駕馭大數據簡(jiǎn)介，目錄書(shū)摘

編輯推薦:　　國內外知名數據分析專(zhuān)家、行業(yè)領(lǐng)袖聯(lián)袂推薦！
　　世界數據倉庫公司Teradata首席分析專(zhuān)家Bill Franks傾力巨獻！
　　揭秘駕馭大數據的技術(shù)和方法，詮釋大數據專(zhuān)業(yè)分析之道！
　　抓住大數據！理解大數據！駕馭大數據！在大數據掘金浪潮中脫穎而出！
　　你是否在大數據面前猶豫、恐懼、不知所措？你是否無(wú)法說(shuō)服你的老板投入人力、財力、物力去進(jìn)行大數據分析？你是否已經(jīng)身處大數據中而依舊茫然？你是否在做了很多大數據分析后仍然無(wú)法發(fā)現新的商業(yè)價(jià)值和機會(huì )？
　　如何不再因循守舊，如何積極主動(dòng)地去改變、探索、創(chuàng )新，如何在駕馭大數據的過(guò)程中游刃有余、成竹在胸？
　　答案就在《駕馭大數據》一書(shū)中！
　　《駕馭大數據》將會(huì )告訴你：
　　· 什么是大數據？
　　· 目前有哪些大數據源？
　　· 這些大數據源有什么價(jià)值？
　　· 有哪些技術(shù)和方法可以幫助我們駕馭大數據？
　　· 需要招聘什么樣的分析師？
　　· 如何打造一支Super分析團隊？
　　· 什么樣的文化氛圍才能促進(jìn)分析創(chuàng )新？

內容簡(jiǎn)介:《駕馭大數據》為讀者提供了處理大數據和在你的企業(yè)中培養一種創(chuàng )新和發(fā)現的文化所需的工具、過(guò)程和方法，描繪了一個(gè)易于實(shí)施的行動(dòng)計劃，以幫助你的企業(yè)發(fā)現新的商業(yè)機會(huì )，實(shí)現新的業(yè)務(wù)流程，并做出更明智的決策。
本書(shū)主要介紹了如何駕馭大數據浪潮，并詳細地介紹了什么是大數據，大數據為什么重要，以及如何應用大數據。本書(shū)還從具體實(shí)用的角度，介紹了用于分析和操作大數據的工具、技術(shù)和方法；以及人才和企業(yè)文化的角度，介紹了如何使分析專(zhuān)家、分析團隊以及所需的分析原則更加高效，如何通過(guò)分析創(chuàng )新中心使得分析更加有創(chuàng )造力，以及如何改變分析文化。
《駕馭大數據》適于所有對數據、數據挖掘、數據分析感興趣的技術(shù)人員和決策者閱讀。

作者簡(jiǎn)介:　　Bill Franks，是Teradata公司全球合作伙伴計劃的首席分析專(zhuān)家，他負責跟蹤研究分析領(lǐng)域的前端趨勢，幫助客戶(hù)理解Teradata和其分析合作伙伴如何為客戶(hù)創(chuàng )造價(jià)值。Bill還負責管理Teradata與SAS合作成立的業(yè)務(wù)分析創(chuàng )新中心，并專(zhuān)注于幫助客戶(hù)獲得創(chuàng )新分析能力。此外，Bill負責制定Teradata公司在高級分析領(lǐng)域的戰略與定位。
　　Bill是國際數據分析研究所的一名講師，國際數據分析研究所（International Institute for Analytics）是由分析領(lǐng)域專(zhuān)家Tom Davenport成立的研究機構。Bill還是一名活躍的演講人和博客作者。
　　Bill一直專(zhuān)注于如何將復雜的分析轉化為業(yè)務(wù)人員可以理解的語(yǔ)言，并幫助企業(yè)更有效地使用這些分析成果。他曾服務(wù)于很多不同行業(yè)和公司規模的客戶(hù)，其中有財富前100強的大型企業(yè)，也有小型的非營(yíng)利組織。
　　Bill擁有弗吉尼亞科技大學(xué)應用統計專(zhuān)業(yè)的學(xué)士學(xué)位，以及北卡羅來(lái)納州立大學(xué)應用統計專(zhuān)業(yè)的碩士學(xué)位。

