大数据和大分析 PDF 高质量版

《大数据和大分析》首先阐述了大数据出现的背景，解释数据资产、数据驱动等基本概念，剖析数据分析的重要性，介绍了大分析的内容和范围以及关键点等；其次，阐述了大数据建设的基本内容、有关应用领域等，涉及收集、存储、标准、技术选择等内容；辨析了大数据与数据仓库的关系，重点介绍了数据质量、安全管理等数据管控的内容；最后，给出了与大数据建设配套的营销管理分析等方面的内容和经验，分享了如何引入互联网思维、开辟新视野的理念。本书适合电信、金融、互联网等各个行业的大数据相关从业者，包括企业管理者、开发工程师、系统建设者、业务应用者和运营人员参考阅读。

目录

• 第1章背景//1
• 1.1大数据的引出和影响//3
• 1.1.1“大数据，大商机”//3
• 1.1.2“数据资产”的引出//6
• 1.1.3数据量庞大//9
• 1.1.4数据结构复杂//10
• 1.1.5数据价值有待挖掘//11
• 1.1.6“数据驱动”的变革//12
• 1.1.7互联网发展中的“数联网”//15
• 1.2为何需要大分析//16
• 1.2.1数据价值评估//16
• 1.2.2“数据资产”变现问题//18
• 1.2.3大分析的技术基础//20
• 1.2.4大分析面临的问题//26
• 1.3大分析的应用案例//29
• 1.3.1新的“啤酒和尿布”//29
• 1.3.2KPI信息地图//30
• 1.3.3“大数据、超细分、微营销”//32
• 1.4 小结//34
• 第2章大数据基础//35
• 2.1大数据的基本理念//36
• 2.1.1概念和定义探索//36
• 2.1.2大数据的技术基础//37
• 2.1.3没有大分析，大数据就是大垃圾//38
• 2.1.4大数据如何借鉴“数据仓库”的经验//38
• 2.1.5企业级数据中心//41
• 2.2大数据与数据仓库的关系//42
• 2.2.1大数据扩展数据仓库理论架构//42
• 2.2.2大数据继承数据仓库数据管理的经验//43
• 2.2.3大数据开启了非结构化数据的处理//43
• 2.2.4大数据要借鉴数据仓库的生态圈//43
• 2.2.5大数据应继承数据分析技术//44
• 2.2.6 与数据库的关系//44
• 2.2.7数据仓库借鉴大数据的营销模式//44
• 2.3大数据的基本特点//45
• 2.3.1“4V”特点//45
• 2.3.2大分析角度的大数据特征//45
• 2.4大数据的价值和意义//46
• 2.4.1围绕客户信息，提供全方位服务//46
• 2.4.2构筑“虚拟团队”，提升团队管理水平//46
• 2.4.3让“智慧城市”“智能交通”等变为可能//47
• 2.4.4构筑“理性社会”终于成为可能//47
• 2.4.5中国前所未有的一次“弯道超车”机遇//47
• 2.5大数据的问题和挑战//48
• 2.5.1数据质量问题越发突出//48
• 2.5.2数据分析技术尚缺实质突破//48
• 2.5.3大数据应用水平需要逐步演进、逐步深化//48
• 2.5.4大数据技术架构面临突破//49
• 2.5.5数据理念与国外仍然相距甚远//49
• 2.5.6大数据是一项系统工程//49
• 2.6小结//50
• 第3章大数据的管理//51
• 3.1数据如何收集//52
• 3.1.1能获取哪些数据//52
• 3.1.2基于数据价值，决定数据的收集、存放策略//53
• 3.1.3没有应用时，是否收集数据//53
• 3.2数据的标准//53
• 3.2.1数据接口//53
• 3.2.2数据模型//55
• 3.3大数据的ETL过程//57
• 3.4大数据如何存储//58
• 3.4.1数据库/数据仓库//58
• 3.4.2分布式文件系统（HDFS）//59
• 3.4.3混搭模式//63
• 3.4.4Hive /Hbase等//63
• 3.4.5MPP//65
• 3.5数据如何估值和计费//65
• 3.5.1什么数据最好卖//66
• 3.5.2市场价格//66
• 3.5.3数据的开放//67
• 3.6大数据的“数据资产”管理//67
• 3.7数据如何保障安全//68
• 3.8 小结//71
• 第4章大数据的技术架构//73
• 4.1大数据处理架构//74
• 4.1.1大数据处理层级和域//75
• 4.1.2哪些计算适合并行//78
• 4.2为何是混搭架构//78
• 4.2.1大数据混搭架构的利弊分析//79
• 4.2.2架构是否去IOE//80
• 4.2.3大数据混搭架构实例//80
• 4.3数据集市的模式//83
• 4.3.1数据沙盒模式//85
• 4.3.2贴近角色的平台及应用//85
• 4.3.3文件集市//89
• 4.4数据管控模块//89
• 4.4.1元数据//89
• 4.4.2数据质量//91
• 4.5大数据的“爬虫”技术//93
• 4.5.1定制爬虫Nutch//94
• 4.5.2分词技术—庖丁分词//94
• 4.5.3索引及全文检索—Splunk//95
• 4.5.4上网数据解析流程//97
• 4.6大数据安全管理框架//99
• 4.6.1安全管控技术架构//99
• 4.6.2管理制度建设//101
• 4.6.3去隐私化技术举例//103
