具体描述
本书共分为15章，具体内容包括入门：大数据的基本概念；价值：大数据商业变革；架构：大数据基础设施；掌握：数据管理与挖掘；管理：用数据洞察一切；安全：摆脱大数据风险；平台：信息通信大数据；医疗：数据解决大难题；网络：抓牢数据发源地；零售：打响大数据之战；制造：更快更好地生产；餐饮：精准营销的数据；金融：大数据理财时代；交通：畅通无阻的数据；社会：用数据改变生活。
120个精彩应用案例，图片精美，阐述细致，在学习中找到赚钱商机，从入门到精通大数据！一本在手，轻松玩转大数据，掌握应用与营销，实现从海量到精准，从新手成为大数据应用高手！
本书主要有两个特色：一是容易懂，让抽象的大数据落地到具体行业上；二是接地气，将宏观的大数据与现实相结合，讲解详细，实用性强。
本书细节特色：12大行业领域应用＋15章大数据专题精讲＋110多个经典专家提醒＋120个大数据应用案例＋150多张图片全程图解，帮助读者在最短的时间内掌控大数据的秘密。
适合阅读本书的读者：对数据、数据挖掘、数据分析感兴趣的IT技术人员和决策者，以及实业家、企业高管、营销人员、政府媒体工作人员、创业者、想创业的人和相关专业的学生等。
作者简介
本书作者浸谙互联网多年，属于第一代网迷网虫，做过职业程序员、数据分析师，拥有10年以上数据分析、挖掘经验，对商业数据敏感，能够通过建模深入挖掘用户或产品方面的有价值的信息，持续地改进完善数据采集、处理、分析、报告等各个流程上的工作，熟悉hadoop、hive等数据分析工具及Oracle等主流数据库， 能够对大数据条件下的消费者行为分析，并进行数据建模，实施结构化数据的管理。
目录信息
第1章 入门：大数据的基本概念 3
1.1 初步认识，大数据究竟是什么 4
1.1.1 大数据基本定义 6
1.1.2 大数据结构特征 8
1.1.3 大数据与云计算 10
1.1.4 大数据规模预测 10
1.1.5 大数据的发展史 11
1.1.6 大数据技术架构 12
1.1.7 大数据重要的理由 14
1.1.8 大数据的解决方案 16
1.2 预测未来，大数据的发展趋势 16
1.2.1 大数据撬动全世界 17
1.2.2 大数据是大势所趋 18
1.2.3 大数据将成为资产 19
1.2.4 大数据时代的转变 20
1.2.5 大数据的发展动力 22
1.2.6 展望2014的大数据 23
1.3 做好准备，大数据面对的挑战 24
1.3.1 大数据的12个不足之处 25
1.3.2 大数据挑战的应对策略 26
第2章 价值：大数据商业变革 29
2.1 深度挖掘，大数据的商业机遇 30
2.1.1 挖掘大数据的商业价值 30
2.1.2 大数据已进入4G时代 31
2.1.3 实现商业价值的新捷径 33
2.1.4 挖掘大数据的商业机会 34
2.1.5 用大数据预测宏观经济 35
2.1.6 企业用大数据获取优势 36
2.1.7 大数据有待更深的挖掘 37
2.2 体现价值，大数据的4大变革 38
2.2.1 变革医疗卫生 38
2.2.2 带来商业革命 39
2.2.3 改变人们思维 40
2.2.4 开启时代转型 40
2.3 价值转型，大数据下的商业智能 41
2.3.1 大数据为商业智能构建基础 41
2.3.2 Oracle BIEE商业智能系统 42
2.3.3 商业智能成就行业价值机会 43
2.3.4 BI导出商业潜能和社会走向 43
2.3.5 商业智能的6大发展前景 44
2.4 大数据商业变革应用案例 45
2.4.1 【案例】大数据助力地产行业 45
2.4.2 【案例】大数据预测机票价格 46
2.4.3 【案例】用大数据增强竞争力 47
