日本免费精品视频,男人的天堂在线免费视频,成人久久久精品乱码一区二区三区,高清成人爽a毛片免费网站

在線客服
大數(shù)據(jù)策略·如何成功使用大數(shù)據(jù)與10個(gè)行業(yè)案例分享圖書
人氣:34

大數(shù)據(jù)策略·如何成功使用大數(shù)據(jù)與10個(gè)行業(yè)案例分享

大數(shù)據(jù)時(shí)代,從0到1、facebook等10個(gè)行業(yè)案例分享,快速運(yùn)用大數(shù)據(jù)解決問題,大數(shù)據(jù)是每個(gè)高管都愿意掛在嘴邊的流行語(yǔ),卻幾乎無人知曉如何成功地應(yīng)用大數(shù)據(jù),本書中可以找到答案!數(shù)據(jù)挖掘、大數(shù)據(jù)分析
  • 所屬分類:圖書 >管理>管理信息系統(tǒng)  
  • 作者:[美]Pam [Baker]著 Bob [Gourley參]編 [于楠] 譯
  • 產(chǎn)品參數(shù):
  • 叢書名:大數(shù)據(jù)應(yīng)用與技術(shù)叢書
  • 國(guó)際刊號(hào):9787302439028
  • 出版社:清華大學(xué)出版社
  • 出版時(shí)間:2016-06
  • 印刷時(shí)間:2016-06-25
  • 版次:1
  • 開本:16開
  • 頁(yè)數(shù):--
  • 紙張:膠版紙
  • 包裝:平裝
  • 套裝:

內(nèi)容簡(jiǎn)介

大數(shù)據(jù)正在改變我們的世界。互聯(lián)網(wǎng)發(fā)展以及移動(dòng)通信市場(chǎng)和相關(guān)技術(shù)的迅速擴(kuò)張業(yè)已創(chuàng)建大量的數(shù)據(jù),包括結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。數(shù)據(jù)可用性和數(shù)據(jù)應(yīng)用對(duì)商業(yè)和更廣泛的社會(huì)領(lǐng)域帶來了巨大影響。有效使用大數(shù)據(jù)有助于公司更精準(zhǔn)地對(duì)重要信息進(jìn)行分析,最終提高運(yùn)營(yíng)效率、減少成本、降低風(fēng)險(xiǎn)、加快創(chuàng)新、增加收入。本書詳細(xì)介紹了大數(shù)據(jù)策略的規(guī)劃和執(zhí)行,配以10個(gè)不同行業(yè)里不計(jì)其數(shù)的現(xiàn)實(shí)案例加以闡述。你將了解大數(shù)據(jù)的概念以及如何運(yùn)用大數(shù)據(jù)——從計(jì)算投資回報(bào)率和促成商業(yè)案例到整體開發(fā)和具體項(xiàng)目的大數(shù)據(jù)策略。每一章都會(huì)解答關(guān)鍵問題,并給出你需要掌握的技能,以確保大數(shù)據(jù)項(xiàng)目成功。想要將大數(shù)據(jù)為自己和公司所用,請(qǐng)閱讀這本《大數(shù)據(jù)策略 如何成功使用大數(shù)據(jù)與10個(gè)行業(yè)案例分享》。

編輯推薦

大數(shù)據(jù)時(shí)代 策略就是一切分析工具會(huì)隨著時(shí)間的推移而老化 但大數(shù)據(jù)策略將勝出知己知彼 百戰(zhàn)不殆 從了解各個(gè)行業(yè)案例開始大數(shù)據(jù)是每個(gè)高管都愿意掛在嘴邊的流行語(yǔ)卻幾乎無人知曉如何成功地應(yīng)用大數(shù)據(jù)本書中可以找到答案!

