大數(shù)據(jù)遠(yuǎn)不止于簡(jiǎn)單的數(shù)據(jù)和技術(shù)，大數(shù)據(jù)更側(cè)重于其在商業(yè)、科學(xué)和社會(huì)等領(lǐng)域的應(yīng)用。
本書(shū)基于作者近20年大數(shù)據(jù)領(lǐng)域的咨詢(xún)經(jīng)驗(yàn)，分析了大數(shù)據(jù)的來(lái)源，數(shù)據(jù)范式的改變，人工智能、機(jī)器學(xué)習(xí)與大數(shù)據(jù)的關(guān)系等；通過(guò)對(duì)大數(shù)據(jù)相關(guān)的工具、應(yīng)用和處理方法的總結(jié)，構(gòu)建了一套大數(shù)據(jù)應(yīng)用方法和體系，幫助人們構(gòu)建大數(shù)據(jù)生態(tài)系統(tǒng)、形成大數(shù)據(jù)組織戰(zhàn)略、選擇模型和數(shù)據(jù)庫(kù)、為大數(shù)據(jù)解決方案選擇合適的技術(shù)、組建大數(shù)據(jù)團(tuán)隊(duì)等；還闡述了隱私原則、數(shù)據(jù)保護(hù)、監(jiān)管合法性和數(shù)據(jù)治理等議題，并通過(guò)案例分析了因使用數(shù)據(jù)不當(dāng)而陷入困境的公司；最后，結(jié)合一個(gè)備受矚目的項(xiàng)目失敗案例，闡述在組織中成功部署大數(shù)據(jù)應(yīng)用的最佳實(shí)踐，以及在如何使組織轉(zhuǎn)型為數(shù)據(jù)驅(qū)動(dòng)、如何在組織中部署數(shù)據(jù)分析人員、如何有效地使用資源以整合數(shù)據(jù)方面給出建議。

大衛(wèi)·斯蒂文森（David Stephenson） 美國(guó)賓夕法尼亞大學(xué)沃頓商學(xué)院教授，數(shù)據(jù)科學(xué)和大數(shù)據(jù)分析領(lǐng)域國(guó)際知名咨詢(xún)家。憑借近20年行業(yè)經(jīng)驗(yàn)，以專(zhuān)業(yè)的視角和實(shí)用的工具指導(dǎo)了價(jià)值百億美元以上的商務(wù)決策。同時(shí)，他還是頂級(jí)投資、私人資產(chǎn)和管理咨詢(xún)公司的專(zhuān)業(yè)顧問(wèn)。他領(lǐng)導(dǎo)了跨越六大洲公司的全球分析項(xiàng)目。

目錄


第一部分大數(shù)據(jù)揭秘

第1章大數(shù)據(jù)的故事

到了21世紀(jì)初，是什么發(fā)生了改變

數(shù)據(jù)為什么變得這么多

產(chǎn)生數(shù)字化數(shù)據(jù)設(shè)備的廣泛應(yīng)用

正在迅速下降的磁盤(pán)存儲(chǔ)成本

RAM成本的直線下降

處理能力成本的直線下降

為什么大數(shù)據(jù)成為如此火熱的話題

成功的大數(shù)據(jù)先驅(qū)者

開(kāi)源軟件為軟件開(kāi)發(fā)人員提供了競(jìng)爭(zhēng)環(huán)境

云計(jì)算讓啟動(dòng)和擴(kuò)展計(jì)劃變得更加容易

小貼士

問(wèn)題


第2章人工智能、機(jī)器學(xué)習(xí)和大數(shù)據(jù)

什么是人工智能和機(jī)器學(xué)習(xí)

人工智能的起源

為何近來(lái)人工智能又再次興起

人造神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)

人工智能如何幫助分析大數(shù)據(jù)

一些謹(jǐn)慎的話

小貼士

問(wèn)題


第3章為什么大數(shù)據(jù)有用

全新的數(shù)據(jù)使用方式

一種新的數(shù)據(jù)思維方式

遵循數(shù)據(jù)驅(qū)動(dòng)的方法

更強(qiáng)的數(shù)據(jù)工具

小貼士

問(wèn)題


第4章大數(shù)據(jù)分析的應(yīng)用案例

A/B測(cè)試

推薦引擎/下一個(gè)最佳購(gòu)物建議

預(yù)測(cè):需求和收入

節(jié)省IT成本

市場(chǎng)營(yíng)銷(xiāo)

社交媒體

定價(jià)

客戶(hù)維系/客戶(hù)忠誠(chéng)度

購(gòu)物車(chē)棄置管理（實(shí)時(shí)）

轉(zhuǎn)化率優(yōu)化

商品定制化（實(shí)時(shí)）

重新定位（實(shí)時(shí)）

詐騙檢測(cè)（實(shí)時(shí)）

減少客戶(hù)流失

預(yù)測(cè)維護(hù)

供應(yīng)鏈管理

顧客終身價(jià)值

線索評(píng)分

人力資源

情緒分析

小貼士

問(wèn)題



第5章理解大數(shù)據(jù)生態(tài)系統(tǒng)

什么讓數(shù)據(jù)變“大”

分布式數(shù)據(jù)存儲(chǔ)

分布式計(jì)算

快速數(shù)據(jù)/流數(shù)據(jù)

霧計(jì)算/邊緣計(jì)算

開(kāi)源軟件

許可

代碼分發(fā)

開(kāi)源的好處

大數(shù)據(jù)中的開(kāi)源軟件

云計(jì)算

小貼士

問(wèn)題


第二部分將大數(shù)據(jù)生態(tài)系統(tǒng)應(yīng)用到組織中

第6章大數(shù)據(jù)如何指導(dǎo)組織戰(zhàn)略

你的客戶(hù)

獲取數(shù)據(jù)

使用數(shù)據(jù)

你的競(jìng)爭(zhēng)者

外部的因素

你的產(chǎn)品

小貼士

問(wèn)題


第7章形成大數(shù)據(jù)和數(shù)據(jù)科學(xué)的戰(zhàn)略

項(xiàng)目團(tuán)隊(duì)

啟動(dòng)會(huì)議

啟動(dòng)輸出

范圍界定階段

小貼士

問(wèn)題


第8章實(shí)施數(shù)據(jù)科學(xué)——分析、算法和機(jī)器學(xué)習(xí)

四種分析方法

模型、算法和黑箱

人工智能和機(jī)器學(xué)習(xí)

分析軟件

分析工具

敏捷分析

小貼士

問(wèn)題


第9章選擇技術(shù)

交付給最終用戶(hù)

選擇技術(shù)時(shí)需要考慮的方面

小貼士

問(wèn)題


第10章組建團(tuán)隊(duì)

數(shù)據(jù)科學(xué)家

你需要的數(shù)據(jù)角色

領(lǐng)導(dǎo)力

雇用數(shù)據(jù)團(tuán)隊(duì)

大規(guī)模招聘和收購(gòu)創(chuàng)業(yè)公司

外包

對(duì)于小型公司而言

小貼士

問(wèn)題


第11章數(shù)據(jù)治理與法律遵從

個(gè)人數(shù)據(jù)

數(shù)據(jù)科學(xué)和隱私披露

數(shù)據(jù)治理

治理報(bào)告

小貼士

問(wèn)題


第12章在組織中成功部署大數(shù)據(jù)

我們的項(xiàng)目為何失敗了

總結(jié)

小貼士

問(wèn)題


術(shù)語(yǔ)