2.4.4 【案例】大数据助力企业管理 48
2.4.5 【案例】沃森人工智能计算机 49
第3章 架构：大数据基础设施 51
3.1 探索全球，10大大数据部署方案 52
3.1.1 Netflix：掌握视频大数据炼金术 52
3.1.2 家谱网：建立更准确的血缘关系 53
3.1.3 西奈山：更深刻地理解数据形态 55
3.1.4 CAIISO：实现电厂电网的智能化 56
3.1.5 Hydro One：把大数据放地图上 57
3.1.6 OHSU：结合数据虚拟化技术 58
3.1.7 VTN：公共设施的实时3D模型 59
3.1.8 戴德县：实现大型城市的智能化 60
3.1.9 澳网：利用大数据分析做出决策 61
3.1.10 DPR：结合3D技术与大数据 63
3.2 掘金红海，10大大数据分析平台 63
3.2.1 IBM：大数据领域的传统巨头 64
3.2.2 亚马逊：完美结合大数据与云 65
3.2.3 甲骨文：高集成度大数据平台 66
3.2.4 谷歌：价值无可估量的大数据 67
3.2.5 微软：“端到端”大数据平台 67
3.2.6 EMC：针对海量数据分析应用 68
3.2.7 英特尔：用Hadoop靠拢大数据 69
3.2.8 NetApp：让大数据变得更简单 69
3.2.9 惠普：构建灵活的“智能环境” 70
3.2.10 Sybase：彻底改变大数据分析 71
3.3 大数据基础设施应用案例 72
3.3.1 【案例】Streams监控婴儿ICU感染 72
3.3.2 【案例】沃尔玛打造商业数据中心 73
3.3.3 【案例】Clustrix挖掘整合海量数据 74
3.3.4 【案例】长虹联手IBM掘金大数据 74
3.3.5 【案例】LSI积极创新数据中心变革 75
第4章 掌握：数据管理与挖掘 77
4.1 管理数据，解析开源框架Hadoop 78
4.1.1 Hadoop的主要特点 78
4.1.2 Hadoop的发展历史 78
4.1.3 Hadoop的主要用途 79
4.1.4 Hadoop的项目结构 80
4.1.5 Hadoop的体系结构 82
4.2 挖掘数据，大数据如何去粗存精 83
4.2.1 准备数据 84
4.2.2 挖掘过程 84
4.2.3 结果表示 85
4.3 大数据管理与挖掘应用案例 86
4.3.1 【案例】用数据挖掘筛查高危病人 87
4.3.2 【案例】数据挖掘助力NBA赛事 87
4.3.3 【案例】用数据挖掘控制鲜花库存 88
4.3.4 【案例】挖掘人类头脑里的大数据 90
4.3.5 【案例】数据挖掘助力银行的营销 91
4.3.6 【案例】星系动物园里的数据挖掘 92
第5章 管理：用数据洞察一切 95
5.1 不能再等，大数据时代的思维变革 96
5.1.1 利用所有的数据 96
5.1.2 充分利用这些数据 96
5.1.3 海量数据替代采样 97
5.2 知己知彼，数据分析的演变与现状 99
5.2.1 大数据分析的商业驱动力 99
5.2.2 大数据分析环境的演变 100
5.2.3 大数据分析与处理方法 102
5.3 企业管理中的大数据分析应用案例 104
5.3.1 【案例】机场用大数据管理节省数百万美元 104
5.3.2 【案例】国药集团打造全方位的管理模式 105
5.3.3 【案例】迪士尼乐园用大数据提升游客乐趣 107
5.3.4 【案例】Farmeron用大数据促成农业增产 109
5.3.5 【案例】西尔斯着眼于大数据以降低成本 110
5.4 能源管理中的大数据分析应用案例 112
5.4.1 【案例】用“大数据”预测风电和太阳能 112
5.4.2 【案例】电力增长情况反映宏观经济形势 113