如果沒有強(qiáng)有力的數(shù)據(jù)策略,即便存儲(chǔ)大量的數(shù)據(jù)或使用各種大數(shù)據(jù)工具,也無法幫助我們得到終的分析結(jié)果

作者簡(jiǎn)介

帕姆•貝克(Pam Baker)是一位著名的商業(yè)分析師、科技自由撰稿人,以及在線出版刊物和電子雜志FierceBigData的編輯。她著作等身,文章經(jīng)常刊登在不同的出版物上,包括《機(jī)構(gòu)投資者》(Institutional Investor)雜志、CIO(印刷版)等。她以前曾擔(dān)任總部設(shè)在倫敦的VisionGain Research公司的簽約分析師。她實(shí)踐并撰寫了幾個(gè)知名的市場(chǎng)技術(shù)研究。她曾任研究員、作家以及總部設(shè)在紐約的市場(chǎng)研究公司ABI Research的執(zhí)行主編。 鮑勃•格雷(Bob Gourley)是CTOvision.com網(wǎng)站的主編,也是技術(shù)研究和顧問公司Crucial Point LLC的創(chuàng)始人和首席技術(shù)官。他以前曾在美國(guó)國(guó)防部計(jì)算機(jī)網(wǎng)絡(luò)防御聯(lián)合特遣部隊(duì)JTF-CND擔(dān)任及時(shí)任情報(bào)總監(jiān)和國(guó)防情報(bào)局首席技術(shù)官。格雷發(fā)表了40多篇文章,涉及主題廣泛,他也是Threats in the Age of Obama一書的特約作者。他的博客CTOvision被WashingtonTech網(wǎng)站評(píng)為美國(guó)技術(shù)類博客之一。

