大數(shù)據(jù)分析方法：用分析驅動商業(yè)價值

定　價：￥69.00

作　者：	（美）米歇爾,錢伯斯（Michele,Chambers）
出版社：	機械工業(yè)出版社
叢編項：
標　簽：	計算機?網(wǎng)絡項目管理 IT人文

購買這本書可以去

ISBN：	9787111537311	出版時間：	2016-08-01	包裝：	平裝
開本：	16開	頁數(shù)：	269	字數(shù)：

內(nèi)容簡介

　　本書全面介紹了針對大數(shù)據(jù)的分析方法。本書內(nèi)容全面、前沿，可幫助讀者針對當前的組織需求和分析能力找到合適的技術和方式來進行合理的分析。本書循序漸進的講授方式，幫助讀者制定能支持其企業(yè)需求的實現(xiàn)分析功能的路線圖，同時兼顧企業(yè)文化及客戶和企業(yè)相關利益群體的需求。

作者簡介

　　韓光輝，1947年生，山東泗水人。1982年畢業(yè)于山東師范大學數(shù)學系。1987年畢業(yè)于北京大學地理系，獲博士學位并留校任教，北京大學教授，主要研究領域為歷史人口地理、歷史城市地理，著有《北京歷史人口地理》、《歷史地理學叢稿》、《從幽燕都會到中華國都——北京城市嬗變》、《宋遼金元建制城市研究》、《應用歷史地理研究》等書。在《歷史研究》、《中國史研究》、《文史》、《地理學報》、《地理研究》、《歷史地理》、《中國歷史地理論叢》等刊物發(fā)表學術論文百余篇。Michele Chambers，現(xiàn)任Continuum Analytics公司的首席營銷官（CMO），曾任MemSQL公司營銷副總裁、IBM大數(shù)據(jù)分析業(yè)務副總裁以及多家創(chuàng)業(yè)公司高管。她幫助數(shù)百家客戶利用大數(shù)據(jù)分析理念與技術實現(xiàn)其商業(yè)價值。Thomas W．Dinsmore曾任IBM、SAS等公司的大數(shù)據(jù)分析解決方案架構師，為超過500家企業(yè)提供過大數(shù)據(jù)分析方面的咨詢，在預測分析與商業(yè)、組織、技術經(jīng)驗方面的融合方面有豐富的經(jīng)驗。孫麗軍，現(xiàn)任SAP大中華區(qū)市場部負責人／副總裁，曾任IBM大中華區(qū)大數(shù)據(jù)分析事業(yè)部營銷總監(jiān)。孫女士還是清華大學經(jīng)管學院客座講師以及職業(yè)導師，在各種期刊上發(fā)表了多篇專業(yè)文章。她在大數(shù)據(jù)方面具有濃厚的興趣并在工作中積極踐行大數(shù)據(jù)，曾經(jīng)在各種大型會議上做關于大數(shù)據(jù)、物聯(lián)網(wǎng)、大數(shù)據(jù)營銷方面的演講。

圖書目錄

譯者序推薦序致謝第1章現(xiàn)代分析基本原則1 1.1實現(xiàn)商業(yè)價值和影響3 1.2專注于最后一英里4 1.3持續(xù)改善6 1.4加速學習能力和執(zhí)行力7 1.5差異化分析7 1.6嵌入分析8 1.7建立現(xiàn)代分析架構9 1.8構建人力因素10 1.9利用消費化趨勢10 1.10總結11 第2章商業(yè)3.0時代來臨13 第3章為什么需要一個獨特的分析路線圖17 3.1概述17 3.2業(yè)務領域 18 3.3數(shù)據(jù)19 3.4方法19 3.5精準20 3.6算法20 3.7嵌入20 3.8速度21 3.9總結21 第4章分析讓商業(yè)決策百尺竿頭更進一步22 4.1概述22 4.2案例研究23 4.3總結46 第5章構建分析路線圖50 5.1概述50 5.2第一步：確定關鍵業(yè)務目標50 5.3第二步：定義價值鏈51 5.4第三步：頭腦風暴分析解決方案機會53 5.5第四步：描述分析解決方案機會57 5.6第五步：創(chuàng)建決策模型59 5.7第六步：評估分析解決方案機會61 5.8第七步：建立分析路線圖65 5.9第八步：不斷演進分析路線圖67 5.10總結68 第6章分析應用69 6.1概述69 6.2戰(zhàn)略分析70 6.3管理分析74 6.4運營分析76 6.5科學分析79 6.6面向客戶的分析80 6.7總結82 第7章用例分析84 7.1概述84 7.2預測86 7.3解釋89 7.4預報90 7.5發(fā)現(xiàn)91 7.6模擬96 7.7優(yōu)化97 7.8總結97 第8章預測分析方法論98 8.1概述：現(xiàn)代分析方法98 8.2定義業(yè)務需求101 8.3建立分析數(shù)據(jù)集107 8.4建立預測模型111 8.5部署預測模型118 8.6總結122 第9章預測分析技術123 9.1概述123 9.2統(tǒng)計和機器學習124 9.3大數(shù)據(jù)的影響125 9.4有監(jiān)督和無監(jiān)督學習127 9.5線性模型和線性回歸136 9.6廣義線性模型140 9.7廣義相加模型141 9.8邏輯回歸142 9.9強化回歸144 9.10生存分析146 9.11決策樹學習147 9.12貝葉斯方法150 9.13神經(jīng)網(wǎng)絡和深度學習151 9.14支持向量機155 9.15集成學習156 9.16自動化學習158 9.17總結163 第10章最終用戶分析164 10.1概述164 10.2用戶角色165 10.3分析編程語言169 10.4業(yè)務用戶工具178 10.5總結189 第11章分析平臺190 11.1概述190 11.2 分布式分析191 11.3預測分析架構195 11.4現(xiàn)代SQL平臺209 11.5總結220 第12章吸引分析天才并留住他們222 12.1概述222 12.2文化223 12.3數(shù)據(jù)科學家角色227 12.4總結244 第13章組織分析團隊245 13.1概述245 13.2集中式分析團隊與分散式分析團隊245 13.3卓越中心249 13.4首席數(shù)據(jù)官與首席分析官250 13.5實驗室團隊252 13.6分析項目辦公室252 13.7總結253 第14章你還在等什么？趕快開始吧254 附錄A 無監(jiān)督學習：無監(jiān)督式神經(jīng)網(wǎng)絡257