大數(shù)據(jù)：技術與應用實踐指南

第1章 大數(shù)據(jù)的概念和發(fā)展背景
1.1 大數(shù)據(jù)的發(fā)展背景
1.2 大數(shù)據(jù)的概念和特征
1.2.1 大數(shù)據(jù)的概念
1.2.2 大數(shù)據(jù)的特征
1.3 大數(shù)據(jù)的產(chǎn)生
1.3.1 數(shù)據(jù)產(chǎn)生由企業(yè)內部向企業(yè)外部擴展
1.3.2 數(shù)據(jù)產(chǎn)生從Web 1.0 向Web 2.0、從互聯(lián)網(wǎng)向移動互聯(lián)網(wǎng)擴展
1.3.3 數(shù)據(jù)產(chǎn)生從計算機/互聯(lián)網(wǎng)（IT）向物聯(lián)網(wǎng)（IOT）擴展
1.4 數(shù)據(jù)的量級
1.4.1 數(shù)據(jù)大小的量級
1.4.2 大數(shù)據(jù)的量級
1.5 大量不同的數(shù)據(jù)類型
1.5.1 按照數(shù)據(jù)結構分類
1.5.2 按照產(chǎn)生主體分類
1.5.3 按照數(shù)據(jù)作用方式分類
1.6 大數(shù)據(jù)的速度
1.7 大數(shù)據(jù)的潛在價值
1.8 大數(shù)據(jù)的挑戰(zhàn)
1.8.1 業(yè)務視角不同帶來的挑戰(zhàn)
1.8.2 技術架構不同帶來的挑戰(zhàn)
1.8.3 管理策略不同帶來的挑戰(zhàn)
第2章 大數(shù)據(jù)應用的業(yè)務需求
2.1 大數(shù)據(jù)應用的業(yè)務流程
2.1.1 產(chǎn)生數(shù)據(jù)
2.1.2 聚集數(shù)據(jù)
2.1.3 分析數(shù)據(jù)
2.1.4 利用數(shù)據(jù)
2.2 大數(shù)據(jù)應用的業(yè)務價值
2.2.1 發(fā)現(xiàn)大數(shù)據(jù)的潛在價值
2.2.2 實現(xiàn)大數(shù)據(jù)整合創(chuàng)新的價值
2.2.3 新領域再利用的價值
2.3 各行業(yè)大數(shù)據(jù)應用的個性需求
2.3.1 互聯(lián)網(wǎng)與電子商務行業(yè)
2.3.2 零售業(yè)
2.3.3 金融業(yè)
2.3.4 政府
2.3.5 醫(yī)療業(yè)
2.3.6 能源業(yè)
2.3.7 制造業(yè)
2.3.8 電信運營業(yè)
2.3.9 交通物流業(yè)
2.4 企業(yè)級大數(shù)據(jù)應用的共性需求
2.4.1 客戶分析
2.4.2 績效分析
2.4.3 欺詐和風險評估
2.5 以銀行客戶分析為例，分析一個大數(shù)據(jù)的應用場景
第3章 大數(shù)據(jù)應用的總體架構和關鍵技術
3.1 總體架構
3.1.1 業(yè)務目標
3.1.2 架構設計原則
3.1.3 總體架構參考模型
3.1.4 總體架構的特點
3.2 大數(shù)據(jù)存儲和處理技術
3.2.1 Hadoop：分布式存儲和計算平臺
3.2.2 Hadoop 之HDFS：分布式文件系統(tǒng)
3.2.3 Hadoop 之MapReduce：分布式計算框架
3.2.4 Hadoop 之NoSQL：分布式數(shù)據(jù)庫
3.2.5 Hadoop 之外的大數(shù)據(jù)計算技術
3.3 大數(shù)據(jù)查詢和分析技術：SQL on Hadoop
3.3.1 Hive：基本的Hadoop 查詢和分析
3.3.2 Hive 2.0：Hive 的優(yōu)化和升級
3.3.3 實時互動的SQL：Impala 和drill
3.3.4 基于PostgreSQL 的SQL on Hadoop
3.4 大數(shù)據(jù)高級分析和可視化技術