目錄

目 錄

第1章 何為真正的大數(shù)據(jù) 1

1.1 技術(shù)層面的定義 1

1.2 為什么數(shù)據(jù)規(guī)模無關(guān)緊要 4

1.3 大數(shù)據(jù)對(duì)管理層意味著什么 4

1.3.1 “大數(shù)據(jù)是萬能的” 4

1.3.2 “數(shù)據(jù)只是另一種電子表格” 5

1.4 大數(shù)據(jù)的執(zhí)行方式 5

1.5 小結(jié) 10

第2章 如何制定成功的大數(shù)據(jù)策略 11

2.1 轉(zhuǎn)不出的死命循環(huán) 11

2.2 如何解開“誰是及時(shí)次”這個(gè)難題 13

2.2.1 改變大數(shù)據(jù)視角 13

2.2.2 用戶認(rèn)知與數(shù)據(jù)采集 13

2.2.3 Facebook預(yù)測(cè)性分析的現(xiàn)實(shí) 14

2.2.4 Facebook數(shù)據(jù)收集走得更遠(yuǎn) 15

2.2.5 使用Facebook坦誠(chéng)認(rèn)知大數(shù)據(jù)發(fā)展?jié)摿?16

2.2.6 專業(yè)認(rèn)知與大數(shù)據(jù)現(xiàn)實(shí) 16

2.2.7 從感知到認(rèn)知偏差 17

2.2.8 尋找大數(shù)據(jù)占卜師 17

2.3 下一步:擁抱無知 19

2.4 始于何處 19

2.4.1 在結(jié)束時(shí)開始 20

2.4.2 當(dāng)行動(dòng)變?yōu)闊o為時(shí) 21

2.5 確認(rèn)目標(biāo),瞄準(zhǔn)目標(biāo) 22

2.6 如何獲得實(shí)踐方法,讓落后觀念遠(yuǎn)離前進(jìn)的道路 24

2.6.1 解決人們對(duì)大數(shù)據(jù)的恐慌 24

2.6.2 終結(jié)未知的恐懼 24

2.6.3 接受改變,融入改變 25

2.6.4 機(jī)器統(tǒng)治并不確定,人類仍然起作用 26

2.6.5 接觸少數(shù)固執(zhí)的人 26

2.7 回答沒人提出的問題 26

2.7.1 持續(xù)詢問可能性 27

2.7.2 尋找最終目標(biāo) 27

2.8 與解說團(tuán)隊(duì)交叉合作 28

2.8.1 為團(tuán)隊(duì)增加業(yè)務(wù)分析師和關(guān)鍵終端用戶 28

2.8.2 為收集和管理數(shù)據(jù)增加首席數(shù)據(jù)官 29

2.9 小處著手、逐步發(fā)展并擴(kuò)張 30

2.10 原型和迭代策略 31

2.11 談?wù)勏驍?shù)據(jù)策略中添加預(yù)測(cè)分析 31

2.12 民主化數(shù)據(jù),但預(yù)計(jì)幾乎無人使用(目前) 31

2.13 策略就是一個(gè)活的文檔;充實(shí)它、滋養(yǎng)它 32

2.14 小結(jié) 32

第3章 提出“正確”的問題 33

3.1 協(xié)作努力,提出問題 34

3.2 魔法8號(hào)球效應(yīng) 35

3.3 用數(shù)學(xué)軟件來分析現(xiàn)實(shí)問題 36

3.4 “正確”問題的清單 36

3.5 小結(jié) 36

第4章 選擇“正確”數(shù)據(jù)源的方法 37

4.1 需要更多的數(shù)據(jù)源(數(shù)據(jù)類型)而非數(shù)據(jù)本身(數(shù)據(jù)容量) 37

4.2 為什么無論數(shù)據(jù)規(guī)模多大,生成的數(shù)據(jù)量都會(huì)不足且永遠(yuǎn)不足 38

4.3 數(shù)據(jù)囤積與先捉再放 38

4.4 不可思議的大數(shù)據(jù)案例:購(gòu)買尿布的狗主人 39

4.5 升級(jí)事務(wù)性數(shù)據(jù)的價(jià)值 39

4.6 社交媒體數(shù)據(jù)分析的局限性 40

4.7 大數(shù)據(jù)買賣的貨幣價(jià)值 40

4.8 利用黑客技術(shù)賺錢碰到麻煩 41

4.9 評(píng)估數(shù)據(jù)源 42

4.10 過時(shí)的模型招致競(jìng)爭(zhēng)對(duì)手 42

4.11 購(gòu)買數(shù)據(jù)時(shí)的考量 43

4.12 確定所需的外圍數(shù)據(jù) 43

