走进大数据 组织如何推进大数据战略【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

走进大数据 组织如何推进大数据战略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1章 IT趋势与数字商务2

1.1 IT大势与未来核心技术的出现2

1.1.1 始于IBM大型计算机的中央集中式商务处理方式3

1.1.2 在“减员增效”浪潮中成为业界翘楚：甲骨文、思科和惠普3

1.1.3 微软开启个人PC时代4

1.1.4 大数据技术的起点：Hadoop的诞生5

1.1.5 量产大数据的智能手机触发移动时代5

1.1.6 将企业IT资源最大化：云计算热潮6

1.1.7 产生更多大数据的传感器时代即将到来7

1.1.8 未来核心技术：社交网络、移动技术、大数据、云计算、物联网7

1.2 始于大数据技术的创新：数字商务9

1.2.1 同时提供优质产品体验与最低价格才能引发购买行为11

1.2.2 Beacon：融合物联网、大数据分析、移动通信等技术12

1.3 陷入危机还是成功创新：跨国IT企业与IT趋势15

1.3.1 云计算领域15

1.3.2 移动领域16

1.3.3 大数据领域17

1.3.4 物联网领域17

1.3.5 ERP及内存数据库领域18

1.3.6 IT领域新霸主：谷歌、亚马逊、赛富时19

1.3.7 跨国IT企业因何变弱20

大数据小问答24

第2章 大数据分析趣味实例28

2.0 大数据28

2.1.1 大数据的定义：4V28

2.1.2 大数据之“大”29

2.1.3 大数据技术与新商业模式的出现30

2.1.4 小数据、暗数据、快数据、智能数据32

2.2 创新源自大数据分析34

2.3 大数据预测未来：从免费分析工具开始38

2.3.1 大数据滞后性：准确分析得出结论38

2.3.2 关键词超前性：完善预测模型以提高准确度39

2.3.3 门户网站搜索频率分析工具：NaverTrend与谷歌趋势41

2.3.4 免费社交媒体分析工具：Social Metrics44

2.4 正式开始分析大数据前：基于场景的关键词分析练习46

2.4.1 智能手机竞争分析47

2.4.2 户外运动比较：高尔夫、登山与露营57

2.4.3 NaverTrend与Social Metrics的应用59

大数据小问答62

第3章 分析广泛应用的社交媒体66

3.1 灵活运用强大的社交媒体66

3.1.1 社交媒体分析定义67

3.1.2 社交媒体分析是大数据分析吗67

3.1.3 以人们熟知的关键词为中心进行分析68

3.1.4 进行自然语言处理时要注意同音近义词70

3.1.5 选择人们平时关注的领域70

3.1.6 选举中体现的社交媒体的力量74

3.1.7 社交媒体在政府决策过程中展现力量75

3.1.8 区分社交媒体中的谣言与真相78

3.2 社交媒体分析3步骤81

3.2.1 用户需求81

3.2.2 步骤1：Web信息采集83

3.2.3 步骤2-1：自然语言处理服务84

3.2.4 步骤2-2：文本分析85

3.2.5 步骤2-3：可视化85

3.2.6 步骤3：最终用户87

3.3 社交媒体分析应用领域87

3.3.1 新品研发及上市效果分析87

3.3.2 广告效果分析88

3.3.3 企业信誉风险／危机管理88

3.3.4 VOC89

3.3.5 社会研究89

3.3.6 数据新闻90

大数据小问答92

第4章 引入大数据项目时的常见问题96

4.1 对大数据概念的理解不够96

4.2 分享一下我的个人经验96

4.3 企业管理层存在的问题98

4.3.1 忽视自身影响力98

4.3.2 将大数据项目想得过于简单99

4.3.3 依靠“直觉”经营100

4.3.4 不能由IT部门领导大数据TF101

4.3.5 引入大数据项目需要巨额投资吗103

4.4 业务负责人存在的问题104

4.4.1 自身数据分析能力不足104

4.4.2 将数据分析工作外包而只接收分析结果104

4.4.3 认为大数据分析与传统数据分析差别很大105

4.5 IT负责人存在的问题106

4.5.1 不愿意学习Hadoop106

4.5.2 认为构建大数据系统后只需维护107

4.6 准确理解大数据项目108

4.6.1 大数据项目取决于参与专家的水平108

4.6.2 大数据专家涉及多个领域109

4.6.3 大数据项目旨在基于数据进行决策110

4.6.4 是否引入大数据系统要由实际业务负责人判断111

大数据小问答114

第5章 大数据方案选择方法118

5.1 确定大数据项目主题118

5.1.1 灵活运用大数据咨询公司119

5.1.2 确定方法与流程120

5.2 步骤1：各行业大数据系统应用案例分析123

5.3 步骤2：基本业务分析128

5.4 步骤3：访谈131

5.4.1 步骤3-1：管理层访谈131

5.4.2 步骤3-2：业务负责人访谈132

5.4.3 步骤3-3：IT团队访谈134

5.5 步骤4：内部／外部数据采集与数据挖掘135

5.5.1 步骤4-1：内部／外部数据采集135

5.5.2 步骤4-2：初期数据挖掘136

5.6 步骤5：培训与研讨137

5.6.1 步骤5-1：管理者、业务团队、IT团队培训137

5.6.2 步骤5-2：业务研讨会140

5.7 步骤6：大数据项目备选主题选择与评估143

5.7.1 步骤6-1：确定大数据项目备选主题143

5.7.2 步骤6-2：评估145

5.8 步骤7：Quick Win课题与主题选择、总体规划148

5.8.1 步骤7-1：Quick Win课题与主题选择148

5.8.2 步骤7-2：大数据项目总体规划149

大数据小问答154

第6章 具有竞争力的大数据分析158

6.1 保持企业竞争力的大数据分析案例158