3.4.1 傳統(tǒng)數(shù)據(jù)倉庫與聯(lián)機分析處理技術
3.4.2 大數(shù)據(jù)對傳統(tǒng)分析的挑戰(zhàn)
3.4.3 大數(shù)據(jù)挖掘與高級分析
3.4.4 大數(shù)據(jù)挖掘與高級分析庫：Mahout
3.4.5 非結構化復雜數(shù)據(jù)分析
3.4.6 實時預測分析
3.4.7 開源可視化工具：R 語言
3.4.8 可視化技術
3.5 以銀行客戶分析為例的大數(shù)據(jù)的技術環(huán)境部署
3.5.1 銀行客戶大數(shù)據(jù)應用體系架構
3.5.2 技術環(huán)境安裝與配置
第4章 大數(shù)據(jù)與企業(yè)級應用的整合策略
4.1 大數(shù)據(jù)傳輸、整合和流程管理平臺
4.1.1 數(shù)據(jù)傳輸
4.1.2 數(shù)據(jù)整合
4.1.3 流程管理
4.2 大數(shù)據(jù)與存儲架構的整合
4.2.1 傳統(tǒng)存儲架構比較
4.2.2 大數(shù)據(jù)平臺的存儲架構的選擇
4.2.3 集群存儲的發(fā)展
4.2.4 基于HDFS 的集群存儲
4.2.5 固態(tài)硬盤（SSD）對內存計算的支持
4.3 大數(shù)據(jù)與網(wǎng)絡架構的發(fā)展
4.4 大數(shù)據(jù)與虛擬化技術的整合
4.5 在云計算平臺上的大數(shù)據(jù)云
4.6 大數(shù)據(jù)與信息安全
4.7 以銀行客戶分析為例，分析一個大數(shù)據(jù)的平臺整合
第5章 大數(shù)據(jù)應用的實踐方法與案例
5.1 實踐方法論
5.1.1 業(yè)務需求定義
5.1.2 數(shù)據(jù)應用現(xiàn)狀分析與標桿比較
5.1.3 大數(shù)據(jù)應用架構規(guī)劃和設計
5.1.4 大數(shù)據(jù)技術切入與實施
5.1.5 大數(shù)據(jù)試用和評估
5.1.6 大數(shù)據(jù)應用推廣
5.2 應用案例
5.2.1 亞馬遜
5.2.2 雅虎
5.2.3 淘寶網(wǎng)
5.2.4 Facebook
5.3 以銀行客戶分析為例的實施案例分析
5.3.1 銀行基于大數(shù)據(jù)的客戶分析的業(yè)務需求
5.3.2 銀行基于大數(shù)據(jù)的客戶分析的現(xiàn)狀與標桿比較
5.3.3 銀行基于大數(shù)據(jù)的客戶分析的應用架構規(guī)劃與設計
5.3.4 銀行基于大數(shù)據(jù)的數(shù)據(jù)分析的實施、試點和推廣
第6章 大數(shù)據(jù)應用的主流解決方案
6.1 產(chǎn)業(yè)鏈
6.1.1 國際上的大數(shù)據(jù)生態(tài)環(huán)境
6.1.2 國內產(chǎn)業(yè)鏈主要力量
6.2 主流廠商解決方案
6.2.1 Cloundera
6.2.2 Hortonworks
6.2.3 MapR
6.2.4 IBM
6.2.5 Oracle
6.2.6 EMC
6.2.7 Intel
6.2.8 SAP
6.2.9 Teradata
第7章 大數(shù)據(jù)應用的未來挑戰(zhàn)和趨勢
7.1 隱私保護
7.1.1 法律保護
7.1.2 技術保護
7.1.3 理念革新
7.2 技術標準
7.2.1 ISO 標準化進展
7.2.2 評價基準和基準測試
7.2.3 標準套件
7.3 大數(shù)據(jù)治理
7.3.1 數(shù)據(jù)治理框架
7.3.2 數(shù)據(jù)質量管理
7.3.3 大數(shù)據(jù)的組織、角色和責任
7.4 適應商業(yè)社會的未來趨勢
7.4.1 從產(chǎn)品推銷向數(shù)據(jù)營銷的轉變
7.4.2 從流程驅動到分析驅動的轉變
7.4.3 從私有資源到公共服務的轉變
……