智能数据时代-企业大数据战略与实战_PDF下载[140MB-百度云]本书编委会

本书特色

[

本书定义为“轻教材”，并结合国内先进的大数据公司的实战经验，帮助大数据从业人员熟悉大数据相关的基础知识、基本工具，帮助大数据企业的管理者建立数据驱动的文化和构建团队。此书将成为大数据从业人员、大数据企业管理人员以及大数据领域的投资者、监管者的**参考书籍。

]

前言**篇　大数据基础知识第1章　大数据的基本定义　/ 21.1　大数据分析的出现　/ 31.2　大数据如何发掘价值　/ 31.3　大数据处理的关键——数据类型　/ 51.4　大数据处理的微妙之处　/ 61.5　大数据环境下的处理分析工具　/ 71.6　智能数据时代到来　/ 10第2章　数据的艺术　/ 122.1　评估可能性的艺术　/ 122.2　了解现状　/ 132.3　自我评估、完善度、信息架构　/ 142.4　愿景部署　/ 192.5　现在和将来的数据仓库　/ 202.6　实时建议和操作　/ 252.7　验证提出的愿景　/ 26第3章　大数据：有所为有所不为　/ 283.1　大数据分析*佳实践　/ 283.2　从小做起　/ 293.3　关注大局　/ 303.4　避免*差实践　/ 303.5　步步为营　/ 323.6　学会利用异常数据　/ 343.7　速度与精度的抉择　/ 353.8　内存计算　/ 36第二篇　大数据工具和技术第4章　分布式世界中的设计　/ 424.1　可见性　/ 434.2　保持简单的重要性　/ 444.3　组合　/ 444.4　分布式状态　/ 494.5　CAP原则　/ 514.6　松耦合系统　/ 534.7　速度　/ 554.8　总结　/ 58第5章　大数据分析工具　/ 595.1　Apache Hadoop　/ 595.2　Apache Spark　/ 695.3　NoSQL数据库　/ 735.4　MongoDB　/ 89第三篇　数据管理第6章　大数据的类型　/ 1086.1　定义结构化数据　/ 1096.2　探秘结构化数据来源　/ 1096.3　关系数据库在大数据中扮演的角色　/ 1106.4　非结构化数据　/ 1116.5　内容管理系统在大数据管理中的作用　/ 1126.6　实时和非实时条件　/ 1136.7　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　/ 1167.1　稳定性和容错性　/ 1167.2　横向扩容　/ 1177.3　可扩展性　/ 1177.4　即席查询　/ 1177.5　*小化维护　/ 1177.6　可调试性　/ 1187.7　完全增量式架构　/ 1187.8　操作复杂性　/ 1197.9　极其复杂地实现*终一致性　/ 1197.10　人为容错的缺陷　/ 1217.11　Lambda架构　/ 121第8章　数据管理　/ 1258.1　数据管理成熟度评估　/ 1258.2　元数据管理　/ 1288.3　数据治理　/ 1308.4　数据质量管理　/ 1348.5　参考数据与主数据管理　/ 137第四篇　数据工程第9章　理解数据业务流程　/ 1429.1　理解商业动机　/ 1429.2　调查计划　/ 1469.3　初步研究　/ 1469.4　专家咨询　/ 1469.5　识别关键成功因素　/ 1479.6　优先考虑早期路线图的执行　/ 1509.7　战略图谱　/ 154第10章　大数据和云计算　/ 16310.1　云计算的定义　/ 16310.2　私有云与公有云计算　/ 16510.3　IaaS典型平台——亚马逊云平台AWS　/ 16510.4　PaaS典型平台　/ 17210.5　SaaS典型平台　/ 176第11章　数据收集　/ 17911.1　收集一切　/ 17911.2　为数据源设置优先级　/ 18111.3　关联单独的数据　/ 18211.4　如何收集数据　/ 18411.5　数据采购　/ 18611.6　数据保留　/ 190第12章　数据质量和数据预处理　/ 19112.1　数据质量：为什么要对数据做预处理　/ 19112.2　数据预处理的主要工作　/ 192第13章　数据安全和隐私　/ 19513.1　数据收集：了解隐私的*前沿　/ 19513.2　策略考虑因素　/ 19613.3　实施考虑因素　/ 20013.4　总结　/ 201第五篇　数据科学第14章　数据分析　/ 20414.1　什么是分析　/ 20514.2　分析的类型　/ 206第15章　数据探索　/ 22115.1　概要　/ 22115.2　数据探索的目标　/ 22215.3　数据集　/ 22215.4　描述性统计　/ 22515.5　数据可视化　/ 22915.6　数据探索路线图　/ 240第16章　大数据、数据科学和数据挖掘　/ 24216.1　先验知识　/ 24416.2　数据准备　/ 24616.3　建模　/ 24916.4　应用　/ 25316.5　总结　/ 255第六篇　构筑数据驱动型企业第17章　建立数据驱动文化　/ 25817.1　数据收集　/ 26017.2　报告　/ 26117.3　警报　/ 26217.4　从报告到警报再到分析　/ 26317.5　数据驱动的标志　/ 26517.6　分析成熟度　/ 267第18章　构建大数据团队　/ 27118.1　数据科学家　/ 27118.2　团队挑战　/ 27218.3　不同的团队，不同的目标　/ 27218.4　别忘了数据　/ 27318.5　更多挑战　/ 27418.6　团队与文化　/ 27418.7　量化成就　/ 275第七篇　大数据实战第19章　大数据使用实例　/ 27819.1　大数据的使用与意义　/ 27919.2　案例：大数据在金融领域的应用　/ 28319.3　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　/ 30920.1　无处不在的数据机会　/ 30920.2　数据科学、数据工程和数据驱动决策　/ 31220.3　数据处理和大数据　/ 31420.4　从大数据1.0到大数据2.0　/ 31420.5　数据和数据科学能力作为战略资产　/ 31520.6　数据分析思维　/ 31720.7　具