第1章何為真正的大數據 11.1技術層面的定義 1
1.2為什么數據規模無關緊要 4
1.3大數據對管理層意味著什么 4
1.3.1“大數據是萬能的” 4
1.3.2“數據只是另一種電子表格” 5
1.4大數據的執行方式 5
1.5小結 10
第2章如何制定成功的大數據策略 11
2.1轉不出的死命循環 11
2.2如何解開“誰是第一次”這個難題 13
2.2.1改變大數據視角 13
2.2.2用戶認知與數據采集 13
2.2.3Facebook預測性分析的現實 14
2.2.4Facebook數據收集走得更遠 15
2.2.5使用Facebook坦誠認知大數據發展潛力 16
2.2.6專業認知與大數據現實 16
2.2.7從感知到認知偏差 17
2.2.8尋找大數據占卜師 17
2.3下一步：擁抱無知 19
2.4始于何處 19
2.4.1在結束時開始 20
2.4.2當行動變為無為時 21
2.5確認目標，瞄準目標 22
2.6如何獲得最佳實踐方法，讓落后觀念遠離前進的道路 24
2.6.1解決人們對大數據的恐慌 24
2.6.2終結未知的恐懼 24
2.6.3接受改變，融入改變 25
2.6.4機器統治并不確定，人類仍然起作用 26
2.6.5接觸少數固執的人 26
2.7回答沒人提出的問題 26
2.7.1持續詢問可能性 27
2.7.2尋找最終目標 27
2.8與解說團隊交叉合作 28
2.8.1為團隊增加業務分析師和關鍵終端用戶 28
2.8.2為收集和管理數據增加首席數據官 29
2.9小處著手、逐步發展并擴張 30
2.10原型和迭代策略 31
2.11談談向數據策略中添加預測分析 31
2.12民主化數據，但預計幾乎無人使用(目前) 31
2.13策略就是一個活的文檔；充實它、滋養它 32
2.14小結 32
第3章提出“正確”的問題 33
3.1協作努力，提出問題 34
3.2魔法8號球效應 35
3.3用數學軟件來分析現實問題 36
3.4“正確”問題的清單 36
3.5小結 36
第4章選擇“正確”數據源的方法 37
4.1需要更多的數據源(數據類型)而非數據本身(數據容量) 37
4.2為什么無論數據規模多大，生成的數據量都會不足且永遠不足 38
4.3數據囤積與先捉再放 38
4.4不可思議的大數據案例：購買尿布的狗主人 39
4.5升級事務性數據的價值 39
4.6社交媒體數據分析的局限性 40
4.7大數據買賣的貨幣價值 40
4.8利用黑客技術賺錢碰到麻煩 41
4.9評估數據源 42
4.10過時的模型招致競爭對手 42
4.11購買數據時的考量 43
4.12確定所需的外圍數據 43
4.13談談結構化與非結構化數據 44
4.14防止人為偏見對數據選擇的影響 46
4.15數據孤島的危險 46
4.16使用所需數據源的必要步驟 47
4.17小結 48
第5章解答大數據問題如同玩魔方 49
5.1可行性數據的概念 49
5.2描述性、預測性和規范性數據分析類型的差異 51
5.2.1描述性數據分析 52
5.2.2預測性數據分析 53
5.2.3規范性數據分析 53
5.3已有明確答案的問題 54
5.4解釋會導致更多的問題 55
5.5需要解讀的問題——魔方 55
5.6小結 57
第6章實時分析在動態化策略中的作用 59
6.1檢查實時錯覺和時間膠囊 60
6.2靜態策略與動態策略 61
6.3談談轉向動態策略的變革管理 62
6.4選擇分析方式 62
6.5利用專家經驗，加速數據分析 65
6.6實時分析來得太遲時該怎么辦 66
6.7小結 66
第7章大數據的價值主張和貨幣化 67
7.1確定未知領域的投資回報率(ROI) 67
7.2濫發的貨幣和模糊的投資回報率 69
7.3成本核算的困惑 70
7.4成本不是問題 71
7.5先考慮大數據項目再談商業案例 71
7.6計算實際成本 72
7.7價值所在 73
7.7.1從技術角度看待商業案例 73
7.7.2從非技術角度看待商業案例 74
7.8項目回報率的計算公式 74
7.9重要問題：是否應該出售數據 76
7.9.1銷售數據解析 77
7.9.2物以稀為貴 77
7.10小結 78