5.4.3 【案例】石油公司用大数据追求最大利益 114
5.4.4 【案例】大数据管理更准确、一致、及时 116
5.4.5 【案例】大数据帮助消费者提高能源效率 117
第6章 安全：摆脱大数据风险 119
6.1 问题凸显，大数据存在5大风险 120
6.1.1 风险1：个人隐私泄露 120
6.1.2 风险2：数据管理困难 121
6.1.3 风险3：成本难以控制 122
6.1.4 风险4：网络安全漏洞 123
6.1.5 风险5：数据人才缺乏 124
6.2 步步小心，大数据项目7大误区 125
6.2.1 误区1：盲目跟风 126
6.2.2 误区2：思路太过僵硬 126
6.2.3 误区3：不注重他人的经验 127
6.2.4 误区4：把大数据当“门面” 127
6.2.5 误区5：过度夸大数据成果 128
6.2.6 误区6：想要获得所有数据 128
6.2.7 误区7：认为软件是万能的 129
6.3 踏雪无痕，彻底逃离大数据监视 129
6.3.1 码头：让网络行为一目了然 130
6.3.2 上游：截取全球互联网数据 130
6.3.3 棱镜：备份全球互联网数据 131
6.3.4 星风：监视全球通信大数据 133
6.3.5 小甜饼：窃取个人网络隐私 134
6.3.6 间谍软件：让我们无处藏身 135
6.4 有备无患，做好大数据风险管理 137
6.4.1 风险管理利器1：IBM StorWize V7000 137
6.4.2 风险管理利器2：EMC VNX系列 138
6.4.3 风险管理利器3：戴尔EqualLogic平台 139
6.4.4 风险管理利器4：NetApp FAS平台 140
6.5 大数据风险管理应用案例 141
6.5.1 【案例】“闪电计划”为数据护航 141
6.5.2 【案例】智慧存储化解大数据风险 143
6.5.3 【案例】谷歌循环利用“数据废气” 145
6.5.4 【案例】借助淘宝大数据控制风险 146
精准行业聚焦篇
第7章 平台：信息通信大数据 151
7.1 信息通信平台大数据解决方案 152
7.1.1 运营商在大数据时代的认识转变 152
7.1.2 运营商在大数据时代的模式转型 153
7.1.3 运营商在大数据时代的机遇前景 154
7.1.4 运营商在大数据时代的应对方案 157
7.2 信息通信平台大数据应用案例 158
7.2.1 【案例】西班牙电话公司的数据再利用 158
7.2.2 【案例】德国电信的大数据营销新策略 159
7.2.3 【案例】Verizon利用大数据精准营销 160
7.2.4 【案例】中国联通开启大数据探索之路 162
7.2.5 【案例】法国电信大力发掘大数据价值 164
7.2.6 【案例】中国移动大数据全新战略定位 165
7.2.7 【案例】中国电信大数据聚焦商业模式 167
第8章 医疗：数据解决大难题 169
8.1 医疗行业大数据解决方案 170
8.1.1 大数据在医疗行业的应用场景 170
8.1.2 如何从大数据中获取医疗价值 172
8.1.3 医疗领域大数据的挑战和前景 172
8.2 医疗行业大数据应用案例 174
8.2.1 【案例】利用大数据进行基因组测序 174
8.2.2 【案例】利用大数据来预防流感疫情 175
8.2.3 【案例】用大数据预测心脏病发作率 177
8.2.4 【案例】大数据BI促进医院智能化 178
8.2.5 【案例】用大数据“魔毯”改善健康 179
8.2.6 【案例】用大数据分析找出治疗方案 180
8.2.7 【案例】手表成为大数据的有力武器 181
8.2.8 【案例】中南大学启动临床大数据系统 182
