新書推薦：
《
高颜值创意饮品：咖啡 茶饮 鸡尾酒 气泡水
》
售價：NT$
335.0
《
慢慢来，好戏都在烟火里
》
售價：NT$
279.0
《
一间自己的房间
》
售價：NT$
223.0
《
波段交易的高级技术：股票和期权交易者的资金管理、规则、策略和程序指南
》
售價：NT$
442.0
《
人，为什么需要存在感：罗洛·梅谈死亡焦虑
》
售價：NT$
381.0
《
锁国：日本的悲剧
》
售價：NT$
437.0
《
AI智能写作： 巧用AI大模型 让新媒体变现插上翅膀
》
售價：NT$
330.0
《
家庭养育七步法5：理解是青春期的通关密码
》
售價：NT$
279.0
|
| 內容簡介： |
|
本书分13章，分别从企业大数据战略定位、企业大数据落地实施和价值评估，以及大数据的变革与挑战这三大方面进行撰写，宏观上涵盖了企业战略决策和定位，微观上涵盖了大数据职能、思路、方法、流程、开发、应用、评估的整个环节。企业大数据的知识完整性也是本书的特色之一。
|
| 關於作者： |
主导研发的大数据和文本挖掘平台包括：DMP、DSP、推荐系统、决策运营系统、iCreations系列产品、蜂棱系列产品、军犬舆情系列产品等。并成功应用到能源、电力、电商、电信、金融、政府、食品、医疗保健等行业与机构，覆盖超过500家各级企业用户。所著《基于机器学习的数据挖掘模型》获得国家级技术创新基金。
郑传峰（Peter Zheng）大数据业务应用领域专家，主导大数据方向的战略规划，包括数据产品、数据应用、数据价值变现等方向。曾任软通动力数据科技公司资深数据应用专家，HiveCloud首席战略官。
阶段性负责国美电器、国美在线，以及库巴网会员营销、网站运营和产品设计工作，在CRM系统、DMP数据平台、精准营销系统、广告精投、能源大数据拥有多年的操盘经验，涉及大数据上层应用服务产品的设计、咨询和实施。参与多家大型企业或机构的大数据战略规划和实施，行业覆盖零售、电商、电信、政府、交通、能源和电力等。
宋天龙（Tony Song）大数据领域资深数据分析、挖掘和建模专家，精通端到端数据价值场景设计、业务需求转换、数据结构梳理、数据建模与学习，以及数据工程交付。曾任软通动力集团大数据研究院数据总监，Webtrekk（德国最大的网站数据分析服务提供商）中国区技术和咨询负责人，国美大数据中心经理。
拥有丰富的大数据项目工作经验，参与过集团和企业级大数据存储平台、大数据开发和集成平台、数据体系规划、大
|
| 目錄：
|
Contents?目录
前言
第1章企业大数据战略定位1
1.1宏观1
1.2微观4
1.2.1资源协同5
1.2.2战略定位6
1.2.3启动契机7
1.2.4大数据历程9
1.3本章小结12
第2章企业大数据职能规划13
2.1大数据组织架构体系13
2.1.1大数据部门在企业中的角色13
2.1.2常见的大数据职能及职责17
2.2大数据职位构建体系24
2.2.1基础平台类24
2.2.2数据管理类26
2.2.3技术研发类27
2.2.4产品设计类30
2.2.5数据挖掘类32
2.2.6数据分析类33
2.3大数据制度和流程规范35
2.3.1制度和流程规范意义35
2.3.2制度和流程规范内容35
2.3.3制度和流程规范模板42
2.4本章小结44
第3章企业大数据解决方案45
3.1企业大数据解决方案实现方式45
3.1.1独立研发45
3.1.2第三方解决方案46
3.1.3联合开发57
3.2如何选择解决方案58
3.2.1外部环境分析58
3.2.2内部环境分析59
3.2.3需求规划分析62
3.2.4解决方案特性分析63
3.2.5解决方案费用评估67
3.3本章小结70
第4章企业大数据自主实施思路71
4.1制定规划原则71
4.1.1价值性71
4.1.2实时性72
4.1.3高效性72
4.1.4安全性72
4.1.5延展性73
4.1.6全局性74
4.2制定目标蓝图75
4.3制定建设目标76
4.4明确组织规划78
4.4.1组织结构设计的作用79
4.4.2组织结构设立的导向79
4.4.3组织结构的最终设立81
4.5设计技术方案85
4.5.1大数据系统建设方案85
4.5.2大数据系统与传统BI的融合方案91
4.6制定人才规划94
4.6.1指导思想94
4.6.2规划原则94
4.6.3核心内容95
4.7投入产出评估97
4.7.1数据投入与产出的内涵97
4.7.2数据投入与产出的特征98
4.7.3数据投入与产出的管理99
4.8数据风险管理105
4.8.1数据风险管理的概念105
4.8.2数据风险管理的类型106
4.8.3数据风险管理的原则109
