大數據可視化:重構智慧社會

《大數據可視化:重構智慧社會》是2015年人民郵電出版社出版的圖書,作者是菲爾·西蒙。

基本介紹

  • 書名:大數據可視化:重構智慧社會
  • 作者: 【美】Phil Simon
  • ISBN: 978-7-115-39269-5
  • 出版社:人民郵電出版社
  • 出版時間: 2015-07
圖書簡介,目錄,

圖書簡介

《大數據可視化:重構智慧社會》包括四大部分。第Ⅰ部分,“全書概述和背景”,探討了可視化組織快速發展背後的原因;第Ⅱ部分,“可視化組織的介紹”,介紹了可視化組織如何擁抱大數據和數據可視;第Ⅲ部分,“走起:成為可視化組織”,從理解四個不同層面的可視化組織開始,然後基於案例研究推導出的教訓、最佳實踐、奇蹟以及錯誤做法;第Ⅳ部分,“總結及數據可視的未來”,並對目前趨勢、可視化組織、大數據以及數據可視的未來提供了一系列嚴謹認真的預測。

目錄

第Ⅰ部分 全書概述和背景 1
導言 3
I.1 Twitter數據探險 4
I.2 實時數據可視101  9
主要目標  10
作用  11
比以往更重要  13
落後的報復:數據可視的現狀  16
I.3 全書概覽  18
可視化組織的界定  20
本書中心主題  20
何人受益?  21
方法論:故事在這裡很重要  22
對知識和案例研究的執著  24
差異化:有關其他數據可視文本的記錄  26
作戰計畫  27
I.4 接下來  27
I.5 注釋  28
第 1章 可視化組織的快速發展 29
1.1 大數據的興起  30
1.2 開放數據  32
1.3 數據生態的萌芽  33
1.4 新的網路:可視化、語義和API驅動  34
可視化網路的到來  34
關聯數據和更語義化的網路  35
採集數據更趨便利  37
藉助雲和數據中心更高效  38
1.5 更好的數據工具  39
1.6 更透明的組織  40
1.7 山寨經濟:有樣學樣  41
1.8 數據新聞和Nate Silver效應  42
1.9 數字人  45
可視化公民的出現  45
移動化  48
可視化員工:更技術和數據達人化的工作場所 48
遨遊在我們數據驅動的世界裡  49
1.10 下一步  50
1.11 注釋  50
第 2章 將數據轉化為洞見:工具 53
2.1 數據可視化:智慧型化和整合戰略的構成  54
2.2 專業術語:數據可視、BI、報表、分析和KPI  55
可視化組織應該杜絕一切“試過才知對”的報表工具嗎?  57
刻畫出一些區別  58
2.3 數據可視五虎將  58
大型企業軟體供應商套用  59
**優性能套用  63
流行的開源工具 66
設計公司 68
創業、網站服務及其他資源 73
2.4 **後的話:沒有放之四海皆準的真理  75
2.5 下一步  75
2.6 注釋  76
第Ⅱ部分 可視化組織介紹 77
第3章 可視化組織的典範 79
3.1 Netflix 1.0: 計畫落空  79
3.2 Netflix 2.0:自我顛覆  80
3.3 數據可視:大數據整合戰略的構成部分  82
3.4 數據可視:Netflix文化灌輸  83
客戶洞察 84
更好的技術性和網路化診斷  86
擁抱社區  90
3.5 經驗教訓 91
3.6 下一步  92
3.7 注釋  92
第4章 DNA中的數據可視 95
4.1 起始  96
4.2 UX到高無上  97
4.3 探究  100
擁抱免費的開源工具  100
API的延伸套用  103
4.4 經驗教訓  103
4.5 下一步  104
4.6 注釋  104
第5章 德克薩斯大學體系的透明化 105
5.1 背景  106
5.2 數據可視化的初期努力  107
5.3 擁抱傳統BI  108
5.4 數據發現  109
對學生生涯的可見性更強  110
拓展:數據可視的全系統推廣  113
5.5 成果  114
5.6 經驗教訓  116
5.7 下一步  116
5.8 注釋  116
第Ⅲ部分 走起:成為可視化組織 117
第6章 可視化組織的四層架構 119
6.1 慎重的免責說明  120
6.2 簡單模型  121
局限性和明晰性  123
進步性  124
回落:向更低層面後退  126
補充,而非替代  127
累積優勢  127
低層面的局限性  127
相關性和子層面  128
每個組織都應該渴望進入級別4嗎?  128
6.3 下一步  128
第7章 WWVOD? 129
7.1 將重構所造成的影響可視化  130
員工流動可視化  131
沿著數據可視化道路起步  131
結果和經驗教訓  137
未來  138
7.2 行銷示例  138
7.3 下一步  139
7.4 注釋  139
第8章 建立可視化組織 141
8.1 數據提示和**佳實踐  141
數據:原生湯  141
在跑之前先學走……到少現在如此  142
數據可視化通常只是起點  142
大數據和小數據的可視化  143
不要忘記元數據  143
朝企業外面看  145
起始:並不需要完整數據  145
可視化好的和差的數據  146
支撐鑽取能力  146
8.2 設計提示和**佳實踐  150
牢記以終為始  150
儘可能做減法  151
UX:參與與試驗到關重要  152
鼓勵互動  152
謹慎使用移動和動畫  152
使用相對數  153
8.3 技術提示和**佳實踐  153
凡有可能,請考慮使用API  153
擁抱新工具  154
了解數據可視化工具的局限  155
開放性  155
8.4 管理提示和**佳實踐  156
鼓勵自助服務、探索和數據民主  156
提出正面懷疑  156
相信過程,而非結論  157
消除信息割據和專業化障礙  157
若可能,可視化之  158
聘用綜合型人才  159
方向第 一,精準其次  159
8.5 下一步  159
8.6 注釋  160
第9章 障礙:錯誤、神話和挑戰 161
9.1 錯誤  162
掉入傳統ROI陷阱  162
對數據可視總是—盲目—信任  163
忽視客群  164
置身大教堂中進行開發  164
設定目標,轉身即忘  164
糟糕的數據可視化  165
9.2 神話  167
數據可視化對確定性和成功的保證  167
數據可視化很容易  167
把數據可視化作為項目  168
存在一個“全對”的數據可視化  169
Excel足矣  169
9.3 挑戰  170
季度性可視化心態  170
蔑視數據  170
拋棄歷史:超越之前工具帶來的失望  171
9.4 下一步  171
9.5 注釋  172
第Ⅳ部分 總結及數據可視的未來 173
尾聲 其實我們才剛剛開始 175
C.1  以數據為中心的四大關鍵趨勢  177
可穿戴技術和量化自我  177
機器學習和物聯網  178
多維數據  179
數據移植與數據所有權之間即將發生的鬥爭  181
C.2 **後的一些想法  183
C.3 注釋  184
後記 我的數據生涯 185
附錄 數據可視化資源 189
參考文獻 193
關於作者 195
如何幫助這本書 197
譯者後記 199

相關詞條

熱門詞條

聯絡我們