第9章 网络：抓牢数据发源地 185
9.1 互联网大数据解决方案 186
9.1.1 传统互联网大数据解决方案 186
9.1.2 移动互联网大数据解决方案 188
9.2 互联网大数据应用案例 189
9.2.1 【案例】大数据与互联网助力竞选总统 189
9.2.2 【案例】Acxiom用数据洞悉你的心理 191
9.2.3 【案例】大数据为个性化用户体验撑腰 193
9.2.4 【案例】人人游戏网用大数据了解玩家 194
9.2.5 【案例】迅雷用大数据抓“网络票房” 196
9.2.6 【案例】腾讯用微信展开大数据“首战” 197
第10章 零售：打响大数据之战 199
10.1 零售行业大数据解决方案 200
10.1.1 大数据对零售行业的影响 200
10.1.2 大数据对零售行业的挑战 201
10.1.3 大数据对零售行业的价值 202
10.2 零售行业大数据应用案例 203
10.2.1 【案例】ZARA：可以预见未来的时尚圈 203
10.2.2 【案例】沃尔玛：大数据帮你选好购物单 205
10.2.3 【案例】淘宝：开放“数据魔方”的秘密 207
10.2.4 【案例】Target：准确判断哪位顾客怀孕 208
10.2.5 【案例】上品折扣：用大数据做全渠道营销 210
10.2.6 【案例】阿迪达斯：用大数据带来利润 211
第11章 制造：更快更好地生产 215
11.1 生产制造业大数据解决方案 216
11.1.1 大数据对生产制造业的影响 216
11.1.2 生产制造业如何利用大数据 218
11.2 生产制造业大数据应用案例 219
11.2.1 【案例】大数据结合ERP助力生产 220
11.2.2 【案例】大数据改变福特汽车的制造 221
11.2.3 【案例】长安汽车数据与制造的结合 223
11.2.4 【案例】乐百氏BI系统助力企业成长 226
11.2.5 【案例】大数据可以破解“猪周期” 227
11.2.6 【案例】钢铁企业用大数据摆脱困境 229
11.2.7 【案例】大数据提高企业核心竞争力 231
第12章 餐饮：精准营销的数据 235
12.1 餐饮行业大数据解决方案 236
12.1.1 大数据在餐饮业的市场现状 236
12.1.2 餐饮行业面临的大数据挑战 237
12.1.3 大数据对餐饮企业有何作用 239
12.1.4 餐饮企业该如何应用大数据 240
12.2 餐饮行业大数据应用案例 241
12.2.1 【案例】农夫山泉用大数据卖矿泉水 241
12.2.2 【案例】绝味鸭脖的大数据经营模式 243
12.2.3 【案例】“哆啦宝”打造精准营销平台 244
12.2.4 【案例】打造适合你的找餐馆手机APP 246
第13章 金融：大数据理财时代 249
13.1 金融行业大数据解决方案 250
13.1.1 大数据对传统金融行业的影响 250
13.1.2 大数据时代下金融业的机遇和面临的挑战 251
13.1.3 金融业该如何“迎战”大数据 252
13.2 金融行业大数据应用案例 254
13.2.1 【案例】淘宝网掘金大数据金融市场 255
13.2.2 【案例】IBM用大数据预测股价走势 256
13.2.3 【案例】汇丰银行采用SAS管理风险 257
13.2.4 【案例】Kabbage用大数据开辟新路径 258
13.2.5 【案例】大数据时代信用卡该怎么玩 259
第14章 交通：畅通无阻的数据 261
14.1 交通行业大数据解决方案 262
14.1.1 5大日益突出的城市交通难题 262
14.1.2 大数据为交通难题开出的药方 263
