走進大數據：組織如何推進大數據戰(zhàn)略

定　價：￥39.00

作　者：	[韓] 張東麟著；武傳海譯
出版社：	人民郵電出版社
叢編項：
標　簽：	計算機/網絡數據倉庫與數據挖掘數據庫

購買這本書可以去

ISBN：	9787115438058	出版時間：	2016-11-01	包裝：	平裝
開本：	大32開	頁數：	299	字數：

內容簡介

　　本書從切實可行的大數據方案選擇方法著手，面向不懂大數據相關概念、不知道如何將大數據項目引入何種領域的IT團隊和實際經營團隊，以自己的實際經驗為基礎，創(chuàng)立并介紹了大數據項目構建方法。幫助需要引入大數據項目的所有企業(yè)解決核心課題，以順利開展大數據項目，并避免運行過程中出現過多失誤，實現正確的策劃和執(zhí)行。書中收錄了大數據分析與研究案例、企業(yè)引入大數據項目時發(fā)生的實際問題、策劃及運營過程、實際分析時需要的技巧等，利用清晰的圖表和示意圖直觀反映了核心法則和原理。

作者簡介

　　首爾大學工科學院原子核工程系畢業(yè)，美國南加州大學計算機工程碩士。曾在美國visa卡、EDS、美國航空公司、德國Amadeus、甲骨文總公司工作。1996年回國后，歷任韓國甲骨文咨詢本部理事、SiebelKorea分公司總經理、SASKorea副總裁、德勤咨詢（Deloitte Consulting）合伙人、安永韓國區(qū)負責人，運營FutureTrend咨詢公司，是大數據和云計算領域具有代表性的咨詢師。在韓國數百家大企業(yè)、公共機關等單位負責經營與IT咨詢業(yè)務，以實際業(yè)務為基礎，在各種學術會議上和大學校園內舉辦講座，并為多家媒體撰寫稿件。著有《攻彼顧我》《面向實操人員的數據倉庫技術Data Warehouse》。現任天睿（TeraData）韓國副總裁、大數據專家協議會議長，擔任未來創(chuàng)造部和京畿道的大數據咨詢委員。

