3.8 电子商务应用177

9.3.9 移动互联网的大数据应用181

9.4 互联网大数据的应用目标182

9.5 互联网与个人隐私保护182

本章小结183

思考题183

10大数据与未来之路184

10.1 国外大数据战略184

10.1.1 美国推动大数据技术发展的主要做法184

10.1.2 日本的大数据战略185

10.1.3 联合国的大数据行动185

10.1.4 英国的大数据战略186

10.2 我国实施国家大数据战略187

10.2.1 我国实施国家大数据战略的新成效187

10.2.2 我国实施国家大数据战略面临的挑战188

10.2.3 更好实施我国大数据战略政策建议189

10.3 大数据的机遇、挑战与应对190

10.3.1 大数据机遇190

10.3.2 大数据挑战及应对192

10.4 我国的大数据优势及实施策略193

10.4.1 我国的大数据优势193

10.4.2 大数据应用体系194

10.5 大数据行动196

10.5.1 未来可能的政府行动196

10.5.2 未来大数据的支持领域197

10.5.3 大数据公共政策198

10.6 大数据未来发展的主要领域199

10.6.1 大数据存储199

10.6.2 大数据计算199

10.6.3 数据安全与隐私保护200

10.6.4 大数据整合技术200

10.6.5 大数据与云计算200

本章小结202

思考题202

参考文献203