0人評分過此書

熟悉過去,預測未來:從總統競選到奧斯卡頒獎、從Web安全到災難預測,一本書讓你用大數據洞察一切!

作者
出版日期
2022
閱讀格式
EPUB
書籍分類
學科分類
ISBN
9786263320277

本館館藏

借閱規則
當前可使用人數 30
借閱天數 14
線上看 0
借閱中 0
選擇分享方式

推薦本館採購書籍

您可以將喜歡的電子書推薦給圖書館,圖書館會參考讀者意見進行採購

讀者資料
圖書館
* 姓名
* 身分
系所
* E-mail
※ 我們會寄送一份副本至您填寫的Email中
電話
※ 電話格式為 區碼+電話號碼(ex. 0229235151)/ 手機格式為 0900111111
* 請輸入驗證碼
大數據只是賓語,離開了人這個主語,再大也沒有意義

9大行業應用╳15章專題精講╳120個應用案例╳150張圖片解析
實例+理論,一本書讓你在最短的時間掌握大數據的祕密!

大數據即將開創資訊社會的嶄新時代,並改變我們看待世界的方式。
那麼大數據意味著什麼,它到底會改變什麼?

▎變革醫療衛生
大數據的到來,使很多醫院經營者們不再靠經驗和直覺習慣做決策,逐步轉變思考方式,透過對大量數據的探勘和運用,更多基於事實與數據分析做出決策。這對資訊技術人員來說是機遇也是挑戰,而這些影響都是大數據帶來的。

▎帶來商業革命
生產者是具有價值的人,而消費者是生產者價值的意義所在。
有意義的才有價值,消費者不認同的,就賣不出去,就實現不了價值;只有消費者認同的,才賣得出去,才實現得了價值。然而,大數據可以幫助我們從消費者這個源頭識別意義,從而幫助生產者實現價值。

▎改變人們思維
大數據改變了我們的思維,更多的商業和社會決策能夠「以數據說話」。
網際網路改變了人類交流的方式,而大數據不同,它標誌著社會處理資訊方式的變化。隨著時間推移,大數據可能真的會改變我們思考的方式。隨著我們利用越來越多的數據來理解事情和做出決定,我們很可能會發現生活的許多層面是隨機的,而不是確定的。

▎開啟時代轉型
大數據可以幫助我們「捕捉現在,預測未來」。
A和B事件如果經常一起發生,那麼注意到B發生,就能預測A也發生。這種關係已在零售業和電子商務中被廣泛運用。例如,某家便利超商透過分析零售終端的數據,得出「溫度低於攝氏15度時,暖暖包的銷售量便增加5%」的相關關係。於是,只要溫度低於這一度數,店內的暖暖包就會上架。

【Netflix】全球最大的商業影片串流供應商
美國最早嘗試將大數據和媒體行業相結合的串流服務商。
這家公司同時也成為吸收新增數據的「海綿」──使用者在看什麼、喜歡在什麼時段觀看、在哪裡觀看以及使用哪些設備觀看,爆增的資訊量成為Netflix手中的寶貴資產。他們甚至掌握著使用者在哪個影片的哪個時間點後退、快進或者暫停,乃至看到哪裡直接將影片關掉等資訊。

【Ancestry.com】建立更準確的血緣關係
幫助人們將自己與家庭史結合並創建獨一無二的樹狀家譜。
Ancestry網站包含了大量出生、死亡、人口普查以及其他相關記錄,這些記錄起初大多是非結構化數據,隨著使用者以及家族數據的不斷增加,Ancestry公司改善其資訊檢索的算法。Ancestry透過對唾液進行採樣,能夠對客戶的DNS進行排序並將結果與資料庫中的其他客戶加以匹配,客戶甚至可以找到多年沒有聯繫的表親。