圖書目錄

1．　IT趨勢與數字商務
1．1　開啟大數據時代的IT趨勢變化與未來核心技術的出現…2
1．1．1　始于IBM大型計算機的中央集中式商務處理方式…3
1．1．2　在“減員增效”浪潮中成為業(yè)界翹楚的甲骨文、思科和惠普…3
1．1．3　微軟開啟個人PC時代…4
1．1．4　大數據技術的起點：Hadoop的誕生…5
1．1．5　量產大數據的智能手機觸發(fā)移動時代…5
1．1．6　將企業(yè)IT資源最大化的云計算熱潮…6
1．1．7　產生更多大數據的傳感器時代即將到來…7
1．1．8　未來核心技術：社交網絡、移動技術、大數據、云計算、物聯網…7
1．2　始于大數據技術的創(chuàng)新——數字商務…9
1．2．1　同時提供優(yōu)質產品體驗與最低價格才能引發(fā)購買行為…11
1．2．2　Beacon：融合物聯網、大數據分析、移動通信等技術…12
1．3　陷入危機還是成功創(chuàng)新：跨國IT企業(yè)與IT趨勢…15
1．3．1　云計算領域…15
1．3．2　移動領域…16
1．3．3　大數據領域…17
1．3．4　物聯網領域…17
1．3．5　ERP及內存數據庫領域…18
1．3．6　IT領域的新霸主：谷歌、亞馬遜、賽富時…19
1．3．7　跨國IT企業(yè)因何變弱…20
大數據小問答…24
2．從實例分析入手的有趣的大數據分析
2．1　大數據…28
2．1．1　大數據的定義：4V…28
2．1．2　大數據之“大”…29
2．1．3　大數據技術與新商業(yè)模式的出現…30
2．1．4　小數據、暗數據、快數據、智能數據…32
2．2　創(chuàng)新源自大數據分析…34
2．3　大數據預測未來：從免費分析工具開始…38
2．3．1　大數據的滯后性：準確分析得出結論…38
2．3．2　關鍵詞的超前性：完善預測模型以提高準確度…39
2．3．3　門戶網站搜索頻率分析工具：Naver Trend與谷歌趨勢…41
2．3．4　免費社交媒體分析工具：Social Metrics…44
2．4　正式開始分析大數據前：基于場景的關鍵詞分析練習…46
2．4．1　智能手機競爭分析…47
2．4．2　戶外運動：高爾夫、登山與露營的比較…57
2．4．3　Naver Trend與Social Metrics的應用 …59
大數據小問答…62
3．　分析廣泛應用的社交媒體
3．1　靈活運用強大的社交媒體…66
3．1．1　社交媒體分析定義…67
3．1．2　社交媒體分析是大數據分析嗎？…67
3．1．3　以人們熟知的關鍵詞為中心進行分析…68
3．1．4　進行自然語言處理時要注意同音近義詞…70
3．1．5　選擇人們平時關注的領域…70
3．1．6　選舉中體現的社交媒體的力量…74
3．1．7　社交媒體在政府決策過程中大有用武之地…75
3．1．8　區(qū)分社交媒體中的謠言與真相…78
3．2　社交媒體分析的3個步驟…81
3．2．1　用戶需求…81
3．2．2　步驟1：Web信息采集…83
3．2．3　步驟2-1：自然語言處理服務…84
3．2．4　步驟2-2：文本分析…85
3．2．5　步驟2-3：可視化…85
3．2．6　步驟3：最終用戶…87
3．3　社交媒體分析的應用領域…87
3．3．1　新品研發(fā)及上市效果分析…87
3．3．2　廣告效果分析…88
3．3．3　企業(yè)信譽風險/危機管理…88
3．3．4　顧客的VOC…89
3．3．5　社會研究…89
3．3．6　數據新聞…90
大數據小問答…92
4．　引入大數據項目時的常見問題
4．1　對大數據概念的理解不夠…96
4．2　與準備引入大數據項目的企業(yè)分享我的個人經驗…96
4．3　大數據項目中企業(yè)管理層存在的問題…98
4．3．1　引入大數據項目時企業(yè)管理層會忽視自身影響力…98
4．3．2　企業(yè)管理層將大數據項目想得過于簡單…99
4．3．3　企業(yè)管理者依靠“直覺”經營的同時決定引入大數據戰(zhàn)略…100
4．3．4　不能由IT部門領導大數據TF…101
4．3．5　引入大數據項目需要巨額投資嗎？…103
4．4　大數據項目中業(yè)務負責人存在的問題…104
4．4．1　業(yè)務負責人必須培養(yǎng)自身數據分析能力…104
4．4．2　業(yè)務負責人將數據分析工作外包而只接收分析結果…104
