主编推荐语
国内一线大数据专家撰写，从大数据的规划定位、组织实施和价值提升三个维度展开，兼顾整体性、全局性、安全性、价值性、技术性、体系性。
内容简介
对于很多企业而言，大数据的重要性不言而喻，但是如何构建、实施和应用大数据系统却是一个复杂工程。本书让读者认识到大数据不仅仅是数据、技术、架构、应用，更是结合了商业模式、战略定位、信息安全、单位协同、组织保障、实施选型的完整体系。
第一部分：企业大数据战略规划。主要从宏观的角度介绍大数据的定位、组织保障、解决方案选择和自主实施思路，目的是从全局角度引导建立大数据工作的整体思维。
第二部分：企业大数据落地实施。主要从执行层面介绍了大数据落地相关的技术、架构、开发、大数据工作流、应用和价值评估，直接以落地视角解读大数据工作中每个环节涉及到的流程、知识和方法，这也是本书的核心章节。
第三部分：大数据价值、变革和挑战。主要涉及大数据的社会价值、当前问题和挑战以及大数据的未来趋势，这是对现有大数据工作的延展以及未来趋势的探索。
目录
- 版权信息
- 前言
- 第1章 企业大数据战略定位
- 1.1 宏观
- 1.2 微观
- 1.2.1 资源协同
- 1.2.2 战略定位
- 1.2.3 启动契机
- 1.2.4 大数据历程
- 1.3 本章小结
- 第2章 企业大数据职能规划
- 2.1 大数据组织架构体系
- 2.1.1 大数据部门在企业中的角色
- 2.1.2 常见的大数据职能及职责
- 2.2 大数据职位构建体系
- 2.2.1 基础平台类
- 2.2.2 数据管理类
- 2.2.3 技术研发类
- 2.2.4 产品设计类
- 2.2.5 数据挖掘类
- 2.2.6 数据分析类
- 2.3 大数据制度和流程规范
- 2.3.1 制度和流程规范意义
- 2.3.2 制度和流程规范内容
- 2.3.3 制度和流程规范模板
- 2.4 本章小结
- 第3章 企业大数据解决方案
- 3.1 企业大数据解决方案实现方式
- 3.1.1 独立研发
- 3.1.2 第三方解决方案
- 3.1.3 联合开发
- 3.2 如何选择解决方案
- 3.2.1 外部环境分析
- 3.2.2 内部环境分析
- 3.2.3 需求规划分析
- 3.2.4 解决方案特性分析
- 3.2.5 解决方案费用评估
- 3.3 本章小结
- 第4章 企业大数据自主实施思路
- 4.1 制定规划原则
- 4.1.1 价值性
- 4.1.2 实时性
- 4.1.3 高效性
- 4.1.4 安全性
- 4.1.5 延展性
- 4.1.6 全局性
- 4.2 制定目标蓝图
- 4.3 制定建设目标
- 4.4 明确组织规划
- 4.4.1 组织结构设计的作用
- 4.4.2 组织结构设立的导向
- 4.4.3 组织结构的最终设立
- 4.5 设计技术方案
- 4.5.1 大数据系统建设方案
- 4.5.2 大数据系统与传统BI的融合方案
- 4.6 制定人才规划
- 4.6.1 指导思想
- 4.6.2 规划原则
- 4.6.3 核心内容
- 4.7 投入产出评估
- 4.7.1 数据投入与产出的内涵
- 4.7.2 数据投入与产出的特征
- 4.7.3 数据投入与产出的管理
- 4.8 数据风险管理
- 4.8.1 数据风险管理的概念
- 4.8.2 数据风险管理的类型
- 4.8.3 数据风险管理的原则
- 4.8.4 数据风险管理与控制
- 4.9 本章小结
- 第5章 大数据技术介绍
- 5.1 核心技术
- 5.1.1 Hadoop生态
- 5.1.2 No SQL
- 5.1.3 实时计算
- 5.1.4 全文检索
- 5.2 相关技术
- 5.2.1 数据可视化
- 5.2.2 数据缓存
- 5.2.3 中间件
- 5.2.4 关系型数据库
- 5.2.5 数据ETL
- 5.3 大数据算法库
- 5.4 本章小结
- 第6章 大数据架构设计
- 6.1 大数据架构设计原则
- 6.2 大数据核心架构要素
- 6.3 大数据架构设计模式
- 6.4 本章小结
- 第7章 大数据技术开发
- 7.1 数据采集
