智能数据时代 企业大数据战略与实战PDF|Epub|txt|kindle电子书版本网盘下载

智能数据时代 企业大数据战略与实战PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一篇 大数据基础知识2

第1章 大数据的基本定义2

1.1 大数据分析的出现3

1.2 大数据如何发掘价值3

1.3 大数据处理的关键——数据类型5

1.4 大数据处理的微妙之处6

1.5 大数据环境下的处理分析工具7

1.6 智能数据时代到来10

第2章 数据的艺术12

2.1 评估可能性的艺术12

2.2 了解现状13

2.3 自我评估、完善度、信息架构14

2.4 愿景部署19

2.5 现在和将来的数据仓库20

2.6 实时建议和操作25

2.7 验证提出的愿景26

第3章 大数据：有所为有所不为28

3.1 大数据分析最佳实践28

3.2 从小做起29

3.3 关注大局30

3.4 避免最差实践30

3.5 步步为营32

3.6 学会利用异常数据34

3.7 速度与精度的抉择35

3.8 内存计算36

第二篇 大数据工具和技术42

第4章 分布式世界中的设计42

4.1 可见性43

4.2 保持简单的重要性44

4.3 组合44

4.4 分布式状态49

4.5 CAP原则51

4.6 松耦合系统53

4.7 速度55

4.8 总结58

第5章 大数据分析工具59

5.1 Apache Hadoop59

5.2 Apache Spark69

5.3 NoSQL数据库73

5.4 MongoDB89

第三篇 数据管理108

第6章 大数据的类型108

6.1 定义结构化数据109

6.2 探秘结构化数据来源109

6.3 关系数据库在大数据中扮演的角色110

6.4 非结构化数据111

6.5 内容管理系统在大数据管理中的作用112

6.6 实时和非实时条件113

6.7 大数据集成114

第7章 大数据的新范式：我们想要从大数据系统中获得什么116

7.1 稳定性和容错性116

7.2 横向扩容117

7.3 可扩展性117

7.4 即席查询117

7.5 最小化维护117

7.6 可调试性118

7.7 完全增量式架构118

7.8 操作复杂性119

7.9 极其复杂地实现最终一致性119

7.10 人为容错的缺陷121

7.11 Lambda架构121

第8章 数据管理125

8.1 数据管理成熟度评估125

8.2 元数据管理128

8.3 数据治理130

8.4 数据质量管理134

8.5 参考数据与主数据管理137

第四篇 数据工程142

第9章 理解数据业务流程142

9.1 理解商业动机142

9.2 调查计划146

9.3 初步研究146

9.4 专家咨询146

9.5 识别关键成功因素147

9.6 优先考虑早期路线图的执行150

9.7 战略图谱154

第10章 大数据和云计算163

10.1 云计算的定义163

10.2 私有云与公有云计算165

10.3 laaS典型平台——亚马逊云平台AWS165

10.4 PaaS典型平台172

10.5 SaaS典型平台176

第11章 数据收集179

11.1 收集一切179

11.2 为数据源设置优先级181

11.3 关联单独的数据182

11.4 如何收集数据184

11.5 数据采购186

11.6 数据保留190

第12章 数据质量和数据预处理191

12.1 数据质量：为什么要对数据做预处理191

12.2 数据预处理的主要工作192

第13章 数据安全和隐私195

13.1 数据收集：了解隐私的最前沿195

13.2 策略考虑因素196

13.3 实施考虑因素200

13.4 总结201

第五篇 数据科学204

第14章 数据分析204

14.1 什么是分析205

14.2 分析的类型206

第15章 数据探索221

15.1 概要221

15.2 数据探索的目标222

15.3 数据集222

15.4 描述性统计225

15.5 数据可视化229

15.6 数据探索路线图240

第16章 大数据、数据科学和数据挖掘242

16.1 先验知识244

16.2 数据准备246

16.3 建模249

16.4 应用253

16.5 总结255

第六篇 构筑数据驱动型企业258

第17章 建立数据驱动文化258

17.1 数据收集260

17.2 报告261

17.3 警报262

17.4 从报告到警报再到分析263

17.5 数据驱动的标志265

17.6 分析成熟度267

第18章 构建大数据团队271

18.1 数据科学家271

18.2 团队挑战272

18.3 不同的团队，不同的目标272

18.4 别忘了数据273

18.5 更多挑战274

18.6 团队与文化274

18.7 量化成就275

第七篇 大数据实战278

第19章 大数据使用实例278

19.1 大数据的使用与意义279

19.2 案例：大数据在金融领域的应用283

19.3 案例：大数据在地产领域的应用298

第20章 大数据分析和数据驱动决策的思维实战309

20.1 无处不在的数据机会309

20.2 数据科学、数据工程和数据驱动决策312

20.3 数据处理和大数据314

20.4 从大数据1.0到大数据2.0314

20.5 数据和数据科学能力作为战略资产315

20.6 数据分析思维317

20.7 具备数据分析技能的管理者318

20.8 数据挖掘与数据科学319

20.9 化学反应不只限于试管：数据科学与数据科学家的工作320

20.10 总结321

第21章 结语322

21.1 全面解读322

21.2 通往大数据之路323

21.3 思索大数据的真实一面324

21.4 大数据实践325

21.5 深度解读大数据处理流程325

21.6 大数据可视化329

21.7 大数据隐私330