驾驭大数据PDF|Epub|txt|kindle电子书版本网盘下载

驾驭大数据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

第一部分 大数据的兴起3

第1章 什么是大数据，大数据为什么重要3

1.1 什么是大数据3

1.2 大数据中的“大”和“数据”哪个更重要5

1.3 大数据有何不同6

1.4 大数据为何是数量更多的、相同类型的传统数据8

1.5 大数据的风险9

1.6 你为什么需要驾驭大数据11

1.7 大数据的结构12

1.8 探索大数据14

1.9 很多大数据其实并不重要15

1.10 有效过滤大数据17

1.11 将大数据和传统数据混合18

1.12 对大数据标准的需求19

1.13 今天的大数据将不再是明天的大数据20

1.14 本章小结22

第2章 网络数据：原始的大数据25

2.1 网络数据概观26

2.1.1 你遗漏了什么27

2.1.2 想象各种可能性28

2.1.3 一个全新的信息来源28

2.1.4 应当收集什么数据29

2.1.5 关于隐私30

2.2 网络数据揭示了什么31

2.2.1 购物行为31

2.2.2 顾客的购买路径和偏好32

2.2.3 研究行为33

2.2.4 反馈行为34

2.3 行动中的网络数据35

2.3.1 最优的推荐商品35

2.3.2 流失模型37

2.3.3 响应模型38

2.3.4 顾客分类39

2.3.5 评估广告效果40

2.4 本章小结41

第3章 典型大数据源及其价值43

3.1 汽车保险业：车载信息服务数据的价值44

3.2 多个行业：文本数据的价值46

3.3 多个行业：时间数据与位置数据的价值49

3.4 零售制造业：RFID数据的价值52

3.5 电力行业：智能电网数据的价值55

3.6 博彩业：筹码跟踪数据的价值57

3.7 工业发动机和设备：传感器数据的价值59

3.8 视频游戏：遥测数据的价值61

3.9 电信业与其他行业：社交网络数据的价值63

3.10 本章小结66

第二部分 驾驭大数据：技术、流程以及方法71

第4章 分析可扩展性的演进71

4.1 分析可扩展性的历史71

4.2 分析与数据环境的关联性73

4.3 海量并行处理系统77

4.3.1 使用MPP系统进行数据准备与评分79

4.3.2 使用MPP系统进行数据准备与评分小结84

4.4 云计算85

4.4.1 公有云86

4.4.2 私有云89

4.4.3 云计算小结90

4.5 网格计算91

4.6 MapReduce92

4.6.1 MapReduce工作原理93

4.6.2 MapReduce优缺点96

4.6.3 MapReduce小结97

4.7 这不是一个单选题98

4.8 本章小结99

第5章 分析流程的演进101

5.1 分析沙箱102

5.1.1 分析沙箱：定义与范围102

5.1.2 分析沙箱的好处103

5.1.3 内部分析沙箱104

5.1.4 外部分析沙箱105

5.1.5 混合式分析沙箱107

5.1.6 不要仅仅使用数据，而要丰富数据108

5.1.7 系统负载管理和容量规划109

5.2 什么是分析数据集111

5.2.1 两种分析数据集111

5.2.2 传统的分析数据集112

5.3 企业分析数据集114

5.3.1 什么时候创建企业分析数据集115

5.3.2 企业分析数据集里有什么116

5.3.3 逻辑结构与物理结构117

5.3.4 更新企业分析数据集118

5.3.5 汇总表还是概要视图118

5.3.6 分享财富120

5.4 嵌入式评分120

5.4.1 嵌入式评分集成122

5.4.2 模型与评分管理123

5.5 本章小结125

第6章 分析工具与方法的演进127

6.1 分析方法的演进127

6.1.1 组合建模128

6.1.2 简易模型129

6.1.3 文本分析132

6.1.4 跟上分析方法的发展脚步134

6.2 分析工具的演进135

6.2.1 图形化用户界面的崛起135

6.2.2 单点解决方案的兴起137

6.2.3 开源的历史138

6.2.4 数据可视化的历史140

6.3 本章小结145

第三部分 驾驭大数据：人和方法149

第7章 如何提供优质分析149

7.1 分析与报表149

7.1.1 报表150

7.1.2 分析152

7.2 分析的G.R.E.A.T原则153

7.2.1 导向性（Guided）154

7.2.2 相关性（Relevant）154

7.2.3 可解释性（Explainable）154

7.2.4 可行性（Actionable）154

7.2.5 及时性（Timely）154

7.3 核心分析方法与高级分析方法155

7.4 坚持你的分析156

7.5 正确地分析问题157

7.6 统计显著性与业务重要程度159

7.6.1 统计显著性159

7.6.2 业务重要程度162

7.7 样本VS全体162

7.8 业务推断与统计计算165

7.9 本章小结166

第8章 如何成为优秀的分析专家169

8.1 哪些人是分析专家169

8.2 对分析专家常见的误解170

8.3 每一位优秀的分析专家都是独特的171

8.3.1 教育171

8.3.2 行业经验172

8.3.3 当心“人力资源清单”173

8.4 优秀分析专家身上经常被低估的特质174

8.4.1 承诺174

8.4.2 创造力174

8.4.3 商业头脑177

8.4.4 演讲能力与沟通技巧180

8.4.5 直觉183

8.5 分析认证有意义吗，还是干扰视听的噪音185

8.6 本章小结186

第9章 如何打造优秀的分析团队189

9.1 各个行业并非生而平等189

9.2 行动起来191

9.3 人才紧缩192

9.4 团队组织结构193

9.4.1 分布式组织结构194

9.4.2 集中式组织结构195

9.4.3 混合式组织结构196

9.5 持续更新团队技能197

9.5.1 矩阵式方法197

9.5.2 管理人员不能眼高手低199

9.6 应该由谁来做高级分析工作199

9.6.1 前后矛盾的地方200

9.6.2 如何帮助刚刚从事分析工作的新手茁壮成长202

9.7 IT人员和分析专家为何相处不好203

9.8 本章小结205

第四部分 整合：分析文化209

第10章 促进分析创新209

10.1 商业需要更多创新210

10.2 传统的方法阻碍了创新211

10.3 定义分析创新212

10.4 在创新分析中使用迭代方法213

10.5 考虑换个角度214

10.6 你是否为建立分析创新中心做好了准备216

10.6.1 组件1：技术平台216

10.6.2 组件2：第三方的产品和服务217

10.6.3 组件3：承诺和支持217

10.6.4 组件4：强大的团队218

10.6.5 组件5：创新委员会218

10.6.6 分析创新中心的指导原则219

10.6.7 分析创新中心的工作范围219

10.6.8 处理失败221

10.7 本章小结223

第11章 营造创新和探索的文化氛围225

11.1 做好准备225

11.1.1 Crocs和Jibbitz的传说226

11.1.2 推动创新227

11.2 关键原则概述228

11.2.1 原则1：打破思维定势228

11.2.2 原则2：形成连锁反应231

11.2.3 原则3：统一行动目标234

11.3 本章小结239

结论：再敢想一些241