6.1.1 大数据分析与统计分析的区别158

6.1.2 Netflix的Cinematch system与深度学习159

6.1.3 亚马逊的推荐系统162

6.2 实现大数据项目时可用的分析服务165

6.2.1 沃尔弗拉姆·阿尔法计算知识引擎165

6.2.2 ID INCU的移动研究168

6.3 实现大数据项目时可供参考的数据171

6.3.1 韩国健康保险审查评价院用于研究的申请数据171

6.3.2 基于SKT地理信息系统的空间大数据服务175

6.4 实现大数据项目时可用的分析系统177

大数据小问答180

第7章 大数据技术与IT技术184

7.1 大数据系统与传统DW/BI系统的异同184

7.1.1 大数据技术与传统DW/BI技术的区别184

7.1.2 大数据技术与传统DW/BI技术的共同点189

7.2 向传统DW/BI系统引入大数据技术时的一些建议189

7.2.1 传统DW/BI系统的需求189

7.2.2 DW/BI第一阶段扩展方案190

7.2.3 DW/BI第二阶段扩展方案193

7.2.4 DW/BI第三阶段扩展方案195

7.2.5 大数据系统引发的IT组织变化197

7.3 大数据解决方案198

7.3.1 大数据架构198

7.3.2 数据处理和查询领域的软件优缺点分析201

7.3.3 大数据基础设施与服务：国外解决方案202

7.3.4 大数据基础设施与服务：韩国解决方案204

7.4 值得推荐的韩国产品206

7.4.1 Flamingo206

7.4.2 ApacheTajo210

大数据小问答212

第8章 大数据项目构建方法216

8.1 大数据项目构建方法的重要性216

8.1.1 利用大数据需要大数据项目构建方法216

8.1.2 大数据项目需要良好沟通217

8.1.3 必须将阶段性执行程序融入大数据项目构建方法217

8.1.4 大数据项目构建方法必须与大数据方案选择方法相对应218

8.2 大数据项目构建方法定义219

8.3 大数据项目推进总体规划（模块1）221

8.4 商业应用及变化管理的实现（模块2）223

8.4.1 充分理解商业主题（模块2-1）224

8.4.2 与分析结果相关的商业行动计划（模块2-2）225

8.4.3 企业应用监控与激活方案（模块2-3）225

8.4.4 大数据系统应用评估（模块2-4）226

8.4.5 大数据系统应用组织设计（模块2-5）231

8.4.6 所需人力与技能组合的定义（模块2-6）237

8.4.7 所需人力的调配方法（模块2-7）238

8.4.8 内部人才培养计划（模块2-8）239

8.5 各主题分析模型设计与分析（模块3）239

8.5.1 大数据挖掘方法比较239

8.5.2 大数据间接分析法241

8.5.3 大数据直接分析法243

8.5.4 大数据分析工具使用培训（模块3-0）243

8.5.5 充分理解商业主题（模块3-1）244

8.5.6 定义所需数据（模块3-2）245

8.5.7 数据探索（模块3-3）245

8.5.8 派生数据设计与数据处理需求传达（模块3-4）246

8.5.9 分析模型设计与测试（模块3-5）247

8.5.10 数据可视化（模块3-6）247

8.5.11 分析结果评估（模块3-7）248

8.5.12 分析模型维护与升级方案（模块3-8）250

8.6 大数据系统设计与构建（模块4）251

8.6.1 充分理解商业主题（模块4-1）251

8.6.2 数据建模（模块4-2）251

8.6.3 内部／外部数据ETL设计（模块4-3）252

8.6.4 内部／外部数据提炼设计（模块4-4）253

8.6.5 内部／外部数据ETL及提炼处理（模块4-5）254

8.6.6 执行数据处理（模块4-6）254

8.6.7 用户／访问／安全管理（模块4-7）255

8.7 大数据系统设计与构建（模块5）255

8.7.1 SW架构设计（模块5-1）255

8.7.2 HW/Cloud架构设计（模块5-2）257

8.7.3 SW/HW/Cloud安装（模块5-3）258

8.8 大数据治理设计与构建（模块6）259

8.8.1 数据治理设计与构建（模块6-1）259

8.8.2 外部数据管理（模块6-2）260

8.8.3 用户／访问／安全管理（模块6-3）260

大数据小问答262

附录 通过行业大会了解大数据技术发展趋势266

Strata HadooP World 2014266

美国已经从“为什么是大数据”（Why Big data）阶段进入“如何做大数据”（HowtodoBigdata）阶段267

Hadoop目前是“明显的胜者”（Clear winner）267

商业Hadoop比Apache Hadoop更常用268

Spark极受关注268

传统RDB中的信息业务正在迁移到Hadoop269

仍需努力缩短数据科学与Hadoop阵营的距离269

“大数据＋物联网”的必然结合与持续探索最优架构270

Mike Olson眼中Hadoop的未来271

针对商业用户提供良好用户体验272

人们更需要多分享个人见解273

应用大数据技术时引发的个人信息安全问题274

大数据也有可能得到错误的收集与分析274

借助大数据分析人类情感275

大数据行业现状276

通过Strata Hadoop World 2014预测大数据市场277

Teradata PARTNERS Conference 2014（Teradata合作伙伴会议2014）279

eBay：分析并运营海量数据281

数据仓库与Hadoop的关系282

通用汽车公司的全新EDW架构284

沃尔沃大数据系统应用案例287

Teradata的统一数据架构291

对大数据排序以帮助决策294

SQL On Hadoop领域值得关注的产品294

个人隐私保护问题296

后记298