大數據：從海量到精準 (電子書)

版權資訊 內容簡介 前言 海量數據聚集篇 1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 大數據與雲端運算 　　　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 大數據將成為資產 　　　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，大數據面對的挑戰 　　　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 2價值：大數據商業變革 　　2.1 深度探勘，大數據的商業機遇 　　　2.1.1 探勘大數據的商業價值 　　　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 探勘大數據的商業機會 　　　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 大數據有待更深的探勘 　　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 開啟時代轉型 　　2.3 價值轉型，大數據下的商業智慧 　　　2.3.1 大數據為商業智慧構建基礎 　　　2.3.2 Oracle BIEE 商業智慧系統 　　　2.3.3 商業智慧成就行業價值機會 　　　2.3.4 BI 導出商業潛能和社會走向 　　　2.3.5 商業智慧的 6 大發展前景 　　2.4 大數據商業變革應用案例 　　　2.4.1 【案例】大數據助力地產行業 　　　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】華生人工智慧電腦 3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：掌握影片大數據煉金術 　　　3.1.2 家譜網：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：實現電廠電網的智慧化 　　　3.1.5 Hydro One：把大數據放地圖上 　　　3.1.6 OHSU：結合數據虛擬化技術 　　　3.1.7 VTN：公共設施的即時 3D 模型 　　　3.1.8 戴德縣：實現大型城市的智慧化 　　　3.1.9 澳網：利用大數據分析做出決策 　　　3.1.10 DPR：結合 3D 技術與大數據 　　3.2 掘金紅海，10 大大數據分析平台 　　　3.2.1 IBM：大數據領域的傳統巨頭 　　　3.2.2 亞馬遜：完美結合大數據與雲 　　　3.2.3 甲骨文：高整合度大數據平台 　　　3.2.4 Google：價值無可估量的大數據 　　　3.2.5 微軟：「端到端」大數據平台 　　　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「智慧環境」 　　　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 探勘整合海量數據 　　　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 4掌握：數據管理與探勘 　　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 的發展歷史 　　　4.1.3 Hadoop 的主要用途 　　　4.1.4 Hadoop 的專案結構 　　　4.1.5 Hadoop 的體系結構 　　4.2 探勘數據，大數據如何去粗存精 　　　4.2.1 準備數據 　　　4.2.2 探勘過程 　　　4.2.3 結果表示 　　4.3 大數據管理與探勘應用案例 　　　4.3.1 【案例】用資料探勘篩查高危病人 　　　4.3.2 【案例】資料探勘助力 NBA 賽事 　　　4.3.3 【案例】用資料探勘控制鮮花庫存 　　　4.3.4 【案例】探勘人類頭腦裡的大數據 　　　4.3.5 【案例】資料探勘助力銀行的行銷 　　　4.3.6 【案例】星系動物園裡的資料探勘 5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 海量數據替代採樣 　　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產 　　　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、一致、及時 　　　5.4.5 【案例】大數據幫助消費者提高能源效率 6案例：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：數據管理困難 　　　6.1.3 風險 3：成本難以控制 　　　6.1.4 風險 4：網路安全漏洞 　　　6.1.5 風險 5：數據人才缺乏 　　6.2 步步小心，大數據專案 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「門面」 　　　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：認為軟體是萬能的 　　6.3 踏雪無痕，徹底逃離大數據監視 　　　6.3.1 碼頭：讓網路行為一目瞭然 　　　6.3.2 上游：截取全球互聯網數據 　　　6.3.3 稜鏡：備份全球互聯網數據 　　　6.3.4 星風：監視全球通訊大數據 　　　6.3.5 小甜餅：竊取個人網路隱私 　　　6.3.6 間諜軟體：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 系列 　　　6.4.3 風險管理利器 3：戴爾 EqualLogic 平台 　　　6.4.4 風險管理利器 4：NetApp FAS 平台 　　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】Google循環利用「數據廢氣」 　　　6.5.4 【案例】借助淘寶大數據控制風險 精準行業聚焦篇 7平台：資訊通訊大數據 　　7.1 資訊通訊平台大數據解決方案 　　　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 資訊通訊平台大數據應用案例 　　　7.2.1 【案例】西班牙電話公司的數據再利用 　　　7.2.2 【案例】德國電信的大數據行銷新策略 　　　7.2.3 【案例】Verizon 利用大數據精準行銷 　　　7.2.4 【案例】中國聯通開啟大數據探索之路 　　　7.2.5 【案例】法國電信大力發掘大數據價值 　　　7.2.6 【案例】中國行動大數據全新策略定位 　　　7.2.7 【案例】中國電信大數據聚焦商業模式 8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】用大數據預測心臟病發作率 　　　8.2.4 【案例】大數據 BI 促進醫院智慧化 　　　8.2.5 【案例】用大數據「魔毯」改善健康 　　　8.2.6 【案例】用大數據分析找出治療方案 　　　8.2.7 【案例】手錶成為大數據的有力武器 　　　8.2.8 【案例】中南大學啟動臨床大數據系統 9網路：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 行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家 　　　9.2.5 【案例】迅雷用大數據抓「網路票房」 　　　9.2.6 【案例】騰訊用微信展開大數據「首戰」 10零售：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」的祕密 　　　10.2.4 【案例】Target：準確判斷哪位顧客懷孕 　　　10.2.5 【案例】上品折扣：用大數據做全渠道行銷 　　　10.2.6 【案例】愛迪達：用大數據帶來利潤 11製造：更快更好地生產 　　11.1 生產製造業大數據解決方案 　　　11.1.1 大數據對生產製造業的影響 　　　11.1.2 生產製造業如何利用大數據 　　11.2 生產製造業大數據應用案例 　　　11.2.1 【案例】大數據結合 ERP 助力生產 　　　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合 　　　11.2.4 【案例】樂百氏 BI 系統助力企業成長 　　　11.2.5 【案例】大數據可以破解「豬週期」 　　　11.2.6 【案例】鋼鐵企業用大數據擺脫困境 　　　11.2.7 【案例】大數據提高企業核心競爭力 12餐飲：精準行銷的數據 　　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 餐飲行業面臨的大數據挑戰 　　　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」打造精準行銷平台 　　　12.2.4 【案例】打造適合你的找餐館手機 APP 13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】匯豐銀行採用 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 14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 大日益突出的城市交通難題 　　　14.1.2 大數據為交通難題開出的藥方 　　　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 大數據在智慧交通行業的挑戰 　　14.2 交通行業大數據應用案例 　　　14.2.1 【案例】大數據解決波士頓塞車難題 　　　14.2.2 【案例】Google街景帶你在家環遊世界 　　　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 電子收費系統加大通行力 15社會：用數據改變生活 　　15.1 教育領域大數據應用案例 　　　14.3.1 【案例】大數據讓在線教育變為現實 　　　14.3.2 【案例】無孔不入的數位化學習平台 　　　14.3.3 【案例】用雲平台全面推進素質教育 　　　14.3.4 【案例】美國政府用大數據改善教育 　　　14.3.5 【案例】大數據有效地指導學生學習 　　　14.3.6 【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】用預測分析軟體來防止受傷 　　　15.2.6 【案例】普通球迷也能成為分析專家 　　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】用大數據來探勘《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》讓報紙智慧化 　　　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慧 　　　15.4.2 【案例】數據能夠開口說話當紅娘 　　　15.4.3 【案例】大數據保障人身財產安全 　　　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