★本書特色:本書共分為15章,詳細介紹與大數據相關的概念,包含商業變革、基礎建設、數據管理、風險管理、資訊通訊、解決問題等,內容豐富縝密。書中涵蓋數十個精彩應用案例,闡述細緻,讓讀者能夠用一本書精通大數據,邊學邊賺!
  • Ch01 入門:大數據的基本概念
    • 學前提示
    • 1.1 初步認識,大數據究竟是什麼
      • 1.1.1大數據基本定義
      • 1.1.2大數據結構特徵
      • 1.1.3大數據與雲端運算
      • 1.1.4大數據規模預測
      • 1.1.5大數據的發展史
      • 1.1.6大數據技術架構
      • 1.1.7大數據重要的理由
      • 1.1.8大數據的解決方案
    • 1.2 預測未來,大數據的發展趨勢
      • 1.2.1大數據撬動全世界
      • 1.2.2大數據是大勢所趨
      • 1.2.3大數據將成為資產
      • 1.2.4大數據時代的轉變
      • 1.2.5大數據的發展動力
    • 1.3 做好準備,大數據面對的挑戰
      • 1.3.1大數據的12個不足之處
      • 1.2.7大數據挑戰的應對策略
  • Ch02 價值:大數據商業變革
    • 學前提示
    • 2.1 深度探勘,大數據的商業機遇
      • 2.1.1探勘大數據的商業價值
      • 2.1.2實現商業價值的新捷徑
      • 2.1.3探勘大數據的商業機會
      • 2.1.4企業用大數據獲取優勢
      • 2.1.5大數據有待更深的探勘
    • 2.2 展現價值,大數據的4大變革
      • 2.2.1變革醫療衛生
      • 2.2.2帶來商業革命
      • 2.2.3改變人們思維
      • 2.2.4開啟時代轉型
    • 2.3 價值轉型,大數據下的商業智慧
      • 2.3.1大數據為商業智慧構建基礎
      • 2.3.2 Oracle BIEE商業智慧系統
      • 2.3.3商業智慧成就行業價值機會
      • 2.3.4 BI導出商業潛能和社會走向
      • 2.3.5商業智慧的6大發展前景
    • 2.4 大數據商業變革應用案例
      • 2.4.1 【案例】大數據預測機票價格
      • 2.4.2 【案例】Watson人工智慧電腦
  • CH03 架構:大數據基礎設施
    • 學前提示
    • 3.1 探索全球,10 大大數據部署方案
      • 3.1.1 Netflix:掌握影片大數據煉金術
      • 3.1.2家譜網:建立更準確的血緣關係
      • 3.1.3西奈山:更深刻地理解數據形態
      • 3.1.4 CAIISO:實現電廠電網的智慧化
      • 3.1.5 Hydro One:把大數據放地圖上
      • 3.1.6 OHSU:結合數據虛擬化技術
      • 3.1.7 VTN:公共設施的即時3D模型
      • 3.1.8戴德縣:實現大型城市的智慧化
      • 3.1.9澳網:利用大數據分析做出決策
      • 3.1.10 DPR:結合3D技術與大數據
    • 3.2 掘金紅海,10 大大數據分析平臺
      • 3.2.1 IBM:大數據領域的傳統巨頭
      • 3.2.2亞馬遜:完美結合大數據與雲
      • 3.2.3甲骨文:高整合度大數據平臺
      • 3.2.4 Google:價值無可估量的大數據
      • 3.2.5微軟:「端到端」大數據平臺
      • 3.2.6 EMC:針對大量數據分析應用
      • 3.2.7英特爾:用Hadoop靠攏大數據
      • 3.2.8 NetApp:讓大數據變得更簡單
      • 3.2.9惠普:構建靈活的「智慧環境」
      • 3.2.10 Sybase:徹底改變大數據分析
    • 3.3 大數據基礎設施應用案例
      • 3.3.1 【案例】Streams監控嬰兒ICU感染
      • 3.3.2 【案例】沃爾瑪打造商業數據中心
      • 3.3.3 【案例】Clustrix探勘整合大量數據
      • 3.3.4 【案例】LSI積極創新數據中心變革
  • CH04 掌握:數據管理與探勘
    • 學前提示
    • 4.1 管理數據,解析開源框架 Hadoop
      • 4.1.1 Hadoop的主要特點
      • 4.1.2 Hadoop的發展歷史
      • 4.1.3 Hadoop的主要用途
      • 4.1.4 Hadoop的專案結構
      • 4.1.5 Hadoop的體系結構
    • 4.2 探勘數據,大數據如何去蕪存菁
      • 4.2.1準備數據
      • 4.2.2探勘過程
      • 4.2.3結果表示
      • 4.3.1 【案例】用資料探勘篩查高危病人
      • 4.3.2 【案例】資料探勘助力NBA賽事
      • 4.3.3 【案例】用資料探勘控制鮮花庫存
      • 4.3.4 【案例】探勘人類頭腦裡的大數據