• 4.7小结//108
• 第5章大数据的数据质量管控//111
• 5.1数据质量概念//113
• 5.1.1基本概念//113
• 5.1.2大数据就不考虑质量了吗//117
• 5.2元数据//118
• 5.2.1数据的数据//118
• 5.2.2元数据的CWM标准//120
• 5.2.3元数据分类//122
• 5.3数据质量管控//123
• 5.3.1数据质量管控目标//123
• 5.3.2数据质量子系统架构//124
• 5.4如何建立数据质量管理制度//129
• 5.4.1数据质量分工管理流程//129
• 5.4.2及时监控和告警//136
• 5.5 数据质量管控产品的客户体验//139
• 5.5.1降低技术门槛//139
• 5.5.2产品的手机App化//140
• 5.6小结//141
• 第6章大数据如何带来大分析//143
• 6.1没有应用的数据是垃圾数据//145
• 6.1.1应用的广度//145
• 6.1.2应用的深度//145
• 6.1.3应用的实时性/融合性//146
• 6.2大分析（BA）的概念//147
• 6.2.1“大分析”的发展变化//147
• 6.2.2大分析的“群众路线”//150
• 6.3大分析（BA）的产品开发//151
• 6.3.1基于数据分析，解决实际问题//152
• 6.3.2BA产品和分析工具产品的区隔//154
• 6.3.3自助分析//158
• 6.3.4导航式分析//161
• 6.4应用推广问题//170
• 6.4.1市场的“冬天”就是大分析的“春天”//170
• 6.4.2为何需要应用推广//170
• 6.4.3如何证明分析的独特价值//171
• 6.4.4如何解决员工实际的问题//172
• 6.4.5电信和互联网行业应用推广对比//172
• 6.4.6不同的企业用不同的推广方法//172
• 6.5大分析的“闭环”问题//173
• 6.5.1分析和执行的闭环执行//173
• 6.5.2营销流程的设计—营销管理平台//173
• 6.6小结//176
• 第7章大分析应用案例//179
• 7.1大分析的应用阶段//180
• 7.2非结构化数据的分析//181
• 7.2.1客户投诉内容分析//181
• 7.2.2互联网舆情监控分析//183
• 7.3客户分析//184
• 7.3.1客户生命周期//184
• 7.3.2客户内容属性//197
• 7.3.3客户行为属性//203
• 7.3.4客户新业务分析//218
• 7.3.5客户满意度分析//220
• 7.3.6客户流失分析//223
• 7.4产品分析//234
• 7.4.1建设背景和目的//235
• 7.4.2整体流程//235
• 7.4.3建设中涉及的模型//235
• 7.5内容营销分析//240
• 7.5.1手机视频产品营销触发//240
• 7.5.2手机视频内容分析//240
• 7.5.3目标客户筛选和细分//240
• 7.5.4方案设计//241
• 7.5.5营销脚本设计//242
• 7.5.6营销方式选择//243
• 7.5.7营销方式使用效果//243
• 7.5.8效益评估//244
• 7.6网格化管理分析//245
• 7.7社会渠道欺诈分析//247
• 7.7.1概述//247
• 7.7.2模型方法//248
• 7.7.3模型定义//250
• 7.7.4业务应用//255
• 7.7.5优化方法//256
• 第8章大数据中的互联网思维//257
• 8.1互联网思维介绍//258
• 8.1.1九大特征//258
• 8.1.2大数据为何需要互联网思维//260
• 8.1.3大数据如何借助互联网思维//260
• 8.2BA产品定义//260
• 8.3BA产品的客户体验//263
• 8.3.1客户是谁//263
• 8.3.2客户的体验是什么//264
• 8.3.3提升客户体验的展示形式//266
• 8.3.4提升客户体验的解决问题能力//270
• 8.4BA产品迭代开发 //280
• 8.4.1如何构建共享方式//280
• 8.4.2提供API接口//282
• 8.4.3提供类似App Store开发环境//284
• 8.5BA产品的“客户入口”把控//286
• 8.5.1抓住客户的入口//286
• 8.5.2让客户参与BA产品开发//287
• 8.5.3BA产品的内部客户营销//287
• 第9章大数据的管理架构及探索//289
• 9.1BA产品生态圈的建设//290
• 9.1.1生态圈组成//290
• 9.1.2生态圈盈利模式//292
• 9.1.3生态圈的“共赢”//293
• 9.2管理架构举例//294
• 9.2.1互联网企业架构//294
• 9.2.2运营公司的架构//295
• 9.2.3架构的特点分析//295
• 9.3人才的培养//296
• 9.3.1知识结构要求//296
• 9.3.2交际（团队）能力要求//297
• 9.3.3耐压能力要求//297
• 9.4 团队的构建及激励//298
• 9.4.1技术人员转型业务人员//298
• 9.4.2业务经验的培养和积累//298
• 9.4.3待遇激励//298
• 第10章后记//299