- 7.1.1 批量采集
- 7.1.2 增量采集
- 7.2 数据存储
- 7.2.1 HDFS文件存储引擎
- 7.2.2 Hive数据存储引擎
- 7.2.3 HBase列式存储引擎
- 7.2.4 My SQL关系型数据存储引擎
- 7.3 多维计算
- 7.4 功能服务
- 7.5 平台管理
- 7.5.1 监控管理
- 7.5.2 调度管理
- 7.5.3 权限管理
- 7.6 应用域
- 7.7 本章小结
- 第8章 大数据工作流
- 8.1 数据源
- 8.1.1 日志/文件
- 8.1.2 数据库
- 8.1.3 网络爬虫
- 8.1.4 第三方API/合作
- 8.2 数据处理
- 8.2.1 数据质量校验
- 8.2.2 清洗转换
- 8.2.3 质量提升
- 8.2.4 数据脱敏
- 8.2.5 集成整合
- 8.3 数据存储
- 8.3.1 关系型数据库
- 8.3.2 分布式文件系统
- 8.4 数据计算
- 8.4.1 三种数据计算时效性
- 8.4.2 结构化数据计算
- 8.4.3 半/非结构化数据计算
- 8.4.4 深度挖掘学习
- 8.5 数据应用
- 8.5.1 辅助决策
- 8.5.2 数据驱动
- 8.6 数据质量管理
- 8.6.1 数据质量建设的内涵
- 8.6.2 影响数据质量的常见因素
- 8.6.3 数据质量建设的框架
- 8.7 本章小结
- 第9章 企业大数据业务应用
- 9.1 大数据应用场景概述
- 9.1.1 场景商业目的分析
- 9.1.2 场景数据来源分析
- 9.1.3 场景数据难易分析
- 9.1.4 场景应用举例
- 9.2 用户画像
- 9.2.1 业务应用背景
- 9.2.2 主要实现过程
- 9.2.3 关键应用场景
- 9.2.4 应用价值提炼
- 9.2.5 场景总结回顾
- 9.3 个性化营销
- 9.3.1 业务应用背景
- 9.3.2 主要实现过程
- 9.3.3 关键应用场景
- 9.3.4 应用价值提炼
- 9.3.5 场景总结回顾
- 9.4 精准广告
- 9.4.1 业务应用背景
- 9.4.2 主要实现过程
- 9.4.3 关键应用场景
- 9.4.4 应用价值提炼
- 9.4.5 场景总结回顾
- 9.5 征信
- 9.5.1 应用场景背景
- 9.5.2 主要实现过程
- 9.5.3 主要应用场景
- 9.5.4 应用价值提炼
- 9.5.5 场景总结回顾
- 9.6 本章小结
- 第10章 企业大数据价值评估
- 10.1 资产价值
- 10.1.1 数据规模
- 10.1.2 数据价值度
- 10.1.3 数据鲜活性
- 10.1.4 数据关联维度
- 10.1.5 数据粒度
- 10.2 业务价值
- 10.2.1 用户体验提升
- 10.2.2 运营优化
- 10.2.3 销售贡献
- 10.2.4 供应链优化
- 10.3 本章小结
- 第11章 大数据的社会价值
- 11.1 民生价值
- 11.2 政务价值
- 11.3 产业价值
- 11.4 本章小结
- 第12章 大数据当前问题及挑战
- 12.1 数据挑战
- 12.2 安全挑战
- 12.3 价值挑战
- 12.4 认知挑战
- 12.5 技术挑战
- 12.6 人才挑战
- 12.7 本章小结
- 第13章 大数据未来趋势
- 13.1 价值资产化
- 13.2 产业生态化
- 13.3 主体社会化
- 13.4 应用智能化
- 13.5 本章小结
评分及书评
- 给这本书评了5.0
大数据不仅是一个技术名词，更是当下企业资产、核心竞争力、完整产业链和先进生产力的代名词。因此，大数据应该是作为一个整合概念和体系被认知，而非独立的方法论、技术论甚至应用论。处于飞速变革时代的中国，在大数据产业链各个环节的企事业单位受限于自身产业属性、盈利模式、利益趋向、认知、能力等，无法完整地展示出大数据的知识图谱与价值图谱。
出版方
机械工业出版社有限公司
机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。