第8章協同經濟的興起和盈利方式 79
8.1數據等于知識和財富 79
8.2大數據帶來的最大沖擊：顛覆原有模式 80
8.2.1分享經濟 82
8.2.2創客運動 83
8.2.3合作創新 84
8.3新模式在新協同經濟中興起 85
8.4強調流暢性，摒棄靈活度 87
8.5應用大數據制定戰略新模式 89
8.6小結 90
第9章隱私難題 91
9.1真相揭開的那天預示著個人隱私神話的失敗 92
9.1.1危險匯總 94
9.1.2可在世界各地接聽的手機通話 94
9.1.3公民和退伍軍人的數據如何幫助其他國家策劃襲擊 96
9.1.4數據擴散逐步升級 97
9.1.5為個人隱私畫一條底線 98
9.1.6企業的隱私難題 101
9.2數據收集中的4大轉變 102
9.2.1數據入侵性改變 103
9.2.2數據多樣性的改變 104
9.2.3數據整合性的改變 105
9.2.4數據作用范圍的改變 105
9.3必須質疑的商業問題 110
9.4誰是真正的數據擁有者 110
9.5當前法律和措施在設定先例中的作用 111
9.6授權允許的誤區 113
9.7個人價值與混合數據 113
9.8匿名數據的誤區 114
9.9個人隱私與個人利益之間的平衡 115
9.10數據收集何時會使你或你的公司承擔責任 115
9.11商業價值的透明度 117
9.12數據從業人員必須銘記的事實 118
9.13小結 118
第10章國防情報部門中的用例 119
10.1態勢感知和可視化 120
10.2信息相關性問題處理(“了解情況”問題) 121
10.3海量數據中信息搜索和發現(“海底撈針”問題) 124
10.4企業網絡安全數據管理 127
10.5后勤信息(包括粗放型/動態性企業資產目錄) 127
10.6加強衛生保健 127
10.7開源信息 129
10.8內存數據的現代化 130
10.9企業數據中心 130
10.10武器裝備與戰爭中的大數據用例 130
10.11小結 131
第11章政府大數據管理用例 133
11.1大數據趨勢對政府數據的影響 134
11.2聯合國“全球脈動”計劃用例 135
11.3聯邦政府(非國防部或情報界)用例 137
11.4州政府用例 139
11.5當地政府用例 142
11.6法律實施用例 144
11.7小結 145
第12章安全行業用例 147
12.1一切都在互聯網上 147
12.2亦敵亦友的數據 148
12.3防病毒/反惡意軟件用例 149
12.4目標如何擊中要害 151
12.5虛擬和現實世界的碰撞 156
12.6紛亂的機器數據 157
12.6.1農民面臨的信息安全困境 157
12.6.2物聯網中農民面臨的安全困境周而復始 158
12.7當前和未來信息安全分析法 159
12.8小結 162
第13章醫療保健領域用例 163
13.1解決抗生素危機 163
13.2使用大數據治病 165
13.3從谷歌到疾病預防控制中心 165
13.3.1美國疾病預防控制中心(CDC)的糖尿病交互圖譜 168
13.3.2項目數據領域 171
13.3.3賽智生物網絡 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)和大數據 175
13.6公布醫療保健數據 176
13.7小結 179
第14章小企業和農場用例 181
14.1大數據適用于小企業 181
14.2炒作和真實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可能會使用的外部數據源示例 187
14.5給使用共用或共享數據農民的一句忠告 192
14.5.1說法一：數據屬于農民 193
14.5.2說法二：數據只用于“幫助”農民從農場中更加受益 194
14.5.3說法三：農民的數據將會保密 194
14.6錢、錢、錢：大數據擴大借貸能力的方式 195
14.6.1PayPal信貸 196
14.6.2亞馬遜資本服務 196
14.6.3數據驅動型貸款公司Kabbage 197
14.7小結 197
第15章交通運輸中的用例 199
15.1加速發展大數據賺取利潤 199