4.13 談?wù)劷Y(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù) 44

4.14 防止人為偏見對(duì)數(shù)據(jù)選擇的影響 46

4.15 數(shù)據(jù)孤島的危險(xiǎn) 46

4.16 使用所需數(shù)據(jù)源的必要步驟 47

4.17 小結(jié) 48

第5章 解答大數(shù)據(jù)問題如同玩魔方 49

5.1 可行性數(shù)據(jù)的概念 49

5.2 描述性、預(yù)測(cè)性和規(guī)范性數(shù)據(jù)分析類型的差異 51

5.2.1 描述性數(shù)據(jù)分析 52

5.2.2 預(yù)測(cè)性數(shù)據(jù)分析 53

5.2.3 規(guī)范性數(shù)據(jù)分析 53

5.3 已有明確答案的問題 54

5.4 解釋會(huì)導(dǎo)致更多的問題 55

5.5 需要解讀的問題——魔方 55

5.6 小結(jié) 57

第6章 實(shí)時(shí)分析在動(dòng)態(tài)化策略中的作用 59

6.1 檢查實(shí)時(shí)錯(cuò)覺和時(shí)間膠囊 60

6.2 靜態(tài)策略與動(dòng)態(tài)策略 61

6.3 談?wù)勣D(zhuǎn)向動(dòng)態(tài)策略的變革管理 62

6.4 選擇分析方式 62

6.5 利用專家經(jīng)驗(yàn),加速數(shù)據(jù)分析 65

6.6 實(shí)時(shí)分析來得太遲時(shí)該怎么辦 66

6.7 小結(jié) 66

第7章 大數(shù)據(jù)的價(jià)值主張和貨幣化 67

7.1 確定未知領(lǐng)域的投資回報(bào)率(ROI) 67

7.2 濫發(fā)的貨幣和模糊的投資回報(bào)率 69

7.3 成本核算的困惑 70

7.4 成本不是問題 71

7.5 先考慮大數(shù)據(jù)項(xiàng)目再談商業(yè)案例 71

7.6 計(jì)算實(shí)際成本 72

7.7 價(jià)值所在 73

7.7.1 從技術(shù)角度看待商業(yè)案例 73

7.7.2 從非技術(shù)角度看待商業(yè)案例 74

7.8 項(xiàng)目回報(bào)率的計(jì)算公式 74

7.9 重要問題:是否應(yīng)該出售數(shù)據(jù) 76

7.9.1 銷售數(shù)據(jù)解析 77

7.9.2 物以稀為貴 77

7.10 小結(jié) 78

第8章 協(xié)同經(jīng)濟(jì)的興起和盈利方式 79

8.1 數(shù)據(jù)等于知識(shí)和財(cái)富 79

8.2 大數(shù)據(jù)帶來的較大沖擊:顛覆原有模式 80

8.2.1 分享經(jīng)濟(jì) 82

8.2.2 創(chuàng)客運(yùn)動(dòng) 83

8.2.3 合作創(chuàng)新 84

8.3 新模式在新協(xié)同經(jīng)濟(jì)中興起 85

8.4 強(qiáng)調(diào)流暢性,摒棄靈活度 87

8.5 應(yīng)用大數(shù)據(jù)制定戰(zhàn)略新模式 89

8.6 小結(jié) 90

第9章 隱私難題 91

9.1 真相揭開的那天預(yù)示著個(gè)人隱私神話的失敗 92

9.1.1 危險(xiǎn)匯總 94

9.1.2 可在世界各地接聽的手機(jī)通話 94

9.1.3 公民和退伍軍人的數(shù)據(jù)如何幫助其他國(guó)家策劃襲擊 96

9.1.4 數(shù)據(jù)擴(kuò)散逐步升級(jí) 97

9.1.5 為個(gè)人隱私畫一條底線 98

9.1.6 企業(yè)的隱私難題 101

9.2 數(shù)據(jù)收集中的4大轉(zhuǎn)變 102

9.2.1 數(shù)據(jù)入侵性改變 103

9.2.2 數(shù)據(jù)多樣性的改變 104

9.2.3 數(shù)據(jù)整合性的改變 105

9.2.4 數(shù)據(jù)作用范圍的改變 105

9.3 必須質(zhì)疑的商業(yè)問題 110

9.4 誰是真正的數(shù)據(jù)擁有者 110

9.5 當(dāng)前法律和措施在設(shè)定先例中的作用 111

9.6 授權(quán)允許的誤區(qū) 113

9.7 個(gè)人價(jià)值與混合數(shù)據(jù) 113

