《31位大數據專家的方法、技術與思想》是於2017年1月機械工業出版社出版的一本圖書，作者是天善智慧型。
基本介紹
- 書名：31位大數據專家的方法、技術與思想
- 作者：天善智慧型
- 出版社：機械工業出版社
- 出版時間：2017年1月
內容簡介,作者簡介,圖書目錄,
內容簡介
本書是數據技術領域具有里程碑意義的代表性著作，由國內知名的數據技術社區天善智慧型領銜組織和策劃，首次將來自百度、騰訊、IBM、埃森哲、Teradata、永洪科技、達觀數據、神策數據、同程旅遊等20餘家國內外在數據和網際網路領域的領頭羊企業的31位數據專家（CEO、CTO、VP、技術總監、架構師、高級分析經理、諮詢總監等）聯合在一起，分享了他們在數據領域多年來積累下來的最感自豪的方法、技術與思想，同時對很多技術難題給出了經驗性的解決方案。
作者簡介
天善智慧型一個專注於商業智慧型（BI）、數據分析、數據挖掘和大數據技術的技術社區 ，包括技術問答、部落格、活動、學院、招聘、讀書頻道等眾多版塊。社區內容不僅覆蓋了幾乎所有與 BI 相關的技術和產品：微軟BI、IBM Cognos、Oracle BIEE、Kettle、Informatica、DataStage、SAP BO、QlikView、Tableau等；還包含所有與數據分析、數據挖掘和大數據相關的技術和產品，如R、Python、SPSS、Hadoop。
圖書目錄
Part 1 數據化思維 // 1
NO.1 數據化運營的方法論體系 張子良 // 2
NO.2 數據化行銷中的“一·二·三” 葉秋萍 // 9
NO.3 企業數據化管理之巔—同業對標 王衛東 // 21
NO.4 管理數據化：柳傳志30年管理智慧如何為我所用 袁華傑 // 33
NO.5 數據領導力—指標體系規劃與管理駕駛艙設計 劉凱 // 41
Part 2 數據治理 // 53
NO.6 資料庫開發實施工藝提升的6種途徑 楊寶軍 // 54
NO.7 ETL串並發數據跑批處理的理論與運用實踐 何啟平 // 64
NO.8 如何高效地對複雜數據進行清洗與轉換 謝佳標// 74
Part 3 BI與數據可視化 // 91
NO.9 商務智慧型業務分析構建“5步曲” 呂敏傑 // 92
NO.10 構建數據體系的兩個“5步曲” 王桐 // 109
NO.11 成功實施BI項目的4大要素 賈岩 // 119
NO.12 Kimball理論在BI項目中的套用 郭川 // 127
NO.13 BI數據可視化分析SaaS產品前瞻 呂品 // 145
NO.14 大數據工程的系統架構設計和技術選型 韓慶安 // 153
NO.15 數據可視化4步工作法 溫融冰 // 164
NO.16 如何用R語言對複雜數據進行可視化 謝佳標// 169
NO.17 新思路，新體系：讓銀行報表的3大痛點不再是噩夢 袁華傑 // 184
NO.18 Cognos在金融銀行業的最佳運用 吳永帆 // 196
Part 4 數據分析與數據挖掘 // 207
NO.19 如何做好一名商業分析師？ 吳奕君 // 209
NO.20 如何用數據驅動運營 桑文鋒 // 217
NO.21 企業增長中的精細化分析和Growth Hacking 孔淼 // 237
NO.22 如何基於業務實現用戶行為數據產品化 吳文波 // 247
NO.23 電商的數據化管理與運營 尚林棟 // 256
NO.24 零售業數據分析指標的管理與套用 沈嶸// 284
NO.25 做好零售業數據分析必須解決的3個難點 鄒斌 // 291
NO.26 如何用R語言做量化分析 張丹 // 316
NO.27 從BI到AI，數據分析的4個誤區 彭耀 // 335
NO.28 企業如何利用跨行業數據挖掘標準流程開展大數據實踐 張浩彬 // 342
NO.29 詳解過程挖掘的技術和方法 汪尚 // 352
NO.30 個性化數據挖掘的關鍵技術與套用實踐 陳運文 // 382
Part 5 大數據化之路 // 401
NO.31 教育行業的大數據實施路徑 李宗海 // 402
NO.32 數據科學在網際網路金融中的套用 張雲松 // 409
NO.33 地理大數據驅動的智慧選址 張志成 // 419
附錄 // 433
NO.1 數據化運營的方法論體系 張子良 // 2
NO.2 數據化行銷中的“一·二·三” 葉秋萍 // 9
NO.3 企業數據化管理之巔—同業對標 王衛東 // 21
NO.4 管理數據化：柳傳志30年管理智慧如何為我所用 袁華傑 // 33
NO.5 數據領導力—指標體系規劃與管理駕駛艙設計 劉凱 // 41
Part 2 數據治理 // 53
NO.6 資料庫開發實施工藝提升的6種途徑 楊寶軍 // 54
NO.7 ETL串並發數據跑批處理的理論與運用實踐 何啟平 // 64
NO.8 如何高效地對複雜數據進行清洗與轉換 謝佳標// 74
Part 3 BI與數據可視化 // 91
NO.9 商務智慧型業務分析構建“5步曲” 呂敏傑 // 92
NO.10 構建數據體系的兩個“5步曲” 王桐 // 109
NO.11 成功實施BI項目的4大要素 賈岩 // 119
NO.12 Kimball理論在BI項目中的套用 郭川 // 127
NO.13 BI數據可視化分析SaaS產品前瞻 呂品 // 145
NO.14 大數據工程的系統架構設計和技術選型 韓慶安 // 153
NO.15 數據可視化4步工作法 溫融冰 // 164
NO.16 如何用R語言對複雜數據進行可視化 謝佳標// 169
NO.17 新思路，新體系：讓銀行報表的3大痛點不再是噩夢 袁華傑 // 184
NO.18 Cognos在金融銀行業的最佳運用 吳永帆 // 196
Part 4 數據分析與數據挖掘 // 207
NO.19 如何做好一名商業分析師？ 吳奕君 // 209
NO.20 如何用數據驅動運營 桑文鋒 // 217
NO.21 企業增長中的精細化分析和Growth Hacking 孔淼 // 237
NO.22 如何基於業務實現用戶行為數據產品化 吳文波 // 247
NO.23 電商的數據化管理與運營 尚林棟 // 256
NO.24 零售業數據分析指標的管理與套用 沈嶸// 284
NO.25 做好零售業數據分析必須解決的3個難點 鄒斌 // 291
NO.26 如何用R語言做量化分析 張丹 // 316
NO.27 從BI到AI，數據分析的4個誤區 彭耀 // 335
NO.28 企業如何利用跨行業數據挖掘標準流程開展大數據實踐 張浩彬 // 342
NO.29 詳解過程挖掘的技術和方法 汪尚 // 352
NO.30 個性化數據挖掘的關鍵技術與套用實踐 陳運文 // 382
Part 5 大數據化之路 // 401
NO.31 教育行業的大數據實施路徑 李宗海 // 402
NO.32 數據科學在網際網路金融中的套用 張雲松 // 409
NO.33 地理大數據驅動的智慧選址 張志成 // 419
附錄 // 433