15.1.1美中不足的事 200
15.1.2依靠數據獲勝不會長久 201
15.1.3火車、飛機和船舶中的數據使用 201
15.2車聯網：很可能不是你以為的那樣 203
15.2.1數據引導創新和自動化 206
15.2.2智能城市的崛起 206
15.2.3正在發生的交通創新實例 207
15.3數據和無人駕駛汽車 208
15.4互聯的基礎設施 210
15.5汽車保險品牌數據收集設備 212
15.6交通領域無法預料的數據可靠性 214
15.7小結 215
第16章能源領域中的用例 217
16.1關于能源神話和假設的大數據 217
16.2美國能源信息署(EIA)能源數據存儲庫 219
16.3EIA能源數據表格瀏覽器 220
16.4失蹤的智能電表數據 222
16.5EIA的API和數據集 222
16.6國際意義與合作 223
16.7公私合作下的能源數據變革 224
16.8公用事業用例 225
16.9小結 227
第17章零售業大數據用例 229
17.1在大數據中重新運用老戰術 229
17.1.1零售業沒搞砸，對象客戶發生了變化 231
17.1.2品牌叛變和惡魔客戶 231
17.1.3客戶體驗又成為一個問題 232
17.1.4大數據與惡魔客戶復興 232
17.2零售業與大數據博弈的原因 234
17.3大數據幫助零售業的方式 234
17.3.1產品選擇和定價 235
17.3.2當前市場分析 236
17.3.3利用大數據開發新的定價模式 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據 237
17.3.5研究和預測客戶接受度和反應 237
17.3.6預測并規劃應對更廣泛的市場發展趨勢 241
17.4預測零售業未來 243
17.5小結 244
第18章銀行和金融服務業用例 245
18.1定義問題 245
18.2銀行和貸款機構的用例 246
18.3大數據如何在借貸領域點燃新競爭 248
18.4新型可選擇貸款方式 248
18.4.1貝寶(PayPal)貸款項目 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；信用卡品牌規避銀行 250
18.6征信局所面臨的大數據問題 250
18.7談談保險公司 252
18.8小結 254
第19章制造業用例 255
19.1經濟形式與機會展望 256
19.2制造業的十字路口 258
19.33D打印與大數據的相交點 260
19.43D打印是如何影響制造業并擾亂客戶的 261
19.4.1盈創公司一天打印10所住宅 261
19.4.23D打印的景觀別墅 262
19.4.33D打印的傍水小宅 263
19.4.43D家庭打印對制造業的影響 263
19.5增材制造的轉變將是巨大的，并會波及所有部門 263
19.6個性化制造將如何改變一切，甚至創造更多的大數據 265
19.7制造業內部新數據源涌出 266
19.8此行業的用例 267
19.9小結 267
第20章下放權力 269
20.1數據民主化 269
20.24步措施 270
20.3其他4步 272
20.4小結 273
第21章摘要 275
21.1何為真正的大數據 275
21.2如何制定成功的大數據策略 276
21.3提出“正確”的問題 276
21.4選擇“正確”數據源的方法 277
21.5解答大數據問題如同玩魔方 277
21.6實時分析在動態化策略中的作用 278
21.7大數據的價值主張和貨幣化 279
21.8協同經濟的興起和盈利方式 279
21.9隱私難題 280
21.10政府大數據管理用例 280
21.11國防情報部門中的用例 281
21.12安全行業用例 282
21.13醫療保健領域用例 282
21.14小企業和農場用例 283
21.15能源領域中的用例 284
21.16交通運輸中的用例 285
21.17零售業大數據用例 286
21.18銀行和金融服務業用例 287
21.19制造業用例 288
21.20下放權力 289
3dWoo書號： 44677
│加到我的最愛