驾驭大数据

目 录 内容提要 对本书的赞誉 驾驭未来的价值发现之旅 序言 前言 第一部分 大数据的兴起 第1章 什么是大数据，大数据为什么重要 1.1 什么是大数据 1.2 大数据中的“大”和“数据”哪个更重要 1.3 大数据有何不同 1.4 大数据为何是数量更多的、相同类型的传统数据 1.5 大数据的风险 1.6 你为什么需要驾驭大数据 1.7 大数据的结构 1.8 探索大数据 1.9 很多大数据其实并不重要 1.10 有效过滤大数据 1.11 将大数据和传统数据混合 1.12 对大数据标准的需求 1.13 今天的大数据将不再是明天的大数据 1.14 本章小结 第2章 网络数据：原始的大数据 2.1 网络数据概观 2.1.1 你遗漏了什么 2.1.2 想象各种可能性 2.1.3 一个全新的信息来源 2.1.4 应当收集什么数据 2.1.5 关于隐私 2.2 网络数据揭示了什么 2.2.1 购物行为 2.2.2 顾客的购买路径和偏好 2.2.3 研究行为 2.2.4 反馈行为 2.3 行动中的网络数据 2.3.1 最优的推荐商品 2.3.2 流失模型 2.3.3 响应模型 2.3.4 顾客分类 2.3.5 评估广告效果 2.4 本章小结 第3章 典型大数据源及其价值 3.1 汽车保险业：车载信息服务数据的价值 3.2 多个行业：文本数据的价值 3.3 多个行业：时间数据与位置数据的价值 3.4 零售制造业：RFID数据的价值 3.5 电力行业：智能电网数据的价值 3.6 博彩业：筹码跟踪数据的价值 3.7 工业发动机和设备：传感器数据的价值 3.8 视频游戏：遥测数据的价值 3.9 电信业与其他行业：社交网络数据的价值 3.10 本章小结 5.2 什么是分析数据集 5.2.1 两种分析数据集 5.2.2 传统的分析数据集 5.3 企业分析数据集 5.3.1 什么时候创建企业分析数据集 5.3.2 企业分析数据集里有什么 5.3.3 逻辑结构与物理结构 5.3.4 更新企业分析数据集 5.3.5 汇总表还是概要视图 5.3.6 分享财富 5.4 嵌入式评分 5.4.1 嵌入式评分集成 5.4.2 模型与评分管理 5.5 本章小结 第6章 分析工具与方法的演进 6.1 分析方法的演进 6.1.1 组合建模 6.1.2 简易模型 6.1.3 文本分析 6.1.4 跟上分析方法的发展脚步 6.2 分析工具的演进 6.2.1 图形化用户界面的崛起 6.2.2 单点解决方案的兴起 6.2.3 开源的历史 6.2.4 数据可视化的历史 6.3 本章小结 ......