      • 4.3.5 【案例】資料探勘助力銀行的行銷
      • 4.3.6 【案例】星系動物園裡的資料探勘
  • CH05 管理:用數據洞察一切
    • 學前提示
    • 5.1 不能再等,大數據時代的思維變革
      • 5.1.1利用所有的數據
      • 5.1.2充分利用這些數據
      • 5.1.3大量數據替代採樣
    • 5.2 知己知彼,數據分析的演變與現狀
      • 5.2.1大數據分析的商業驅動力
      • 5.2.2大數據分析環境的演變
      • 5.2.3大數據分析與處理方法
    • 5.3 企業管理中的大數據分析應用案例
      • 5.3.1 【案例】機場用大數據管理節省數百萬美元
      • 5.3.2 【案例】迪士尼樂園用大數據提升遊客樂趣
      • 5.3.3 【案例】Farmeron用大數據促成農業增產
      • 5.3.4 【案例】西爾斯著眼於大數據以降低成本
    • 5.4 能源管理中的大數據分析應用案例
      • 5.4.1 【案例】用「大數據」預測風電和太陽能
      • 5.4.2 【案例】石油公司用大數據追求最大利益
      • 5.4.3 【案例】大數據管理更準確、一致、及時
      • 5.4.4 【案例】大數據幫助消費者提高能源效率
  • CH06 案例:擺脫大數據風險
    • 學前提示
    • 6.1 問題凸顯,大數據存在5大風險
      • 6.1.1風險1:個人隱私泄露
      • 6.1.2風險2:數據管理困難
      • 6.1.3風險3:成本難以控制
      • 6.1.4風險4:網路安全漏洞
      • 6.1.5風險5:數據人才缺乏
    • 6.2 步步小心,大數據專案7大盲點
      • 6.2.1盲點1:盲目跟風
      • 6.2.2盲點2:思路太過僵硬
      • 6.2.3盲點3:不注重他人的經驗
      • 6.2.4盲點4:把大數據當「門面」
      • 6.2.5盲點5:過度誇大數據成果
      • 6.2.6盲點6:想要獲得所有數據
      • 6.2.7盲點7:認為軟體是萬能的
    • 6.3 踏雪無痕,徹底逃離大數據監視
      • 6.3.1碼頭:讓網路行為一目瞭然
      • 6.3.2上游:截取全球網際網路數據
      • 6.3.3稜鏡:備份全球網際網路數據
      • 6.3.4星風:監視全球通訊大數據
      • 6.3.5小甜餅:竊取個人網路隱私
      • 6.3.6間諜軟體:讓我們無處藏身
    • 6.4 有備無患,做好大數據風險管理
      • 6.4.1風險管理利器1:IBM StorWize V7000
      • 6.4.2風險管理利器2:EMC VNX系列
      • 6.4.3風險管理利器3:戴爾EqualLogic平臺
      • 6.4.4風險管理利器4:NetApp FAS平臺
    • 6.5 大數據風險管理應用案例
      • 6.5.1 【案例】「閃電計劃」為數據護航
      • 6.5.2 【案例】智慧儲存化解大數據風險
      • 6.5.3 【案例】Google循環利用「數據廢氣」
  • 精準行業聚焦篇
  • CH07 平臺:資訊通訊大數據
    • 學前提示
    • 7.1 資訊通訊平臺大數據解決方案
      • 7.1.1電信商在大數據時代的認識轉變
      • 7.1.2電信商在大數據時代的模式轉型
      • 7.1.3電信商在大數據時代的機遇前景
      • 7.1.4電信商在大數據時代的應對方案
    • 7.2 資訊通訊平臺大數據應用案例
      • 7.2.1 【案例】西班牙電話公司的數據再利用
      • 7.2.2 【案例】德國電信的大數據行銷新策略
      • 7.2.3 【案例】Verizon利用大數據精準行銷
      • 7.2.4 【案例】法國電信大力發掘大數據價值
  • CH08 醫療:數據解決大難題
    • 學前提示
    • 8.1 醫療行業大數據解決方案
      • 8.1.1大數據在醫療行業的應用場景
      • 8.1.2如何從大數據中獲取醫療價值
      • 8.1.3醫療領域大數據的挑戰和前景
    • 8.2 醫療行業大數據應用案例
      • 8.2.1 【案例】利用大數據進行基因組測序
      • 8.2.2 【案例】利用大數據來預防流感疫情
      • 8.2.3 【案例】用大數據預測心臟病發作率
      • 8.2.4 【案例】大數據BI促進醫院智慧化
      • 8.2.5 【案例】用大數據「魔毯」改善健康
      • 8.2.6 【案例】用大數據分析找出治療方案
      • 8.2.7 【案例】手錶成為大數據的有力武器
  • CH09 網路:抓牢數據發源地
    • 學前提示
    • 9.1 網路大數據解決方案
      • 9.1.1傳統網際網路大數據解決方案
      • 9.1.2行動網際網路大數據解決方案
    • 9.2 網路大數據應用案例
