《大數據分析：點“數”成金》以大數據分析的商業及金融價值為主線，對大數據這一嶄新領域進行了深入探索。《大數據分析：點“數”成金》以大數據技術的基本概念和演進歷程開篇，隨後詳細介紹了不同類型的數據源及其對企業的重要意義、企業投資大數據技術的成功商業案例、有效利用數據集的必備技能，解析了打造大數據分析系統所需的存儲、加工、軟體平台及其他構成要素，海量數據的安全工具和技術，系統潛在風險及其規避方法，以及怎樣對大數據進行分析並從中提取有價值的可用信息，並詳實闡述了如何將大數據融入企業文化等問題。 《大數據分析：點“數”成金》不但向讀者闡明了大數據分析的重要性，更淋漓盡致地展現了大數據分析的具體過程，從而幫助企業提升智慧型化水平、解決實際問題、提升利潤空間、提高生產率並發現更多的商業機會。《大數據分析：點“數”成金》適合對數據處理、數據挖掘、數據分析感興趣的企業決策者、技術人員等閱讀。
基本介紹
- 書名：大數據分析:點"數"成金
- 作者：奧爾霍斯特 (Frank J.Ohlhorst)
- 類型：人文社科
- 出版日期：2013年9月1日
- 語種：簡體中文
- ISBN：9787115324528
- 外文名：Big Data Analytics: Turning Big Data Into Big Money
- 譯者：王偉軍
- 出版社：人民郵電出版社
- 頁數：136頁
- 開本：16
- 定價：35.00
基本介紹,內容簡介,作者簡介,媒體推薦,圖書目錄,
基本介紹
內容簡介
你現在正坐在一座金礦之上，這些金子或被深埋於備份、存檔數據之中，或正藏在你眼前的數據集裡，它們是提升公司效益、拓展新的商業關係、制訂更直觀決策的秘訣所在，足以使你的企業更上一層樓。你將明白如何利用、分析和駕馭數據來獲得豐厚回報。
作者Frank Ohlhorst“厚積”數十年的技術經驗而“薄發”於此書，他將向讀者介紹怎樣將大數據分析套用於各行各業。在中，你將了解到如何對數據進行挖掘，怎樣從數據中揭示趨勢並轉化為競爭策略及攫取價值的方法。這些更有意思也更有效的方法能夠提升企業的智慧型化水平，將有助於企業解決實際問題，提升利潤空間，提高生產率並發現更多的商業機會。
作者Frank Ohlhorst是一位技術專家，資深科技記者，專業演說家，擔任IT企業諮詢顧問已逾25載，在技術領域積累了豐富經驗。作者出版過多部頗具影響力的技術著作，並在眾多業內會議上發表過演講，在業內廣受讚譽。
如今，數據已成為企業發展戰略中的一枚重要“棋子”，任何組織若想跟上時代的腳步就必須張開雙臂擁抱大數據！大數據分析，盡在點數成金！
作者Frank Ohlhorst“厚積”數十年的技術經驗而“薄發”於此書，他將向讀者介紹怎樣將大數據分析套用於各行各業。在中，你將了解到如何對數據進行挖掘，怎樣從數據中揭示趨勢並轉化為競爭策略及攫取價值的方法。這些更有意思也更有效的方法能夠提升企業的智慧型化水平，將有助於企業解決實際問題，提升利潤空間，提高生產率並發現更多的商業機會。
作者Frank Ohlhorst是一位技術專家，資深科技記者，專業演說家，擔任IT企業諮詢顧問已逾25載，在技術領域積累了豐富經驗。作者出版過多部頗具影響力的技術著作，並在眾多業內會議上發表過演講，在業內廣受讚譽。
如今，數據已成為企業發展戰略中的一枚重要“棋子”，任何組織若想跟上時代的腳步就必須張開雙臂擁抱大數據！大數據分析，盡在點數成金！
作者簡介
作者簡介
Frank J.Ohlhorst：資深科技記者、專業演說家，擔任IT企業諮詢顧問已逾25載，在技術領域積累了豐富的經驗。他不僅為許多前沿性技術雜誌撰寫文章，如《Computer World》、《TechTarget》、《CRN》、《Network Computing》、《PCWorld》、《ExtremeTech》和《Tom’s Hardware》，也為《Enterpreneur》和《BNET》這樣的商業雜誌進行寫作，還完成多部技術著作並參與編寫了很多優秀技術企業的白皮書、案例研究、評論指南及頻道指南等，引領了創新的發展。
譯者簡介
王偉軍：男，1965年4月出生，華中師範大學信息管理學院教授、博士生導師，“教育部新世紀優秀人才支持計畫”2007年入選者。主要研究興趣為信息資源管理、數據分析、知識管理與知識服務。
劉凱：男，1981年11月出生，渤海大學講師、華中師範大學博士生。主要研究方向為智慧型Web數據處理與分析、文本數據挖掘。熱衷開源，具有豐富的軟體開發經驗，其ChinaUnix的技術部落格已有30餘萬訪問量。新浪微博：@五-岳-之-巔。
楊光：女，1991年9月出生，澳大利亞昆士蘭大學在讀碩士生。主要研究方向為金融信息系統。
Frank J.Ohlhorst：資深科技記者、專業演說家，擔任IT企業諮詢顧問已逾25載，在技術領域積累了豐富的經驗。他不僅為許多前沿性技術雜誌撰寫文章，如《Computer World》、《TechTarget》、《CRN》、《Network Computing》、《PCWorld》、《ExtremeTech》和《Tom’s Hardware》，也為《Enterpreneur》和《BNET》這樣的商業雜誌進行寫作，還完成多部技術著作並參與編寫了很多優秀技術企業的白皮書、案例研究、評論指南及頻道指南等，引領了創新的發展。
譯者簡介