4.8.4数据风险管理与控制110
4.9本章小结114
第5章大数据技术介绍115
5.1核心技术115
5.1.1Hadoop生态115
5.1.2NoSQL142
5.1.3实时计算150
5.1.4全文检索160
5.2相关技术204
5.2.1数据可视化204
5.2.2数据缓存220
5.2.3中间件227
5.2.4关系型数据库236
5.2.5数据ETL245
5.3大数据算法库250
5.4本章小结276
第6章大数据架构设计277
6.1大数据架构设计原则277
6.2大数据核心架构要素279
6.3大数据架构设计模式284
6.4本章小结289
第7章大数据技术开发290
7.1数据采集290
7.1.1批量采集291
7.1.2增量采集292
7.2数据存储293
7.2.1HDFS文件存储引擎294
7.2.2Hive数据存储引擎295
7.2.3HBase列式存储引擎295
7.2.4MySQL关系型数据存储引擎296
7.3多维计算296
7.4功能服务299
7.5平台管理301
7.5.1监控管理301
7.5.2调度管理302
7.5.3权限管理304
7.6应用域307
7.7本章小结308
第8章大数据工作流309
8.1数据源310
8.1.1日志文件310
8.1.2数据库310
8.1.3网络爬虫311
8.1.4第三方API合作311
8.2数据处理312
8.2.1数据质量校验312
8.2.2清洗转换316
8.2.3质量提升320
8.2.4数据脱敏321
8.2.5集成整合323
8.3数据存储324
8.3.1关系型数据库324
8.3.2分布式文件系统325
8.4数据计算325
8.4.1三种数据计算时效性325
8.4.2结构化数据计算327
8.4.3半非结构化数据计算333
8.4.4深度挖掘学习360
8.5数据应用376
8.5.1辅助决策376
8.5.2数据驱动377
8.6数据质量管理379
8.6.1数据质量建设的内涵379
8.6.2影响数据质量的常见因素380
8.6.3数据质量建设的框架381
8.7本章小结392
第9章企业大数据业务应用393
9.1大数据应用场景概述393
9.1.1场景商业目的分析394
9.1.2场景数据来源分析394
9.1.3场景数据难易分析397
9.1.4场景应用举例397
9.2用户画像407
9.2.1业务应用背景407
9.2.2主要实现过程408
9.2.3关键应用场景414
9.2.4应用价值提炼415
9.2.5场景总结回顾417
9.3个性化营销419
9.3.1业务应用背景419
9.3.2主要实现过程421
9.3.3关键应用场景424
9.3.4应用价值提炼425
9.3.5场景总结回顾426
9.4精准广告427
9.4.1业务应用背景427
9.4.2主要实现过程429
9.4.3关键应用场景438
9.4.4应用价值提炼439
9.4.5场景总结回顾440
9.5征信441
9.5.1应用场景背景441
9.5.2主要实现过程442
9.5.3主要应用场景447
9.5.4应用价值提炼449
9.5.5场景总结回顾449
9.6本章小结450
第10章 企业大数据价值评估451
10.1 资产价值451
10.1.1 数据规模451
10.1.2 数据价值度452
10.1.3 数据鲜活性454
10.1.4 数据关联维度454
10.1.5 数据粒度455
10.2 业务价值455
10.2.1 用户体验提升455
10.2.2 运营优化457
10.2.3 销售贡献460
10.2.4 供应链优化461
10.3 本章小结462
第11章 大数据的社会价值463
11.1 民生价值463
11.2 政务价值465
11.3 产业价值468
11.4 本章小结470
第12章 大数据当前问题及挑战471
12.1 数据挑战471
12.2 安全挑战472
12.3 价值挑战474
12.4 认知挑战475
12.5 技术挑战478
12.6 人才挑战480
12.7 本章小结481
第13章 大数据未来趋势482
13.1 价值资产化482
13.2 产业生态化487
13.3 主体社会化490
13.4 应用智能化491
13.5 本章小结492
|
| 內容試閱：
|
Preface 前言为什么要写这本书随着2013年大数据元年的开启，各行各业都已经将大数据视为推动企业发展、推进行业进步、加快产业升级、促进民生繁荣、巩固社会安全甚至提升国家竞争力的核心武器。从个性化推荐、关联销售到精准营销，从云平台、云服务、云计算到大数据产业链，从百度迁徙、高考预测到冬季流感预测，从机器学习、图像识别到智能交通，从奥巴马总统竞选到美国中央情报局反恐，从美国的大数据研究和发展计划到中国的促进大数据发展行动纲要等一系列事实说明了大数据正受到来自政治、经济、社会、文化、军事等各个领域的广泛关注，并越来越彰显其巨大价值。