9.8 匿名數(shù)據(jù)的誤區(qū) 114

9.9 個(gè)人隱私與個(gè)人利益之間的平衡 115

9.10 數(shù)據(jù)收集何時(shí)會(huì)使你或你的公司承擔(dān)責(zé)任 115

9.11 商業(yè)價(jià)值的透明度 117

9.12 數(shù)據(jù)從業(yè)人員必須銘記的事實(shí) 118

9.13 小結(jié) 118

第10章 國(guó)防情報(bào)部門中的用例 119

10.1 態(tài)勢(shì)感知和可視化 120

10.2 信息相關(guān)性問題處理(“了解情況”問題) 121

10.3 海量數(shù)據(jù)中信息搜索和發(fā)現(xiàn)(“海底撈針”問題) 124

10.4 企業(yè)網(wǎng)絡(luò)安全數(shù)據(jù)管理 127

10.5 后勤信息(包括粗放型/動(dòng)態(tài)性企業(yè)資產(chǎn)目錄) 127

10.6 加強(qiáng)衛(wèi)生保健 127

10.7 開源信息 129

10.8 內(nèi)存數(shù)據(jù)的現(xiàn)代化 130

10.9 企業(yè)數(shù)據(jù)中心 130

10.10 武器裝備與戰(zhàn)爭(zhēng)中的大數(shù)據(jù)用例 130

10.11 小結(jié) 131

第11章 政府大數(shù)據(jù)管理用例 133

11.1 大數(shù)據(jù)趨勢(shì)對(duì)政府?dāng)?shù)據(jù)的影響 134

11.2 聯(lián)合國(guó)“全球脈動(dòng)”計(jì)劃用例 135

11.3 聯(lián)邦政府(非國(guó)防部或情報(bào)界)用例 137

11.4 州政府用例 139

11.5 當(dāng)?shù)卣美?142

11.6 法律實(shí)施用例 144

11.7 小結(jié) 145

第12章 安全行業(yè)用例 147

12.1 一切都在互聯(lián)網(wǎng)上 147

12.2 亦敵亦友的數(shù)據(jù) 148

12.3 防病毒/反惡意軟件用例 149

12.4 目標(biāo)如何擊中要害 151

12.5 虛擬和現(xiàn)實(shí)世界的碰撞 156

12.6 紛亂的機(jī)器數(shù)據(jù) 157

12.6.1 農(nóng)民面臨的信息安全困境 157

12.6.2 物聯(lián)網(wǎng)中農(nóng)民面臨的安全困境周而復(fù)始 158

12.7 當(dāng)前和未來信息安全分析法 159

12.8 小結(jié) 162

第13章 醫(yī)療保健領(lǐng)域用例 163

13.1 解決抗生素危機(jī) 163

13.2 使用大數(shù)據(jù)治病 165

13.3 從谷歌到疾病預(yù)防控制中心 165

13.3.1 美國(guó)疾病預(yù)防控制中心(CDC)的糖尿病交互圖譜 168

13.3.2 項(xiàng)目數(shù)據(jù)領(lǐng)域 171

13.3.3 賽智生物網(wǎng)絡(luò) 172

13.4 另一方:生物黑客 173

13.5 電子健康記錄(EHR)、電子病歷(EMR)和大數(shù)據(jù) 175

13.6 公布醫(yī)療保健數(shù)據(jù) 176

13.7 小結(jié) 179

第14章 小企業(yè)和農(nóng)場(chǎng)用例 181

14.1 大數(shù)據(jù)適用于小企業(yè) 181

14.2 炒作和真實(shí)世界局限性之間的界限 182

14.3 為工作選擇合適的工具 182

14.4 可能會(huì)使用的外部數(shù)據(jù)源示例 187

14.5 給使用共用或共享數(shù)據(jù)農(nóng)民的一句忠告 192

14.5.1 說法一:數(shù)據(jù)屬于農(nóng)民 193

14.5.2 說法二:數(shù)據(jù)只用于“幫助”農(nóng)民從農(nóng)場(chǎng)中更加受益 194

14.5.3 說法三:農(nóng)民的數(shù)據(jù)將會(huì)保密 194

14.6 錢、錢、錢:大數(shù)據(jù)擴(kuò)大借貸能力的方式 195

14.6.1 PayPal信貸 196

14.6.2 亞馬遜資本服務(wù) 196

14.6.3 數(shù)據(jù)驅(qū)動(dòng)型貸款公司Kabbage 197