王偉軍：男，1965年4月出生，華中師範大學信息管理學院教授、博士生導師，“教育部新世紀優秀人才支持計畫”2007年入選者。主要研究興趣為信息資源管理、數據分析、知識管理與知識服務。
劉凱：男，1981年11月出生，渤海大學講師、華中師範大學博士生。主要研究方向為智慧型Web數據處理與分析、文本數據挖掘。熱衷開源，具有豐富的軟體開發經驗，其ChinaUnix的技術部落格已有30餘萬訪問量。新浪微博：@五-岳-之-巔。
楊光：女，1991年9月出生，澳大利亞昆士蘭大學在讀碩士生。主要研究方向為金融信息系統。
媒體推薦
本書探尋了大數據背後的諸多概念、介紹數據分析的方法以及數據的價值所在。
圖書目錄
第1章 什麼是大數據 1
1.1 數據分析的春天 2
1.2 價值何在 2
1.3 琳琅滿目的大數據 4
1.4 不同的數據，統一的處理 5
1.5 一款開源利器 6
1.6 入門容易修行難 7
第2章 大數據為何如此重要 9
2.1 步入“尋常百姓家” 10
2.2 披荊斬棘，一路前行 11
2.3 數據演化，並未停息 13
2.4 日益複雜的數據和數據分析 14
2.5 未來就在眼前 15
第3章 大數據與商業案例 17
3.1 價值實現 18
3.2 編纂大數據案例 18
3.3 大數據：漸入人心 20
3.4 後起之秀Cassandra 22
3.5 選擇與抉擇 23
第4章 打造大數據團隊 25
4.1 數據科學家 25
4.2 組建團隊的挑戰 26
4.3 明確目標，各司其職 26
4.4 一切以數據為中心 27
4.5 成事在“人” 28
4.6 團隊與企業文化 29
4.7 績效評估 30
第5章 大數據源 31
5.1 獵尋數據源 32
5.2 確立目標 33
5.3 大數據源的井噴 34
5.4 深入探尋大數據源 35
5.5 挖掘公共數據的“寶藏” 36
5.6 邁出收穫大數據的第一步 37
5.7 增長無止境 39
第6章 “組裝”大數據 41
6.1 走出“存儲”困境 41
6.2 搭建平台 45
6.3 從結構化到非結構化數據 48
6.4 處理能力 50
6.5 自建，外包，還是兼而有之？ 51
第7章 安全、合規、審計與保護 53
7.1 確保大數據安全的務實之道 54
7.2 數據分類 54
7.3 保障大數據分析 55
7.4 大數據及其合規性 56
7.5 來自智力成果的挑戰 61
第8章 大數據的演進歷程 65
8.1 大數據的新紀元 67
8.2 今天、明天和未來 70
8.3 改進算法 76
第9章 大數據分析的最佳實踐 79
9.1 小處入手 80
9.2 大處著眼 81
9.3 避離最差實踐 81
9.4 起步階段 83
9.5 異常的價值 85
9.6 便利與準確 87
9.7 在記憶體中處理 87
第10章 和盤而出 93
10.1 大數據之路 94
10.2 觀其狀 95
10.3 求其法 96
10.4 探其道 97
10.5 大數據可視化 101
10.6 大數據隱私 102
附錄 支撐材料 105
1.1 數據分析的春天 2
1.2 價值何在 2
1.3 琳琅滿目的大數據 4
1.4 不同的數據，統一的處理 5
1.5 一款開源利器 6
1.6 入門容易修行難 7
第2章 大數據為何如此重要 9
2.1 步入“尋常百姓家” 10
2.2 披荊斬棘，一路前行 11
2.3 數據演化，並未停息 13
2.4 日益複雜的數據和數據分析 14
2.5 未來就在眼前 15
第3章 大數據與商業案例 17
3.1 價值實現 18
3.2 編纂大數據案例 18
3.3 大數據：漸入人心 20
3.4 後起之秀Cassandra 22
3.5 選擇與抉擇 23
第4章 打造大數據團隊 25
4.1 數據科學家 25
4.2 組建團隊的挑戰 26
4.3 明確目標，各司其職 26
4.4 一切以數據為中心 27
4.5 成事在“人” 28
4.6 團隊與企業文化 29
4.7 績效評估 30
第5章 大數據源 31
5.1 獵尋數據源 32
5.2 確立目標 33
5.3 大數據源的井噴 34
5.4 深入探尋大數據源 35
5.5 挖掘公共數據的“寶藏” 36
5.6 邁出收穫大數據的第一步 37
5.7 增長無止境 39
第6章 “組裝”大數據 41
6.1 走出“存儲”困境 41
6.2 搭建平台 45
6.3 從結構化到非結構化數據 48
6.4 處理能力 50
6.5 自建，外包，還是兼而有之？ 51
第7章 安全、合規、審計與保護 53
7.1 確保大數據安全的務實之道 54
7.2 數據分類 54
7.3 保障大數據分析 55
7.4 大數據及其合規性 56
7.5 來自智力成果的挑戰 61
第8章 大數據的演進歷程 65
8.1 大數據的新紀元 67
8.2 今天、明天和未來 70
8.3 改進算法 76
第9章 大數據分析的最佳實踐 79
9.1 小處入手 80
9.2 大處著眼 81
9.3 避離最差實踐 81
9.4 起步階段 83
9.5 異常的價值 85
9.6 便利與準確 87
9.7 在記憶體中處理 87
第10章 和盤而出 93
10.1 大數據之路 94
10.2 觀其狀 95
10.3 求其法 96
10.4 探其道 97
10.5 大數據可視化 101
10.6 大數據隱私 102
附錄 支撐材料 105
