大数据分析：决胜互联网金融时代

“完美的细节在某种程度上提供了一种洞察方法，它以真实世界的应用来洞察这个千变万化的商业世界，与你的经验背景无关。”
——弗兰克?布莱克（Frank Blake），美国家得宝公司（The Home Depot）主席及CEO

“大数据就像一堆巨大的拼图碎片。一旦从背景出发整体考虑，渐渐展开的画面将指导着更为精准的行动，最终得到更好的商业成果。这本书很及时，写得也很好，它可以帮助商界和IT界的管理人士在大数据的世界加速前进。”
——杰夫?乔纳斯（Jeff Jonas），IBM研究院首席科学家

“大数据影响了所有人，而本书是初学者必备的一本与应用有关的好书。迈克尔（Michael）和他的团队通过简单、易消化的风格抓住了大数据的本质，它值得与你的整个管理团队一起分享。”
——迈克?布莱克（Mike Blake）,美国凯悦酒店首席信息官（CIO）

“每天企业从各个部门产生大量的数据——网站、销售团队、社交媒体、数字图片及多媒体、交易记录等。对于商界及IT界的管理人员来说，本书是他们拥抱‘大数据世界’的必备好书，它能帮助他们理解大数据将如何改变商业竞争。”
——乔?焦蒂（Joe Choti）,美国职业棒球大联盟媒体公司首席技术官（CTO）

“大数据正在改变现代商业社会。它决定了银行如何授权贷款，对冲基金如何交易……本书向读者清晰地解释了他们需要了解的所有知识，从大数据对于技术的意义到它如何被应用。”
——安东尼?高德布卢姆（Anthony Goldbloom），Kaggle公司创始人及CEO

“作为客户智能方面的教授，本书将帮助我的学生理解大数据的多学科本质，以及如何解决销售问题，如何为客户更好地服务，如何使他们的公司经营地更好。极力推荐阅读此书！”
——托尼?布兰达（Tony Branda），佩斯大学（Pace University）客户智能硕士工程创始人之一

算法掌控世界，12本书了解大数据的帝国

《大数据分析：决胜互联网金融时代》第1章主要介绍了大数据分析的定义和由来、大数据的重要性，以及大数据时代的历史背景和发展趋势。第2章通过对成功企业领导者的采访，详细介绍了大数据分析在信息、金融、传媒、医疗等领域的使用案例，并通过这些案例帮助读者了解如何将大数据分析方法应用到商业活动中。第3章详细介绍了大数据分析采用的一系列技术手段及案例，并指出大数据技术应用到实际生活中的一些关键问题。第4章介绍了承载大数据应用的计算、存储等底层基础设施的关键技术，并讨论了大数据计算的瓶颈及近年来涌现出的新技术。第5章详细介绍了在大数据时代商业分析的方法及涉及的关键技能，以及如何对分析结果进行归纳总结，并最终对企业的决策产生影响。第6章主要介绍了数据科学家的定义，以及数据科学和决策科学人才培养的方法论。第7章讨论了涉及数据隐私及数据安全的相关问题。 　　《大数据分析：决胜互联网金融时代》可供企业经理和管理人员阅读，通过本书可以使他们学习如何最有效地利用信息资源。大数据领域的相关从业者通过本书可以了解如何在大数据方向进行成功的实践。由于《大数据分析：决胜互联网金融时代》在艰深的战略理论和通俗易懂的示例之间做到了平衡，对技术性很强的话题，通过故事、比喻和类比的方式使读者更容易理解和接受，因此对大数据领域感兴趣的读者也可进行阅读。

迈克尔?梅内里（Michael Minelli）是一个市场和销售专家，在商业分析解决方案领域有16年的经验。他是销售和全球联盟的副总裁，万事达卡公司的信息服务顾问。 米歇尔?钱伯斯（Michele Chambers）拥有诺瓦东南大学的计算机工程学士学位和杜克大学的MBA学位。她是一位有25年技术经验的创业高管。钱伯斯女士曾经是负责IBM公司大数据分析的副总裁。 安碧嘉?帝拉吉（Ambiga Dhiraj）是Mu Sigma公司客户交付部的经理，Mu Sigma是决策科学和分析解决方案的首席供应商。

目　录

第1章　什么是大数据，它为什么重要？　1
1.1　创业的大洪水
1.2　大数据不仅仅是“大”
1.3　为什么是现在？
1.4　关键技术的融合
1.5　相对而言……
1.6　更丰富多样的数据
1.7　非结构化数据域的扩张
1.8　高层的声音
参考文献

第2章　大数据的工业实例　19
2.1　数字营销和离线世界
2.2　数据库营销，大数据的先驱
2.3　大数据和市场营销的新技能
2.4　欺诈和大数据
2.5　风险和大数据
2.6　信用卡风险管理
2.7　大数据和算法交易
2.8　大数据在健康医疗领域的应用
2.9　医药领域的前沿先锋
2.10　广告和大数据：从莎草纸到受众识别
2.11　从消费类产品作为入口
参考文献

第3章　大数据技术　59
3.1　房间里的大象：Hadoop并行计算世界
3.2　新旧技术对比
3.3　数据发现：沿着人类思维方式而工作
3.4　大数据分析的开源技术
3.5　云计算和大数据
3.6　预测分析崭露头角
3.7　软件即服务(SaaS)BI
3.8　移动商业智能将成为主流
3.9　众包分析
3.10　防火墙外部分析及跨防火墙分析
3.11　R&D方法帮助吸取新技术
3.12　大数据技术术语
3.13　二进制数据
参考文献

第4章　信息管理　87
4.1　大数据基础
4.2　大数据计算平台
4.3　大数据计算
4.4　更多关于大数据存储
4.5　大数据计算的局限性
4.6　大数据的新兴技术

第5章　商业分析　97
5.1　大数据分析的“最后一英里”
5.2　智能地理信息会让你的生活更美好
5.3　听：是信号还是噪声？
5.4　数据分析的实际使用
5.5　从生产到消费
5.6　可视化：如何将数据分析变得可用？
5.7　组织使用数据可视化作为采取即时行动的方法
5.8　从数据采样到数据分析
5.9　跳到盒子外思索
5.10　360°建模
5.11　速度需求
5.12　让我们变得具有竞争性
5.13　什么技术是有效的？
5.14　数据分析已经超越工具本身，并升级为大数据分析应用程序
参考文献

第6章　大数据行业角色　125
6.1　数据科学家的兴起
6.2　深度使用数学、科学以及计算机科学
6.3　10/90原则和批判性思考
6.4　分析师人才和行政支持
6.5　发展决策科学人才
6.6　数据分析的全局视图
6.7　培养决策科学人才
6.8　创建培养决策科学人才的文化
6.9　建立正确的组织结构进行有组织的分析

第7章　数据隐私与伦理　147
7.1　隐私涉及的主要领域
7.2　大数据抓取不是新鲜事
7.3　偏好、个性及关系
7.4　权利与义务
7.5　良心与责任意识
7.6　隐私可能是错误的焦点
7.7　数据可以匿名吗？
7.8　用户数据在情报安全部门的平衡
7.9　现在该做些什么？
参考文献

结语　165
推荐资源　171
译者后记　175