14.7 小結(jié) 197

第15章 交通運(yùn)輸中的用例 199

15.1 加速發(fā)展大數(shù)據(jù)賺取利潤(rùn) 199

15.1.1 美中不足的事 200

15.1.2 依靠數(shù)據(jù)獲勝不會(huì)長(zhǎng)久 201

15.1.3 火車、飛機(jī)和船舶中的數(shù)據(jù)使用 201

15.2 車聯(lián)網(wǎng):很可能不是你以為的那樣 203

15.2.1 數(shù)據(jù)引導(dǎo)創(chuàng)新和自動(dòng)化 206

15.2.2 智能城市的崛起 206

15.2.3 正在發(fā)生的交通創(chuàng)新實(shí)例 207

15.3 數(shù)據(jù)和無人駕駛汽車 208

15.4 互聯(lián)的基礎(chǔ)設(shè)施 210

15.5 汽車保險(xiǎn)品牌數(shù)據(jù)收集設(shè)備 212

15.6 交通領(lǐng)域無法預(yù)料的數(shù)據(jù)性 214

15.7 小結(jié) 215

第16章 能源領(lǐng)域中的用例 217

16.1 關(guān)于能源神話和假設(shè)的大數(shù)據(jù) 217

16.2 美國(guó)能源信息署(EIA)能源數(shù)據(jù)存儲(chǔ)庫(kù) 219

16.3 EIA能源數(shù)據(jù)表格瀏覽器 220

16.4 失蹤的智能電表數(shù)據(jù) 222

16.5 EIA的API和數(shù)據(jù)集 222

16.6 國(guó)際意義與合作 223

16.7 公私合作下的能源數(shù)據(jù)變革 224

16.8 公用事業(yè)用例 225

16.9 小結(jié) 227

第17章 零售業(yè)大數(shù)據(jù)用例 229

17.1 在大數(shù)據(jù)中重新運(yùn)用老戰(zhàn)術(shù) 229

17.1.1 零售業(yè)沒搞砸,對(duì)象客戶發(fā)生了變化 231

17.1.2 品牌叛變和惡魔客戶 231

17.1.3 客戶體驗(yàn)又成為一個(gè)問題 232

17.1.4 大數(shù)據(jù)與惡魔客戶復(fù)興 232

17.2 零售業(yè)與大數(shù)據(jù)博弈的原因 234

17.3 大數(shù)據(jù)幫助零售業(yè)的方式 234

17.3.1 產(chǎn)品選擇和定價(jià) 235

17.3.2 當(dāng)前市場(chǎng)分析 236

17.3.3 利用大數(shù)據(jù)開發(fā)新的定價(jià)模式 236

17.3.4 尋找更好的方法獲取更多、更好和更清潔的客戶數(shù)據(jù) 237

17.3.5 研究和預(yù)測(cè)客戶接受度和反應(yīng) 237

17.3.6 預(yù)測(cè)并規(guī)劃應(yīng)對(duì)更廣泛的市場(chǎng)發(fā)展趨勢(shì) 241

17.4 預(yù)測(cè)零售業(yè)未來 243

17.5 小結(jié) 244

第18章 銀行和金融服務(wù)業(yè)用例 245

18.1 定義問題 245

18.2 銀行和貸款機(jī)構(gòu)的用例 246

18.3 大數(shù)據(jù)如何在借貸領(lǐng)域點(diǎn)燃新競(jìng)爭(zhēng) 248

18.4 新型可選擇貸款方式 248

18.4.1 貝寶(PayPal)貸款項(xiàng)目 248

18.4.2 人人貸和貸款俱樂部 249

18.5 零售商與銀行的較量;信用卡品牌規(guī)避銀行 250

18.6 征信局所面臨的大數(shù)據(jù)問題 250

18.7 談?wù)劚kU(xiǎn)公司 252

18.8 小結(jié) 254

第19章 制造業(yè)用例 255

19.1 經(jīng)濟(jì)形式與機(jī)會(huì)展望 256

19.2 制造業(yè)的十字路口 258

19.3 3D打印與大數(shù)據(jù)的相交點(diǎn) 260

19.4 3D打印是如何影響制造業(yè)并擾亂客戶的 261

19.4.1 盈創(chuàng)公司24小時(shí)打印10所住宅 261

19.4.2 3D打印的景觀別墅 262

19.4.3 3D打印的傍水小宅 263

19.4.4 3D家庭打印對(duì)制造業(yè)的影響 263

