智慧型數據時代

《智慧型數據時代》是機械工業出版社出版的圖書,作者是TalkingData。

基本介紹

  • 書名:智慧型數據時代
  • 作者:TalkingData 
  • 出版社:機械工業出版社 
  • ISBN:9787111569466 
內容簡介,作品目錄,

內容簡介

大數據這個概念自誕生以來,已經經歷了幾次飛躍。時至今日,大數據這個名詞頻繁地與人工智慧、DT、預測等辭彙放在一起,看上去數據的發展已經成為與科技發展甚至整個社會發展平行的存在——一切的顛覆都離不開數據。大數據是一種賦能工具,它的作用是幫助行業加速價值的流通,減少信息不對稱,提高交易效率。
本書定義為“輕教材”,並結合國內先進的大數據公司的實戰經驗,幫助大數據從業人員熟悉大數據相關的基礎知識、基本工具,幫助大數據企業的管理者建立數據驅動的文化和構建團隊。此書將成為大數據從業人員、大數據企業管理人員以及大數據領域的投資者、監管者的必備參考書籍。

作品目錄

  1. 前言
  2. 第一篇 大數據基礎知識
  3. 第1章 大數據的基本定義
  4. 1.1 大數據分析的出現
  5. 1.2 大數據如何發掘價值
  6. 1.3 大數據處理的關鍵——數據類型
  7. 1.4 大數據處理的微妙之處
  8. 1.5 大數據環境下的處理分析工具
  9. 1.6 智慧型數據時代到來
  10. 第2章 數據的藝術
  11. 2.1 評估可能性的藝術
  12. 2.2 了解現狀
  13. 2.3 自我評估、完善度、信息架構
  14. 2.4 願景部署
  15. 2.5 現在和將來的數據倉庫
  16. 2.6 實時建議和操作
  17. 2.7 驗證提出的願景
  18. 第3章 大數據:有所為有所不為
  19. 3.1 大數據分析最佳實踐
  20. 3.2 從小做起
  21. 3.3 關注大局
  22. 3.4 避免最差實踐
  23. 3.5 步步為營
  24. 3.6 學會利用異常數據
  25. 3.7 速度與精度的抉擇
  26. 3.8 記憶體計算
  27. 第二篇 大數據工具和技術
  28. 第4章 分散式世界中的設計
  29. 4.1 可見性
  30. 4.2 保持簡單的重要性
  31. 4.3 組合
  32. 4.4 分散式狀態
  33. 4.5 CAP原則
  34. 4.6 松耦合系統
  35. 4.7 速度
  36. 4.8 總結
  37. 第5章 大數據分析工具
  38. 5.1 Apache Hadoop
  39. 5.2 Apache Spark
  40. 5.3 NoSQL資料庫
  41. 5.4 MongoDB
  42. 第三篇 數據管理
  43. 第6章 大數據的類型
  44. 6.1 定義結構化數據
  45. 6.2 探秘結構化數據來源
  46. 6.3 關係資料庫在大數據中扮演的角色
  47. 6.4 非結構化數據
  48. 6.5 內容管理系統在大數據管理中的作用
  49. 6.6 實時和非實時條件
  50. 6.7 大數據集成
  51. 第7章 大數據的新範式:我們想要從大數據系統中獲得什麼
  52. 7.1 穩定性和容錯性
  53. 7.2 橫向擴容
  54. 7.3 可擴展性
  55. 7.4 即席查詢
  56. 7.5 最小化維護
  57. 7.6 可調試性
  58. 7.7 完全增量式架構
  59. 7.8 操作複雜性
  60. 7.9 極其複雜地實現最終一致性
  61. 7.10 人為容錯的缺陷
  62. 7.11 Lambda架構
  63. 第8章 數據管理
  64. 8.1 數據管理成熟度評估
  65. 8.2 元數據管理
  66. 8.3 數據治理
  67. 8.4 數據質量管理
  68. 8.5 參考數據與主數據管理
  69. 第四篇 數據工程
  70. 第9章 理解數據業務流程
  71. 9.1 理解商業動機
  72. 9.2 調查計畫
  73. 9.3 初步研究
  74. 9.4 專家諮詢
  75. 9.5 識別關鍵成功因素
  76. 9.6 優先考慮早期路線圖的執行
  77. 9.7 戰略圖譜
  78. 第10章 大數據和雲計算
  79. 10.1 雲計算的定義
  80. 10.2 私有雲與公有雲計算
  81. 10.3 IaaS典型平台——亞馬遜雲平台AWS
  82. 10.4 PaaS典型平台
  83. 10.5 SaaS典型平台
  84. 第11章 數據收集
  85. 11.1 收集一切
  86. 11.2 為數據源設定優先權
  87. 11.3 關聯單獨的數據
  88. 11.4 如何收集數據
  89. 11.5 數據採購
  90. 11.6 數據保留
  91. 第12章 數據質量和數據預處理
  92. 12.1 數據質量:為什麼要對數據做預處理
  93. 12.2 數據預處理的主要工作
  94. 第13章 數據安全和隱私
  95. 13.1 數據收集:了解隱私的最前沿
  96. 13.2 策略考慮因素
  97. 13.3 實施考慮因素
  98. 13.4 總結
  99. 第五篇 數據科學
  100. 第14章 數據分析
  101. 14.1 什麼是分析
  102. 14.2 分析的類型
  103. 第15章 數據探索
  104. 15.1 概要
  105. 15.2 數據探索的目標
  106. 15.3 數據集
  107. 15.4 描述性統計
  108. 15.5 數據可視化
  109. 15.6 數據探索路線圖
  110. 第16章 大數據、數據科學和數據挖掘
  111. 16.1 先驗知識
  112. 16.2 數據準備
  113. 16.3 建模
  114. 16.4 套用
  115. 16.5 總結
  116. 第六篇 構築數據驅動型企業
  117. 第17章 建立數據驅動文化
  118. 17.1 數據收集
  119. 17.2 報告
  120. 17.3 警報
  121. 17.4 從報告到警報再到分析
  122. 17.5 數據驅動的標誌
  123. 17.6 分析成熟度
  124. 第18章 構建大數據團隊
  125. 18.1 數據科學家
  126. 18.2 團隊挑戰
  127. 18.3 不同的團隊,不同的目標
  128. 18.4 別忘了數據
  129. 18.5 更多挑戰
  130. 18.6 團隊與文化
  131. 18.7 量化成就
  132. 第七篇 大數據實戰
  133. 第19章 大數據使用實例
  134. 19.1 大數據的使用與意義
  135. 19.2 案例:大數據在金融領域的套用
  136. 19.3 案例:大數據在地產領域的套用
  137. 第20章 大數據分析和數據驅動決策的思維實戰
  138. 20.1 無處不在的數據機會
  139. 20.2 數據科學、數據工程和數據驅動決策
  140. 20.3 數據處理和大數據
  141. 20.4 從大數據1.0到大數據2.0
  142. 20.5 數據和數據科學能力作為戰略資產
  143. 20.6 數據分析思維
  144. 20.7 具備數據分析技能的管理者
  145. 20.8 數據挖掘與數據科學
  146. 20.9 化學反應不只限於試管:數據科學與數據科學家的工作
  147. 20.10 總結
  148. 第21章 結語
  149. 21.1 全面解讀
  150. 21.2 通往大數據之路
  151. 21.3 思索大數據的真實一面
  152. 21.4 大數據實踐
  153. 21.5 深度解讀大數據處理流程
  154. 21.6 大數據可視化
  155. 21.7 大數據隱私

相關詞條

熱門詞條

聯絡我們