4．4．3　業(yè)務負責人認為大數據分析與傳統(tǒng)數據分析差別很大…105
4．5　大數據項目中IT負責人存在的問題…106
4．5．1　IT負責人不愿意學習Hadoop…106
4．5．2　IT負責人認為構建大數據系統(tǒng)后只需維護…107
4．6　準確理解大數據項目…108
4．6．1　大數據項目取決于參與專家的水平…108
4．6．2　大數據專家涉及多個領域…109
4．6．3　大數據項目旨在基于數據進行決策…110
4．6．4　是否引入大數據系統(tǒng)要由實際業(yè)務負責人判斷…111
大數據小問答…114
5．　大數據方案選擇方法
5．1　以何種主題實現大數據項目：制定大數據項目主題…118
5．1．1　確定大數據項目主題時要靈活運用大數據咨詢公司…119
5．1．2　大數據項目主題確定方法與流程…120
5．2　步驟1：各行業(yè)大數據系統(tǒng)應用案例分析…123
5．3　步驟2：基本業(yè)務分析…128
5．4　步驟3：訪談…131
5．4．1　步驟3-1：管理層訪談…131
5．4．2　步驟3-2：業(yè)務訪談…132
5．4．3　步驟3-3：IT團隊訪談…134
5．5　步驟4：內部/外部數據采集與數據挖掘…135
5．5．1　步驟4-1：內部/外部數據采集…135
5．5．2　步驟4-2：初期數據挖掘…136
5．6　步驟5：培訓與研討…137
5．6．1　步驟5-1：管理者、業(yè)務團隊、IT團隊的培訓…137
5．6．2　步驟5-2：業(yè)務研討會…140
5．7　步驟6：大數據項目備選主題的選擇及評估…143
5．7．1　步驟6-1：選擇大數據項目備選主題…143
5．7．2　步驟6-2：評估…145
5．8　步驟7：Quick Win課題及主題選擇、總體規(guī)劃…148
5．8．1　步驟7-1：Quick Win課題及主題選擇…148
5．8．2　步驟7-2：大數據項目總體規(guī)劃…149
大數據小問答…154
6．　具有競爭力的大數據分析
6．1　保持企業(yè)競爭力的大數據分析案例…158
6．1．1　大數據分析與統(tǒng)計分析的區(qū)別…158
6．1．2　Netflix的Cinematch system與深度學習…159
6．1．3　亞馬遜的推薦系統(tǒng)…162
6．2　實現大數據項目時可以靈活應用的分析服務…165
6．2．1　沃爾弗拉姆·阿爾法計算知識引擎…165
6．2．2　ID INCU的移動研究…168
6．3　實現大數據項目時可供參考的數據…171
6．3．1　韓國健康保險審查評價院用于研究的申請數據…171
6．3．2　基于SKT地理信息系統(tǒng)的空間大數據服務…175
6．4　實現大數據項目時可以靈活使用的分析系統(tǒng)…177
大數據小問答…180
7．　大數據技術與IT技術
7．1　大數據系統(tǒng)與傳統(tǒng)DW/BI系統(tǒng)的異同…184
7．1．1　大數據技術與傳統(tǒng)DW/BI技術的區(qū)別…184
7．1．2　大數據技術與傳統(tǒng)DW/BI技術的共同點…189
7．2　向傳統(tǒng)DW/BI系統(tǒng)引入大數據技術時的一些建議…189
7．2．1　傳統(tǒng)DW/BI系統(tǒng)的需求…189
7．2．2　DW/BI第一階段擴展方案…190
7．2．3　DW/BI第二階段擴展方案…193
7．2．4　DW/BI第三階段擴展方案…195
7．2．5　引入大數據系統(tǒng)引起的IT組織變化…197
7．3　大數據解決方案…198
7．3．1　大數據架構…198
7．3．2　數據處理、查詢領域的軟件優(yōu)缺點分析…201
7．3．3　大數據基礎設施與服務：國外解決方案…202
7．3．4　大數據基礎設施與服務：韓國解決方案…204
7．4　幾款值得推薦的韓國產品…206
7．4．1　Flamingo…206
7．4．2　Apache Tajo…210
大數據小問答…212
8．　大數據項目構建方法
8．1　大數據項目構建方法的重要性…216
8．1．1　利用大數據需要大數據項目構建方法…216
8．1．2　大數據項目需要良好的溝通…217
8．1．3　必須將階段性執(zhí)行程序融入大數據項目構建方法…217
8．1．4　大數據項目構建方法必須與大數據方案選擇方法
相對應…218
8．2　大數據項目構建方法定義…219