19.5 增材制造的轉(zhuǎn)變將是巨大的,并會(huì)波及所有部門 263

19.6 個(gè)性化制造將如何改變一切,甚至創(chuàng)造更多的大數(shù)據(jù) 265

19.7 制造業(yè)內(nèi)部新數(shù)據(jù)源涌出 266

19.8 此行業(yè)的用例 267

19.9 小結(jié) 267

第20章 下放權(quán)力 269

20.1 數(shù)據(jù)民主化 269

20.2 4步措施 270

20.3 其他4步 272

20.4 小結(jié) 273

第21章 摘要 275

21.1 何為真正的大數(shù)據(jù) 275

21.2 如何制定成功的大數(shù)據(jù)策略 276

21.3 提出“正確”的問題 276

21.4 選擇“正確”數(shù)據(jù)源的方法 277

21.5 解答大數(shù)據(jù)問題如同玩魔方 277

21.6 實(shí)時(shí)分析在動(dòng)態(tài)化策略中的作用 278

21.7 大數(shù)據(jù)的價(jià)值主張和貨幣化 279

21.8 協(xié)同經(jīng)濟(jì)的興起和盈利方式 279

21.9 隱私難題 280

21.10 政府大數(shù)據(jù)管理用例 280

21.11 國(guó)防情報(bào)部門中的用例 281

21.12 安全行業(yè)用例 282

21.13 醫(yī)療保健領(lǐng)域用例 282

21.14 小企業(yè)和農(nóng)場(chǎng)用例 283

21.15 能源領(lǐng)域中的用例 284

21.16 交通運(yùn)輸中的用例 285

21.17 零售業(yè)大數(shù)據(jù)用例 286

21.18 銀行和金融服務(wù)業(yè)用例 287

21.19 制造業(yè)用例 288

21.20 下放權(quán)力 289

在線預(yù)覽

第 1章 何為真正的大數(shù)據(jù)

似乎每個(gè)人都把大數(shù)據(jù)掛在嘴邊,甚至對(duì)許多人來說,大數(shù)據(jù)是需要考慮的頭等要?jiǎng)?wù)。

因此,有人認(rèn)為,每個(gè)人都知道何為大數(shù)據(jù)。其實(shí)不然。盡管大數(shù)據(jù)有各種各樣技術(shù)上的

定義,但大多數(shù)人仍然不確定大數(shù)據(jù)的大小與常規(guī)數(shù)據(jù)庫(kù)的大小之間確切的界限。這給介

紹和探索大數(shù)據(jù)的發(fā)展,尤其是定義大數(shù)據(jù)項(xiàng)目參數(shù)帶來一定困難。

本章將探討對(duì)“大數(shù)據(jù)”概念的不同解讀。

1.1 技術(shù)層面的定義

大數(shù)據(jù)并不只是存儲(chǔ)規(guī)模從吉字節(jié)

gigabyte,GB)到太字節(jié)

terabyte,TB)的簡(jiǎn)單的數(shù)

量級(jí)增長(zhǎng),盡管數(shù)據(jù)集仍如預(yù)期增長(zhǎng)迅速,這一點(diǎn)將在下一章詳細(xì)闡述。更確切地講,大

數(shù)據(jù)是各類數(shù)據(jù)集合的匯總,包括一些結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù),一些由物理數(shù)據(jù)源轉(zhuǎn)換為

在線數(shù)據(jù)集的數(shù)據(jù)集,以及事務(wù)型和非事務(wù)型數(shù)據(jù)庫(kù)。來源多種多樣,包括一些自產(chǎn)數(shù)

據(jù)和第三方數(shù)據(jù)。通常數(shù)據(jù)集的存儲(chǔ)模式存在差異,缺乏一致性。一般來說,大數(shù)據(jù)的

處理繁冗而復(fù)雜,支出明顯過高,即便并非行不通,現(xiàn)有的運(yùn)算技術(shù)也很難支持大

數(shù)據(jù)計(jì)算。

此外,在技術(shù)上,數(shù)據(jù)集合達(dá)到何種規(guī)模才符合大數(shù)據(jù)標(biāo)準(zhǔn)尚未達(dá)成共識(shí)。而技術(shù)領(lǐng)

域內(nèi)部更傾向于從描述數(shù)據(jù)特征、衡量數(shù)據(jù)規(guī)模、計(jì)算處理大規(guī)模數(shù)據(jù)量來定義大數(shù)據(jù)。

2001年美國(guó)