14.1.3 大数据解决交通难题4大优势 265
14.1.4 如何应用大数据解决交通问题 265
14.1.5 大数据在智能交通行业的挑战 267
14.2 交通行业大数据应用案例 268
14.2.1 【案例】大数据解决波士顿堵车难题 268
14.2.2 【案例】谷歌街景带你在家环游世界 270
14.2.3 【案例】腾讯SOSO让地图更“真实” 272
14.2.4 【案例】用大数据APP缓解交通压力 274
14.2.5 【案例】ETC电子收费系统加大通行力 275
第15章 社会：用数据改变生活 279
15.1 教育领域大数据应用案例 280
15.1.1 【案例】大数据让在线教育变为现实 280
15.1.2 【案例】无孔不入的数字化学习平台 281
15.1.3 【案例】用云平台全面推进素质教育 281
15.1.4 【案例】美国政府用大数据改善教育 283
15.1.5 【案例】大数据有效地指导学生学习 283
15.1.6 【案例】用大数据管理上海大学招生 284
15.2 体育领域大数据应用案例 285
15.2.1 【案例】Nike记录运动中的数据价值 285
15.2.2 【案例】大数据助力NBA赛事全过程 287
15.2.3 【案例】大数据颠覆网球的游戏规则 289
15.2.4 【案例】从大数据中获得宝贵洞察力 290
15.2.5 【案例】用预测分析软件来防止受伤 290
15.2.6 【案例】普通球迷也能成为分析专家 291
15.3 影音媒体大数据应用案例 292
15.3.1 【案例】《爸爸去哪儿》成口碑之王 292
15.3.2 【案例】用大数据来挖掘《小时代》 293
15.3.3 【案例】《纸牌屋》变革传统电视业 294
15.3.4 【案例】《纽约时报》让报纸智能化 295
15.3.5 【案例】大数据带来逼真的影视特效 296
15.4 生活中的大数据应用案例 298
15.4.1 【案例】大数据让你的生活更智能 298
15.4.2 【案例】数据能够开口说话当红娘 299
15.4.3 【案例】大数据保障人身财产安全 300
15.4.4 【案例】用大数据安全保管门钥匙 301
15.4.5 【案例】地图APP成为生活好助手 302
· · · · · · (收起)
读后感
用户评价
这本书的学术严谨性与商业洞察力达到了一个非常高的平衡点。它不像纯粹的学术著作那样高高在上，也不像市场营销手册那样浮于表面。我欣赏作者对数据生命周期中“反馈回路”的强调。很多传统的数据项目都是一次性的分析报告，数据产生后就束之高阁，无法形成持续的优化。这本书明确指出，真正的精准来自于持续的迭代和学习。他详细阐述了A/B测试在数据驱动决策中的核心地位，并探讨了如何设计有效的实验来验证商业假设。这种强调“闭环”和“实验精神”的理念，对于当前追求敏捷和快速迭代的企业来说，具有极强的指导意义。此外，书中对数据架构的讨论也显示出作者深厚的功底，他不仅谈到了当前流行的分布式系统，还对其演进方向进行了合理的预测，展现了一种前瞻性的视野。这本书更像是一份为未来十年数据战略布局提供的深度参考手册，它让你在面对海量数据带来的焦虑时，能够保持一份从容和清晰的战略定力，知道哪些是噪音，哪些才是真正的信号。
