前言
第一篇　大數據基礎知識
第1章　大數據的基本定義　/ 2
1.1　大數據分析的齣現　/ 3
1.2　大數據如何發掘價值　/ 3
1.3　大數據處理的關鍵——數據類型　/ 5
1.4　大數據處理的微妙之處　/ 6
1.5　大數據環境下的處理分析工具　/ 7
1.6　智能數據時代到來　/ 10
第2章　數據的藝術　/ 12
2.1　評估可能性的藝術　/ 12
2.2　瞭解現狀　/ 13
2.3　自我評估、完善度、信息架構　/ 14
2.4　願景部署　/ 19
2.5　現在和將來的數據倉庫　/ 20
2.6　實時建議和操作　/ 25
2.7　驗證提齣的願景　/ 26
第3章　大數據：有所為有所不為　/ 28
3.1　大數據分析最佳實踐　/ 28
3.2　從小做起　/ 29
3.3　關注大局　/ 30
3.4　避免最差實踐　/ 30
3.5　步步為營　/ 32
3.6　學會利用異常數據　/ 34
3.7　速度與精度的抉擇　/ 35
3.8　內存計算　/ 36
第二篇　大數據工具和技術
第4章　分布式世界中的設計　/ 42
4.1　可見性　/ 43
4.2　保持簡單的重要性　/ 44
4.3　組閤　/ 44
4.4　分布式狀態　/ 49
4.5　CAP原則　/ 51
4.6　鬆耦閤係統　/ 53
4.7　速度　/ 55
4.8　總結　/ 58
第5章　大數據分析工具　/ 59
5.1　Apache Hadoop　/ 59
5.2　Apache Spark　/ 69
5.3　NoSQL數據庫　/ 73
5.4　MongoDB　/ 89
第三篇　數據管理
第6章　大數據的類型　/ 108
6.1　定義結構化數據　/ 109
6.2　探秘結構化數據來源　/ 109
6.3　關係數據庫在大數據中扮演的角色　/ 110
6.4　非結構化數據　/ 111
6.5　內容管理係統在大數據管理中的作用　/ 112
6.6　實時和非實時條件　/ 113
6.7　大數據集成　/ 114
第7章　大數據的新範式：我們想要從大數據係統中獲得什麼　/ 116
7.1　穩定性和容錯性　/ 116
7.2　橫嚮擴容　/ 117
7.3　可擴展性　/ 117
7.4　即席查詢　/ 117
7.5　最小化維護　/ 117
7.6　可調試性　/ 118
7.7　完全增量式架構　/ 118
7.8　操作復雜性　/ 119
7.9　極其復雜地實現最終一緻性　/ 119
7.10　人為容錯的缺陷　/ 121
7.11　Lambda架構　/ 121
第8章　數據管理　/ 125
8.1　數據管理成熟度評估　/ 125
8.2　元數據管理　/ 128
8.3　數據治理　/ 130
8.4　數據質量管理　/ 134
8.5　參考數據與主數據管理　/ 137
第四篇　數據工程
第9章　理解數據業務流程　/ 142
9.1　理解商業動機　/ 142
9.2　調查計劃　/ 146
9.3　初步研究　/ 146
9.4　專傢谘詢　/ 146
9.5　識彆關鍵成功因素　/ 147
9.6　優先考慮早期路綫圖的執行　/ 150
9.7　戰略圖譜　/ 154
第10章　大數據和雲計算　/ 163
10.1　雲計算的定義　/ 163
10.2　私有雲與公有雲計算　/ 165
10.3　IaaS典型平颱——亞馬遜雲平颱AWS　/ 165
10.4　PaaS典型平颱　/ 172
10.5　SaaS典型平颱　/ 176
第11章　數據收集　/ 179
11.1　收集一切　/ 179
11.2　為數據源設置優先級　/ 181
11.3　關聯單獨的數據　/ 182
11.4　如何收集數據　/ 184
11.5　數據采購　/ 186
11.6　數據保留　/ 190
第12章　數據質量和數據預處理　/ 191
12.1　數據質量：為什麼要對數據做預處理　/ 191
12.2　數據預處理的主要工作　/ 192
第13章　數據安全和隱私　/ 195
13.1　數據收集：瞭解隱私的最前沿　/ 195
13.2　策略考慮因素　/ 196
13.3　實施考慮因素　/ 200
13.4　總結　/ 201
第五篇　數據科學
第14章　數據分析　/ 204
14.1　什麼是分析　/ 205
14.2　分析的類型　/ 206
第15章　數據探索　/ 221
15.1　概要　/ 221
15.2　數據探索的目標　/ 222
15.3　數據集　/ 222
15.4　描述性統計　/ 225
15.5　數據可視化　/ 229
15.6　數據探索路綫圖　/ 240
第16章　大數據、數據科學和數據挖掘　/ 242
16.1　先驗知識　/ 244
16.2　數據準備　/ 246
16.3　建模　/ 249
16.4　應用　/ 253
16.5　總結　/ 255
第六篇　構築數據驅動型企業
第17章　建立數據驅動文化　/ 258
17.1　數據收集　/ 260
17.2　報告　/ 261
17.3　警報　/ 262
17.4　從報告到警報再到分析　/ 263
17.5　數據驅動的標誌　/ 265
17.6　分析成熟度　/ 267
第18章　構建大數據團隊　/ 271
18.1　數據科學傢　/ 271
18.2　團隊挑戰　/ 272
18.3　不同的團隊，不同的目標　/ 272
18.4　彆忘瞭數據　/ 273
18.5　更多挑戰　/ 274
18.6　團隊與文化　/ 274
18.7　量化成就　/ 275
第七篇　大數據實戰
第19章　大數據使用實例　/ 278
19.1　大數據的使用與意義　/ 279
19.2　案例：大數據在金融領域的應用　/ 283
19.3　案例：大數據在地産領域的應用　/ 298
第20章　大數據分析和數據驅動決策的思維實戰　/ 309
20.1　無處不在的數據機會　/ 309
20.2　數據科學、數據工程和數據驅動決策　/ 312
20.3　數據處理和大數據　/ 314
20.4　從大數據1.0到大數據2.0　/ 314
20.5　數據和數據科學能力作為戰略資産　/ 315
20.6　數據分析思維　/ 317
20.7　具備數據分析技能的管理者　/ 318
20.8　數據挖掘與數據科學　/ 319
20.9　化學反應不隻限於試管：數據科學與數據科學傢的工作　/ 320
20.10　總結　/ 321
第21章　結語
21.1　全麵解讀　/ 322
21.2　通往大數據之路　/ 323
21.3　思索大數據的真實一麵　/ 324
21.4　大數據實踐　/ 325
21.5　深度解讀大數據處理流程　/ 325
21.6　大數據可視化　/ 329
21.7　大數據隱私　/ 330
· · · · · · (收起)