Gartner公司(原為

Meta集團(tuán))的一份報(bào)告中對(duì)大數(shù)據(jù)進(jìn)行了定義,強(qiáng)調(diào)大

數(shù)據(jù)必須具備

3V特征,即容量大

Volume)、多樣化

Variety)和速度快

Velocity)。現(xiàn)在,有

機(jī)構(gòu)在

3V之外又定義了第

4個(gè)“V”——真實(shí)性(Veracity),用以強(qiáng)調(diào)數(shù)據(jù)質(zhì)量的重要性。

本質(zhì)上,大數(shù)據(jù)是需要使用新工具來計(jì)算的任何規(guī)模的數(shù)據(jù)集。因此,大數(shù)據(jù)只是

網(wǎng)友評(píng)論(不代表本站觀點(diǎn))

來自鴨鴨和**的評(píng)論:

2016-08-04 23:51:25
來自namula**的評(píng)論:

很好

2016-08-31 13:46:30
來自無昵稱**的評(píng)論:

挺不錯(cuò)的,有一定幫助

2016-09-21 13:15:12
來自無昵稱**的評(píng)論:

挺不錯(cuò)的,有一定幫助

2016-09-27 16:25:38
來自無昵稱**的評(píng)論:

非常專業(yè)的一本書,需要仔細(xì)看

2016-10-28 14:47:35
來自無昵稱**的評(píng)論:

繼續(xù)加油

2016-11-22 15:21:26
來自無昵稱**的評(píng)論:

好評(píng)

2016-11-26 17:01:30
來自xuqiqi**的評(píng)論:

一直在當(dāng)當(dāng)上買書,挺好!

2016-12-04 12:42:28
來自無昵稱**的評(píng)論:

書很好

2016-12-17 19:26:31
來自無昵稱**的評(píng)論:

想了解一下,特買來學(xué)學(xué)。

2016-12-21 16:42:19
來自匿名用**的評(píng)論:

不錯(cuò)不錯(cuò)不錯(cuò)

2017-01-25 07:30:39
來自匿名用**的評(píng)論:

不錯(cuò)價(jià)格便宜

2017-02-07 17:18:59
來自l***5(**的評(píng)論:

這個(gè)商品很好

2017-03-16 17:42:42
來自l***0(**的評(píng)論:

很好,正版的。

2017-04-01 21:53:59
來自匿名用**的評(píng)論:

大數(shù)據(jù)策略·如何成功使用大數(shù)據(jù)與10個(gè)行業(yè)案例分享 紙質(zhì)和字體都不錯(cuò),內(nèi)容也很好!

2017-04-06 17:26:13
來自匿名用**的評(píng)論:

不錯(cuò)不錯(cuò)~

2017-04-14 10:30:53
來自匿名用**的評(píng)論:

幫別人買的書

2017-04-14 10:45:41
來自深***(**的評(píng)論:

javascript:;

2017-04-22 18:09:41
來自匿名用**的評(píng)論:

不錯(cuò)不錯(cuò)!正版,字跡清晰,很有幫助!

2017-06-12 22:02:21
來自a***g(**的評(píng)論:

送人的,還不錯(cuò)!

2017-06-21 08:24:17
來自s***t(**的評(píng)論:

大數(shù)據(jù)策略·如何成功使用大數(shù)據(jù)與10個(gè)行業(yè)案例分享 不錯(cuò)的,內(nèi)容很實(shí)用,看完很受益!

2017-06-21 16:29:33
來自i***n(**的評(píng)論:

內(nèi)容太虛了,沒有干貨!

2017-07-04 10:06:48
來自海之寶**的評(píng)論:

還沒看,當(dāng)下比較時(shí)髦的概念,充充電吧

2017-09-07 07:54:26
來自無昵稱**的評(píng)論:

可以了解一下大數(shù)據(jù)

2017-09-18 09:21:36
來自l***1(**的評(píng)論:

很好的一本介紹大數(shù)據(jù)應(yīng)用方面的書,不過寫的比較淺,對(duì)于想從事這行業(yè)的人來說,得學(xué)習(xí)更深的知識(shí)

2017-08-28 13:12:56

免責(zé)聲明

更多出版社