大数据不仅是一个技术名词，更是当下企业资产、核心竞争力、完整产业链和先进生产力的代名词。因此，大数据应该是作为一个整合概念和体系被认知，而非独立的方法论、技术论甚至应用论。处于飞速变革时代的中国，在大数据产业链各个环节的企事业单位受限于自身产业属性、盈利模式、利益趋向、认知、能力等，无法完整地展示出大数据的知识图谱与价值图谱。
纵观当下整个大数据认知取向，大致有三类基本认知点：
第一类是大数据知识论，这种认知以大数据方法、理论、知识的研究和推导为聚焦点，通过深度学习，归纳、总结出大数据知识体系。这是典型的学院派，优势是对基础理论研究非常透彻并且具备深厚的理论基础，不足之处是缺乏对产业、学术、应用的结合，更缺少真正能落地的应用案例。
第二类是大数据技术论，这种认知以大数据技术为聚焦点，落脚于大数据的硬件、服务、架构、开发、计算、算法等具体实施层面。诚然，大数据技术是大数据实施的核心，也是带来技术变革和生产力突破的关键，但只有技术而缺乏正确的方向以及有价值的应用引导，技术便无法发挥作用，更无法转化为经济价值、社会价值和政治价值。
第三类是大数据应用论，这种认知以大数据的场景化为聚焦点，通过对历史、现在、未来的变革、创新和实践的总结和构想，营造出大数据的丰富应用场景和能力空间。这是一种典型的以应用为驱动的认知理论，通过落地案例驱动技术来表现大数据的巨大价值。但这种应用论过于专注场景化包装，更强调落地而忽视技术的巨大潜力和推动作用，更无法体现出大数据作为企业资产、技术竞争力等非直接利润表现的价值因素。
本书的几位联合作者彼此是共事多年的朋友，各自负责大数据工作中的不同环节。大家的工作和知识有交集更有互补，因此，我们认为只有依靠这种知识合并和知识互补的关系才能够呈现出大数据的全貌，这也是撰写本书的出发点之一。
当前，市场上有非常多关于大数据的书籍，但能从整体性、全局性、安全性、价值性、技术性、体系性等方面完整考虑的书非常少。我们希望通过本书让读者认识到大数据不仅仅是数据、技术、架构、应用，更是结合了商业模式、战略定位、信息安全、单位协同、组织保障、实施选型的完整体系。
几位联合作者对于本书内容的贡献如下：吕兆星撰写了技术的架构部分，包括第4章、第5章、第6章；郑传峰撰写了战略和应用的部分，包括第1章、第2章、第9章；宋天龙撰写了数据和价值评估的部分，包括第3章、第8章、第10章、第11章、第12章、第13章；杨晓鹏撰写了技术开发的部分中第7章的全部内容。
作者简介吕兆星（Ethan Lv）资深大数据技术专家，精通基于大数据的分布式数据挖掘、存储、计算技术，以及其生态体系架构；精通垂直搜索技术、机器学习、文本情感倾向性挖掘、网络爬虫、全文索引体系架构。曾任软通动力集团大数据研究院总架构师、HiveCloud创始人、萝卜网CTO、国美在线大数据中心高级架构师等。
主导研发的大数据和文本挖掘平台包括：DMP、DSP、推荐系统、决策运营系统、iCreations系列产品、蜂棱系列产品、军犬舆情系列产品等。并成功应用到能源、电力、电商、电信、金融、政府、食品、医疗保健等行业与机构，覆盖超过500家各级企业用户。所著《基于机器学习的数据挖掘模型》获得国家级技术创新基金。
郑传峰（Peter Zheng）大数据业务应用领域专家，主导大数据方向的战略规划，包括数据产品、数据应用、数据价值变现等方向。曾任软通动力数据科技公司资深数据应用专家，HiveCloud首席战略官。
阶段性负责国美电器、国美在线，以及库巴网会员营销、网站运营和产品设计工作，在CRM系统、DMP数据平台、精准营销系统、广告精投、能源大数据拥有多年的操盘经验，涉及大数据上层应用服务产品的设计、咨询和实施。参与多家大型企业或机构的大数据战略规划和实施，行业覆盖零售、电商、电信、政府、交通、能源和电力等。
宋天龙（Tony Song）大数据领域资深数据分析、挖掘和建模专家，精通端到端数据价值场景设计、业务需求转换、数据结构梳理、数据建模与学习，以及数据工程交付。曾任软通动力集团大数据研究院数据总监，Webtrekk（德国最大的网站数据分析服务提供商）中国区技术和咨询负责人，国美大数据中心经理。
拥有丰富的大数据项目工作经验，参与过集团和企业级大数据存储平台、大数据开发和集成平台、数据体系规划、大
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
