当前位置:首页 > 图书资源 > 下载棋牌赢现金游戏智能数据时代:企业大数据战略与实战

下载棋牌赢现金游戏智能数据时代:企业大数据战略与实战


更新时间:2018-10-11 19:40:06

这款【下载棋牌赢现金游戏智能数据时代:企业大数据战略与实战】资源经过9盘网盘审核之后发布,推荐您使用百度云或者迅雷下载。如果迅雷无法自动调用下载,请使用(右键该地址-复制链接-新建下载)的方式下载。发布时间:2018-10-11 19:40:06

资源简介

  大数据这个概念自诞生以来,已经经历了几次飞跃。当今社会,对传统大数据中的量的需求已经很容易达到,大数据的竞争转向了数据质量。只有将深入在各种行业情景中、非结构化的、与业务流程直接相关的高价值数据挖掘出来,企业才有可能基于自己的业务进行分析甚至预测。因此,大数据时代进入了一个新的纪元——智能数据时代。

 

内容简介

  大数据这个概念自诞生以来,已经经历了几次飞跃。当今社会,对传统大数据中的量的需求已经很容易达到,大数据的竞争转向了数据质量。只有将深入在各种行业情景中、非结构化的、与业务流程直接相关的高价值数据挖掘出来,企业才有可能基于自己的业务进行分析甚至预测。因此,大数据时代进入了一个新的纪元——智能数据时代。

  本书作者团队来着大数据行业的领军企业TalkingData,他们站在企业管理者的角度上,系统全面地剖析了企业如何转型以适应当今智能数据时代。全书以大数据相关的知识和工具为起点,重点介绍了企业大数据实施的三个方面——数据管理、数据工程和数据科学,并结合一线的大数据实战经验,帮助读者更深刻地理解如何构筑数据驱动型企业。

 

作者简介

TalkingData(北京腾云天下科技有限公司)成立于2011年,是中国*大的独立第三方移动数据服务平台。TalkingData一直致力于数据的深耕与数据价值的挖掘,从数据的采集、处理到数据的分析,再到数据的应用与咨询。TalkingData已经形成了一套以“智能数据平台”(SmartDP)为主的完整数据应用体系,并构筑了一套以数据商业化平台、数据服务平台及数据合作平台为核心的数据生态。目前,TalkingData的平均月活跃用户为6.5亿,为超过12万款移动应用以及10万应用开发者提供服务。覆盖的客户主要为金融、地产、快消、零售、出行、政府等行业中的领军企业,连续三年实现业务的三倍快速增长。

 

精彩书评

  作为大数据领域的先峰,TalkingData的发展速度有目共睹,而他们服务企业的能力更令人刮目相看。数字经济是一个综合课题,涉及对商业的理解、大数据治理、分析洞察、机器学习等。其实大数据并非一个新的话题,在它真正产生巨大价值之前,新旧经济将产生冲突然后相互融通。企业开始明白不能错过这个前所未有的智能变革的时机,但却轻叹路在何方。本书是TalkingData多年的经验总结,向读者分享一个较完整的数字化的框架设计。虽然面对不同的环境不存在必胜的方法,但在让人眼花缭乱的智能数据年代,本书的出现正如一盏明灯,为企业指明了大数据战略方向。

  ——车品觉,前阿里巴巴集团副总裁/数据委员会会长,红杉资本合伙人

 

  在智能时代,数据的价值毋庸置疑,但数据就像埋在石头里的矿物,必须经过挖掘与提炼才能变成有价值的东西。近几年,不少大数据相关的工具应运而生,对海量数据的实时记录与分析,可用数据的选择,合理数据的筛选,给大数据工程师带来新的要求。大数据也推动了云服务的发展,越来越多的企业通过云来打通数据孤岛,让多维度的数据可以在安全的环境下整合分析,从而提高了营销效率,提升了用户体验,新应用场景与价值不断出现。本书针对不同类型的数据场景,深入浅出地介绍了常用的工具,也给出不少实操的技巧,给大数据工程师提供了全面的指导。

  ——汤道生,腾讯公司社交网络事业群总裁,集团高级执行副总裁

 

  企业在数字化转型时期,需要构建和优化企业大数据管理平台,不断挖掘应用机会。本书既指明方向,又提供方法,相信能很好指导企业向智能数据时代演进。

  ——朱战备,万达首席信息官

 

  数据作为一种资源,已经成为包括AI在内几乎所有行业的基础,如何把数据分析和洞察结果应用到业务中已是刚需。本书为我们展示了如何通过对海量数据的挖掘和运用,使企业融入新一波的生产力发展浪潮。其中总结的经验值得所有大数据与相关领域从业人员学习。

  ——简仁贤,竹间智能创始人及CEO

 

  大数据的海量及庞杂对它的管理及应用带来了极大的挑战。本书的作者们对大数据的实践现状做了阶段性的总结,分享了宝贵的实战经验,给未来数据的智能化提供了丰富的扩展空间。

  ——吕云山,美国PetuumInc首席架构师

 

目录

前言

第一篇 大数据基础知识

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

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 Hadoop / 59

5.2 Apache Spark / 69

5.3 NoSQL数据库 / 73

5.4 MongoDB / 89

第三篇 数据管理

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

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 IaaS典型平台——亚马逊云平台AWS / 165

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

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

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

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2.0 / 314

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

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

 

下载地址列表

下载地址1

发表评论 共有0条评论