智能數(shù)據(jù)時代：企業(yè)大數(shù)據(jù)戰(zhàn)略與實戰(zhàn)

前言
第一篇　大數(shù)據(jù)基礎知識
第1章　大數(shù)據(jù)的基本定義　/ 2
1.1　大數(shù)據(jù)分析的出現(xiàn)　/ 3
1.2　大數(shù)據(jù)如何發(fā)掘價值　/ 3
1.3　大數(shù)據(jù)處理的關鍵——數(shù)據(jù)類型　/ 5
1.4　大數(shù)據(jù)處理的微妙之處　/ 6
1.5　大數(shù)據(jù)環(huán)境下的處理分析工具　/ 7
1.6　智能數(shù)據(jù)時代到來　/ 10
第2章　數(shù)據(jù)的藝術(shù)　/ 12
2.1　評估可能性的藝術(shù)　/ 12
2.2　了解現(xiàn)狀　/ 13
2.3　自我評估、完善度、信息架構(gòu)　/ 14
2.4　愿景部署　/ 19
2.5　現(xiàn)在和將來的數(shù)據(jù)倉庫　/ 20
2.6　實時建議和操作　/ 25
2.7　驗證提出的愿景　/ 26
第3章　大數(shù)據(jù)：有所為有所不為　/ 28
3.1　大數(shù)據(jù)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(shù)據(jù)　/ 34
3.7　速度與精度的抉擇　/ 35
3.8　內(nèi)存計算　/ 36
第二篇　大數(shù)據(jù)工具和技術(shù)
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　組合　/ 44
4.4　分布式狀態(tài)　/ 49
4.5　CAP原則　/ 51
4.6　松耦合系統(tǒng)　/ 53
4.7　速度　/ 55
4.8　總結(jié)　/ 58
第5章　大數(shù)據(jù)分析工具　/ 59
5.1　Apache Hadoop　/ 59
5.2　Apache Spark　/ 69
5.3　NoSQL數(shù)據(jù)庫　/ 73
5.4　MongoDB　/ 89
第三篇　數(shù)據(jù)管理
第6章　大數(shù)據(jù)的類型　/ 108
6.1　定義結(jié)構(gòu)化數(shù)據(jù)　/ 109
6.2　探秘結(jié)構(gòu)化數(shù)據(jù)來源　/ 109
6.3　關系數(shù)據(jù)庫在大數(shù)據(jù)中扮演的角色　/ 110
6.4　非結(jié)構(gòu)化數(shù)據(jù)　/ 111
6.5　內(nèi)容管理系統(tǒng)在大數(shù)據(jù)管理中的作用　/ 112
6.6　實時和非實時條件　/ 113
6.7　大數(shù)據(jù)集成　/ 114
第7章　大數(shù)據(jù)的新范式：我們想要從大數(shù)據(jù)系統(tǒng)中獲得什么　/ 116
7.1　穩(wěn)定性和容錯性　/ 116
7.2　橫向擴容　/ 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(diào)試性　/ 118
7.7　完全增量式架構(gòu)　/ 118
7.8　操作復雜性　/ 119
7.9　極其復雜地實現(xiàn)最終一致性　/ 119
7.10　人為容錯的缺陷　/ 121
7.11　Lambda架構(gòu)　/ 121
第8章　數(shù)據(jù)管理　/ 125
8.1　數(shù)據(jù)管理成熟度評估　/ 125
8.2　元數(shù)據(jù)管理　/ 128
8.3　數(shù)據(jù)治理　/ 130
8.4　數(shù)據(jù)質(zhì)量管理　/ 134
8.5　參考數(shù)據(jù)與主數(shù)據(jù)管理　/ 137
第四篇　數(shù)據(jù)工程
第9章　理解數(shù)據(jù)業(yè)務流程　/ 142
9.1　理解商業(yè)動機　/ 142
9.2　調(diào)查計劃　/ 146
9.3　初步研究　/ 146
9.4　專家咨詢　/ 146
9.5　識別關鍵成功因素　/ 147
9.6　優(yōu)先考慮早期路線圖的執(zhí)行　/ 150
9.7　戰(zhàn)略圖譜　/ 154
第10章　大數(shù)據(jù)和云計算　/ 163
10.1　云計算的定義　/ 163
10.2　私有云與公有云計算　/ 165
10.3　IaaS典型平臺——亞馬遜云平臺AWS　/ 165
10.4　PaaS典型平臺　/ 172
10.5　SaaS典型平臺　/ 176