      • 9.2.1 【案例】大數據與網際網路助力競選總統
      • 9.2.2 【案例】Acxiom用數據洞悉你的心理
      • 9.2.3 【案例】騰訊用微信展開大數據「首戰」
  • CH010 零售:打響大數據之戰
    • 學前提示
    • 10.1 零售行業大數據解決方案
      • 10.1.1大數據對零售行業的影響
      • 10.1.2大數據對零售行業的挑戰
      • 10.1.3大數據對零售行業的價值
    • 10.2 零售行業大數據應用案例
      • 10.2.1 【案例】ZARA:可以預見未來的時尚圈
      • 10.2.2 【案例】沃爾瑪:大數據幫你選好購物單
      • 10.2.3 【案例】Target:準確判斷哪位顧客懷孕
      • 10.2.4 【案例】愛迪達:用大數據帶來利潤
  • CH11 製造:更快更好地生產
    • 學前提示
    • 11.1 生產製造業大數據解決方案
      • 11.1.1大數據對生產製造業的影響
      • 11.1.2生產製造業如何利用大數據
    • 11.2 生產製造業大數據應用案例
      • 11.2.1 【案例】大數據結合ERP助力生產
      • 11.2.2 【案例】大數據改變福特汽車的製造
      • 11.2.3 【案例】長安汽車數據與製造的結合
      • 11.2.4 【案例】樂百氏BI系統助力企業成長
      • 11.2.5 【案例】大數據可以破解「豬週期」
  • CH12 餐飲:精準行銷的數據
    • 學前提示
    • 12.1 餐飲行業大數據解決方案
      • 12.1.1大數據在餐飲業的市場現狀
      • 12.1.2餐飲行業面臨的大數據挑戰
      • 12.1.3大數據對餐飲企業有何作用
      • 12.1.4餐飲企業該如何應用大數據
    • 12.2 餐飲行業大數據應用案例
      • 12.2.1 【案例】農夫山泉用大數據賣礦泉水
      • 12.2.2 【案例】絕味鴨脖的大數據經營模式
  • CH13 金融:大數據理財時代
    • 學前提示
    • 13.1 金融行業大數據解決方案
      • 13.1.1大數據對傳統金融行業的影響
      • 13.1.2大數據時代下金融業的機遇和麵臨的挑戰
      • 13.1.3金融業該如何「迎戰」大數據
    • 13.2 金融行業大數據應用案例
      • 13.2.1 【案例】淘寶網掘金大數據金融市場
      • 13.2.2 【案例】IBM用大數據預測股價走勢
      • 13.2.3 【案例】匯豐銀行採用SAS管理風險
      • 13.2.4 【案例】Kabbage用大數據開闢新路徑
  • CH14 交通:暢通無阻的數據
    • 學前提示
    • 14.1 交通行業大數據解決方案
      • 14.1.1 五大日益突出的城市交通難題
      • 14.1.2大數據為交通難題開出的藥方
      • 14.1.3大數據解決交通難題4大優勢
      • 14.1.4如何應用大數據解決交通問題
      • 14.1.5大數據在智慧交通行業的挑戰
    • 14.2 交通行業大數據應用案例
      • 14.2.1 【案例】大數據解決波士頓塞車難題
      • 14.2.2 【案例】Google街景帶你在家環遊世界
      • 14.2.3 【案例】ETC電子收費系統加大通行力
  • CH15 社會:用數據改變生活
    • 學前提示
    • 15.1 教育領域大數據應用案例
      • 15.1.1 【案例】大數據讓線上教育變為現實
      • 15.1.2 【案例】無孔不入的數位化學習平臺
      • 15.1.3 【案例】美國政府用大數據改善教育
      • 15.1.5 【案例】大數據有效地指導學生學習
    • 15.2 體育領域大數據應用案例
      • 15.2.1 【案例】Nike記錄運動中的數據價值
      • 15.2.2 【案例】大數據助力NBA賽事全過程
      • 15.2.3 【案例】大數據顛覆網球的遊戲規則
      • 15.2.4 【案例】從大數據中獲得寶貴洞察力
      • 15.2.5 【案例】用預測分析軟體來防止受傷
    • 15.3 影音媒體大數據應用案例
      • 15.3.1 【案例】《爸爸去哪兒》成口碑之王
      • 15.3.2 【案例】用大數據來探勘《小時代》
      • 15.3.3 【案例】《紙牌屋》變革傳統電視業
      • 15.3.4 【案例】《紐約時報》讓報紙智慧化
    • 15.4 生活中的大數據應用案例
      • 15.4.1 【案例】大數據讓你的生活更智慧
      • 15.4.2 【案例】大數據保障人身財產安全
      • 15.4.3 【案例】用大數據安全保管門鑰匙
  • 版權頁

評分與評論

請登入後再留言與評分
幫助
您好,請問需要甚麼幫助呢?
使用指南

客服專線:0800-000-747

服務時間:週一至週五 AM 09:00~PM 06:00

loading