目錄:第一部分　大數據的興起
第1章　什么是大數據，大數據為什么重要
1.1　什么是大數據
1.2　大數據中的“大”和“數據”哪個(gè)更重要
1.3　大數據有何不同
1.4　大數據為何是數量更多的、相同類(lèi)型的傳統數據
1.5　大數據的風(fēng)險
1.6　你為什么需要駕馭大數據
1.7　大數據的結構
1.8　探索大數據
1.9　很多大數據其實(shí)并不重要
1.10　有效過(guò)濾大數據
1.11　將大數據和傳統數據混合
1.12　對大數據標準的需求
1.13　今天的大數據將不再是明天的大數據
1.14　本章小結
第2章　網(wǎng)絡(luò )數據：原始的大數據
2.1　網(wǎng)絡(luò )數據概觀(guān)
2.1.1　你遺漏了什么
2.1.2　想象各種可能性
2.1.3　一個(gè)全新的信息來(lái)源
2.1.4　應當收集什么數據
2.1.5　關(guān)于隱私
2.2　網(wǎng)絡(luò )數據揭示了什么
2.2.1　購物行為
2.2.2　顧客的購買(mǎi)路徑和偏好
2.2.3　研究行為
2.2.4　反饋行為
2.3　行動(dòng)中的網(wǎng)絡(luò )數據
2.3.1　最優(yōu)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(lèi)
2.3.5　評估廣告效果
2.4　本章小結
第3章　典型大數據源及其價(jià)值
3.1　汽車(chē)保險業(yè)：車(chē)載信息服務(wù)數據的價(jià)值
3.2　多個(gè)行業(yè)：文本數據的價(jià)值
3.3　多個(gè)行業(yè)：時(shí)間數據與位置數據的價(jià)值
3.4　零售制造業(yè)：RFID數據的價(jià)值
3.5　電力行業(yè)：智能電網(wǎng)數據的價(jià)值
3.6　博彩業(yè)：籌碼跟蹤數據的價(jià)值
3.7　工業(yè)發(fā)動(dòng)機和設備：傳感器數據的價(jià)值
3.8　視頻游戲：遙測數據的價(jià)值
3.9　電信業(yè)與其他行業(yè)：社交網(wǎng)絡(luò )數據的價(jià)值
3.10　本章小結
第二部分　駕馭大數據：技術(shù)、過(guò)程以及方法
第4章　分析可擴展性的演進(jìn)
4.1　分析可擴展性的歷史
4.2　分析與數據環(huán)境的關(guān)聯(lián)性
4.3　海量并行處理系統
4.3.1　使用MPP系統進(jìn)行數據準備與評分
4.3.2　使用MPP系統進(jìn)行數據準備與評分小結
4.4　云計算
4.4.1　公有云
4.4.2　私有云
4.4.3　云計算小結
4.5　網(wǎng)格計算
4.6　MapReduce
4.6.1　MapReduce工作原理
4.6.2　MapReduce優(yōu)缺點(diǎn)
4.6.3　MapReduce小結
4.7　這不是一個(gè)單選題
4.8　本章小結
第5章　分析流程的演進(jìn)
5.1　分析沙箱
5.1.1　分析沙箱：定義與范圍
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　不要僅僅使用數據，而要豐富數據
5.1.7  系統負載管理和容量規劃
5.2　什么是分析數據集
5.2.1　兩種分析數據集
5.2.2　傳統的分析數據集
5.3　企業(yè)分析數據集
5.3.1　什么時(shí)候創(chuàng )建企業(yè)分析數據集
5.3.2　企業(yè)分析數據集里有什么
5.3.3　邏輯結構與物理結構
5.3.4　更新企業(yè)分析數據集
5.3.5　匯總表還是概要視圖
5.3.6　分享財富
5.4　嵌入式評分
5.4.1　嵌入式評分集成
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(jìn)
6.1　分析方法的演進(jìn)
6.1.1　組合建模
6.1.2　簡(jiǎn)易模型
6.1.3　文本分析
6.1.4　跟上分析方法的發(fā)展腳步
6.2　分析工具的演進(jìn)
6.2.1　圖形化用戶(hù)界面的崛起
6.2.2　單點(diǎn)解決方案的興起
6.2.3　開(kāi)源的歷史
6.2.4　數據可視化的歷史
6.3　本章小結
第三部分　駕馭大數據：人和方法
第7章　如何提供優(yōu)質(zhì)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(guān)性（Relevant）
7.2.3　可解釋性（Explainable）
7.2.4　可行性（Actionable）
7.2.5　及時(shí)性（Timely）
7.3　核心分析方法與高級分析方法
7.4　堅持你的分析
7.5　正確地分析問(wèn)題
7.6　統計顯著(zhù)性與業(yè)務(wù)重要程度
7.6.1　統計顯著(zhù)性
7.6.2　業(yè)務(wù)重要程度
7.7　樣本VS全體
7.8　業(yè)務(wù)推斷與統計計算
7.9　本章小結
第8章　如何成為優(yōu)秀的分析專(zhuān)家
8.1　哪些人是分析專(zhuān)家
8.2　對分析專(zhuān)家常見(jiàn)的誤解
8.3　每一位優(yōu)秀的分析專(zhuān)家都是獨特的
8.3.1　教育
8.3.2　行業(yè)經(jīng)驗
8.3.3　當心“人力資源清單”
8.4　優(yōu)秀分析專(zhuān)家身上經(jīng)常被低估的特質(zhì)
8.4.1　承諾
8.4.2　創(chuàng )造力
8.4.3　商業(yè)頭腦
8.4.4　演講能力與溝通技巧
8.4.5　直覺(jué)
8.5　分析認證有意義嗎，還是干擾視聽(tīng)的噪音
8.6　本章小結
第9章　如何打造優(yōu)秀的分析團隊
9.1　各個(gè)行業(yè)并非生而平等
9.2　行動(dòng)起來(lái)
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(shuí)來(lái)做高級分析工作
9.6.1　前后矛盾的地方
9.6.2　如何幫助剛剛從事分析工作的新手茁壯成長(cháng)
9.7　IT人員和分析專(zhuān)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(jìn)分析創(chuàng )新
10.1　商業(yè)需要更多創(chuàng )新
10.2　傳統的方法阻礙了創(chuàng )新
10.3　定義分析創(chuàng )新
10.4　在創(chuàng )新分析中使用迭代方法
10.5　考慮換個(gè)角度
10.6　你是否為建立分析創(chuàng )新中心做好了準備
10.6.1  組件1：技術(shù)平臺
10.6.2  組件2：第三方的產(chǎn)品和服務(wù)
10.6.3  組件3：承諾和支持
10.6.4  組件4：強大的團隊
10.6.5  組件5：創(chuàng )新委員會(huì )
10.6.6  分析創(chuàng )新中心的指導原則
10.6.7  分析創(chuàng )新中心的工作范圍
10.6.8  處理失敗
10.7　本章小結
第11章　營(yíng)造創(chuàng )新和探索的文化氛圍
11.1　做好準備
11.1.1　Crocs和Jibbitz的傳說(shuō)
11.1.2　推動(dòng)創(chuàng )新
11.2　關(guān)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(dòng)目標
11.3　本章小結
結論：再敢想一些