第11章　數(shù)據(jù)收集　/ 179
11.1　收集一切　/ 179
11.2　為數(shù)據(jù)源設置優(yōu)先級　/ 181
11.3　關聯(lián)單獨的數(shù)據(jù)　/ 182
11.4　如何收集數(shù)據(jù)　/ 184
11.5　數(shù)據(jù)采購　/ 186
11.6　數(shù)據(jù)保留　/ 190
第12章　數(shù)據(jù)質(zhì)量和數(shù)據(jù)預處理　/ 191
12.1　數(shù)據(jù)質(zhì)量：為什么要對數(shù)據(jù)做預處理　/ 191
12.2　數(shù)據(jù)預處理的主要工作　/ 192
第13章　數(shù)據(jù)安全和隱私　/ 195
13.1　數(shù)據(jù)收集：了解隱私的最前沿　/ 195
13.2　策略考慮因素　/ 196
13.3　實施考慮因素　/ 200
13.4　總結(jié)　/ 201
第五篇　數(shù)據(jù)科學
第14章　數(shù)據(jù)分析　/ 204
14.1　什么是分析　/ 205
14.2　分析的類型　/ 206
第15章　數(shù)據(jù)探索　/ 221
15.1　概要　/ 221
15.2　數(shù)據(jù)探索的目標　/ 222
15.3　數(shù)據(jù)集　/ 222
15.4　描述性統(tǒng)計　/ 225
15.5　數(shù)據(jù)可視化　/ 229
15.6　數(shù)據(jù)探索路線圖　/ 240
第16章　大數(shù)據(jù)、數(shù)據(jù)科學和數(shù)據(jù)挖掘　/ 242
16.1　先驗知識　/ 244
16.2　數(shù)據(jù)準備　/ 246
16.3　建模　/ 249
16.4　應用　/ 253
16.5　總結(jié)　/ 255
第六篇　構(gòu)筑數(shù)據(jù)驅(qū)動型企業(yè)
第17章　建立數(shù)據(jù)驅(qū)動文化　/ 258
17.1　數(shù)據(jù)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(shù)據(jù)驅(qū)動的標志　/ 265
17.6　分析成熟度　/ 267
第18章　構(gòu)建大數(shù)據(jù)團隊　/ 271
18.1　數(shù)據(jù)科學家　/ 271
18.2　團隊挑戰(zhàn)　/ 272
18.3　不同的團隊，不同的目標　/ 272
18.4　別忘了數(shù)據(jù)　/ 273
18.5　更多挑戰(zhàn)　/ 274
18.6　團隊與文化　/ 274
18.7　量化成就　/ 275
第七篇　大數(shù)據(jù)實戰(zhàn)
第19章　大數(shù)據(jù)使用實例　/ 278
19.1　大數(shù)據(jù)的使用與意義　/ 279
19.2　案例：大數(shù)據(jù)在金融領域的應用　/ 283
19.3　案例：大數(shù)據(jù)在地產(chǎn)領域的應用　/ 298
第20章　大數(shù)據(jù)分析和數(shù)據(jù)驅(qū)動決策的思維實戰(zhàn)　/ 309
20.1　無處不在的數(shù)據(jù)機會　/ 309
20.2　數(shù)據(jù)科學、數(shù)據(jù)工程和數(shù)據(jù)驅(qū)動決策　/ 312
20.3　數(shù)據(jù)處理和大數(shù)據(jù)　/ 314
20.4　從大數(shù)據(jù)1.0到大數(shù)據(jù)2.0　/ 314
20.5　數(shù)據(jù)和數(shù)據(jù)科學能力作為戰(zhàn)略資產(chǎn)　/ 315
20.6　數(shù)據(jù)分析思維　/ 317
20.7　具備數(shù)據(jù)分析技能的管理者　/ 318
20.8　數(shù)據(jù)挖掘與數(shù)據(jù)科學　/ 319
20.9　化學反應不只限于試管：數(shù)據(jù)科學與數(shù)據(jù)科學家的工作　/ 320
20.10　總結(jié)　/ 321
第21章　結(jié)語
21.1　全面解讀　/ 322
21.2　通往大數(shù)據(jù)之路　/ 323
21.3　思索大數(shù)據(jù)的真實一面　/ 324
21.4　大數(shù)據(jù)實踐　/ 325
21.5　深度解讀大數(shù)據(jù)處理流程　/ 325
21.6　大數(shù)據(jù)可視化　/ 329
21.7　大數(shù)據(jù)隱私　/ 330