8．3　大數據項目推進總體規(guī)劃（模塊1）…221
8．4　商業(yè)應用及變化管理的實現（模塊2）…223
8．4．1　充分理解商業(yè)主題（模塊2-1）…224
8．4．2　與分析結果相關的商業(yè)行動計劃（模塊2-2）…225
8．4．3　企業(yè)應用監(jiān)控與激活方案（模塊2-3）…225
8．4．4　大數據系統(tǒng)應用評估（模塊2-4）…226
8．4．5　大數據系統(tǒng)應用組織設計（模塊2-5）…231
8．4．6　所需人力與技能組合的定義（模塊2-6）…237
8．4．7　所需人力的調配方法（模塊2-7）…238
8．4．8　內部人才培養(yǎng)計劃（模塊2-8）…239
8．5　各主題分析模型的設計及與分析（模塊3）…239
8．5．1　大數據挖掘方法比較…239
8．5．2　大數據間接分析法…241
8．5．3　大數據直接分析法…243
8．5．4　大數據分析工具培訓（模塊3-0）…243
8．5．5　充分理解商業(yè)主題（模塊3-1）…244
8．5．6　定義所需數據（模塊3-2）…245
8．5．7　數據探索（模塊3-3）…245
8．5．8　派生數據設計及數據處理需求傳達（模塊3-4）…246
8．5．9　分析模型設計與測試（模塊3-5）…247
8．5．10　數據可視化（模塊3-6）…247
8．5．11　評估分析結果（模塊3-7）…248
8．5．12　分析模型維護與升級方案（模塊3-8）…250
8．6　大數據系統(tǒng)設計與構建（模塊4）…251
8．6．1　充分理解大數據項目主題（模塊4-1）…251
8．6．2　數據建模（模塊4-2）…251
8．6．3　內部/外部數據ETL設計（模塊4-3）…252
8．6．4　內部/外部數據提煉操作設計（模塊4-4）…253
8．6．5　內部/外部數據ETL及提煉操作執(zhí)行（模塊4-5）…254
8．6．6　執(zhí)行數據處理（模塊4-6）…254
8．6．7　用戶/訪問/安全管理執(zhí)行（模塊4-7）…255
8．7　大數據系統(tǒng)設計/構建（模塊5）…255
8．7．1　SW架構設計（模塊5-1）…255
8．7．2　HW/Cloud架構設計（模塊5-2）…257
8．7．3　安裝SW/HW/Cloud（模塊5-3）…258
8．8　大數據治理設計與構建（模塊6）…259
8．8．1　數據治理設計與構建（模塊6-1）…259
8．8．2　外部數據管理（模塊6-2）…260
8．8．3　用戶/訪問/安全管理設計（模塊6-3）…260
大數據小問答…262
附錄　通過行業(yè)大會了解大數據技術發(fā)展趨勢
Strata　Hadoop World 2014…266
美國已經從“為什么是大數據”（Why　Big data）階段進入“如何做大數據”（How to do Big data）階段…267
目前形勢下，Hadoop是“明顯的勝者”（Clear　winner）…267
商業(yè)Hadoop比Apache　Hadoop更常用…268
Spark的極高關注度…268
傳統(tǒng)RDB中的信息業(yè)務正在遷移到Hadoop…269
數據科學的關注度越來越高，但仍需努力縮短它與Hadoop陣營的距離…269
“大數據+物聯網”的結合是理所當然的，并將持續(xù)探索最優(yōu)架構…270
Mike　Olson眼中Hadoop的未來…271
針對商業(yè)用戶提供良好的用戶體驗…272
與宣傳本公司服務相比，我們更需要多分享個人見解…273
應用大數據技術時引發(fā)的個人信息安全問題…274
大數據也有可能得到錯誤的收集與分析…274
借助大數據分析人類情感…275
大數據行業(yè)現狀…276
通過Strata　Hadoop World 2014預測大數據市場…277
Teradata　PARTNERS Conference 2014（Teradata 合作伙伴會議2014）…279
eBay：分析、運營海量數據…281
數據倉庫與Hadoop之間的關系…282
通用汽車公司的全新EDW架構…284
沃爾沃大數據系統(tǒng)應用案例…287
Teradata的統(tǒng)一數據架構…291
對大數據排序以幫助決策…294
SQL　On Hadoop領域中值得關注的產品…294
個人隱私保護問題…296
后記…298