说实话，我原本以为这又是一本充斥着时髦名词的“快餐式”读物，但我的判断完全错了。这本书的深度远超我的预期。它最打动我的地方在于对“精准”二字的深度挖掘。海量的数据是基础，但如何从这片汪洋中捞出对特定问题有价值的“珍珠”，才是真正的艺术和科学。书中关于高级分析和机器学习应用的部分，虽然没有提供手把手的编程指南，但它清晰地阐述了不同模型的适用场景、它们的内在逻辑以及局限性。作者没有过度神化AI，反而用很清醒的口吻指出，模型的结果最终还是需要业务专家的判断来校准。我注意到作者在讨论数据可视化时，也很有独到见解，他强调可视化不是为了炫技，而是为了讲好数据背后的“故事”。很多时候，一个好的图表胜过千言万语的报告。这本书的结构安排非常合理，层层递进，从底层基础设施讲到顶层业务价值，形成了一个完整的闭环。对于那些希望从数据中提炼出洞察力的中高层管理者而言，这本书提供的思维框架，比任何单一工具手册都要宝贵得多。
这本书的叙事节奏把握得非常到位，读起来有一种行云流水的流畅感，让人很难中途停下来。我个人是偏向于应用层面的实践者，我对理论的兴趣往往不如对落地案例的渴望。这本书在这方面做得尤为出色，它巧妙地穿插了几个跨行业的案例分析，比如零售业的客户画像构建，以及制造业的预测性维护。这些案例的描述非常生动，它们不是干巴巴的流程罗列，而是深入到业务痛点如何被数据解决方案有效缓解的过程。我尤其喜欢作者对“数据文化”建设的论述。他指出，技术只是工具，而能否将数据思维融入到日常决策中，才是决定项目成败的关键。很多企业失败，不是因为技术选型错了，而是因为员工不信任数据，或者不知道如何正确解读数据。这本书在这方面提供了非常务实的建议，比如如何建立跨部门的数据沟通机制，如何培养数据素养。读完之后，我感觉自己对如何说服高层投入资源进行数据基础建设，也有了更坚实、更有力的论据支持。它赋予了读者一种将技术转化为商业语言的能力。
这本书的封面设计很有意思，那种深蓝色调配上一些跳跃的白色光点，确实让人联想到数据洪流的意象。我最初是被这个标题吸引的，‘从海量到精准’，这不就是我们现在所有行业都在追求的终极目标吗？读完之后，我感觉作者在叙述上非常克制，他没有像很多技术书籍那样陷入晦涩难懂的算法细节里，反而更像是一位引路人，带着我们走过数据生命周期的每一步。他花了大篇幅去探讨如何清洗那些“脏数据”，这点我深有体会，现实中的数据质量简直是一场灾难。最让我印象深刻的是他描述数据治理那一部分，那种自上而下的系统性思维，不是简单地堆砌工具，而是强调文化和流程的重塑。我身边很多公司都在做大数据项目，但往往只是为了赶时髦，买了昂贵的平台，结果数据还是散落在各处，无法有效利用。这本书里提出的那些框架，虽然理论性强，但确实为构建一个可持续的数据生态提供了蓝图。如果非要说有什么不足，可能对于初次接触这个领域的读者来说，开篇需要一点耐心去消化那些宏观的概念，但坚持读下去，回报是巨大的，它帮你建立起一个完整的、不碎片化的认知体系。它成功地将一个技术话题，提升到了企业战略的高度来讨论，这点非常高明。
这本书的文字功底真是没得挑。我通常阅读技术类书籍都会感到枯燥乏味，因为很多作者只是把技术文档翻译成了白话，缺乏叙事感。但这本书不同，作者的笔触非常细腻，尤其是在描述数据采集和融合的过程中，他运用了一些类比手法，比如将数据比作“信息孤岛上的矿石”，需要通过“信息高速公路”才能汇集成价值的“精炼金属”。这种形象化的表达，极大地降低了阅读的门槛。我特别欣赏作者在探讨数据安全与隐私保护时的那种审慎态度。在当前这个数据泄露事件频发的时代，这本书没有回避敏感话题，而是用一种近乎哲学思辨的方式，去探讨技术能力与社会责任之间的平衡点。他没有给出简单的“是”或“否”的答案，而是引导读者思考如何在合规的前提下最大化数据价值。我合上书本时，脑子里浮现的不再是冰冷的服务器和复杂的代码，而是如何通过更智慧的方式去理解我们周围的世界，如何让数据真正成为驱动决策的“燃料”，而不是堆积如山的“废料”。这本书读完，感觉像上了一堂高阶的商业伦理与技术实践结合的课程。
复制粘贴的写法，报道合集
复制粘贴的写法，报道合集
复制粘贴的写法，报道合集
案例丰富
案例丰富
