大數(shù)據(jù)實戰(zhàn)：大數(shù)據(jù)、數(shù)據(jù)科學和人工智能在商務決策中的應用

定　價：￥49.00

作　者：	大衛(wèi)·斯蒂芬森
出版社：	中國人民大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥49.00)

ISBN：	9787300271927	出版時間：	2019-09-01	包裝：
開本：	異16全	頁數(shù)：	240	字數(shù)：

內(nèi)容簡介

　　大數(shù)據(jù)遠不止于簡單的數(shù)據(jù)和技術，大數(shù)據(jù)更側(cè)重于其在商業(yè)、科學和社會等領域的應用。本書基于作者近20年大數(shù)據(jù)領域的咨詢經(jīng)驗，分析了大數(shù)據(jù)的來源，數(shù)據(jù)范式的改變，人工智能、機器學習與大數(shù)據(jù)的關系等；通過對大數(shù)據(jù)相關的工具、應用和處理方法的總結，構建了一套大數(shù)據(jù)應用方法和體系，幫助人們構建大數(shù)據(jù)生態(tài)系統(tǒng)、形成大數(shù)據(jù)組織戰(zhàn)略、選擇模型和數(shù)據(jù)庫、為大數(shù)據(jù)解決方案選擇合適的技術、組建大數(shù)據(jù)團隊等；還闡述了隱私原則、數(shù)據(jù)保護、監(jiān)管合法性和數(shù)據(jù)治理等議題，并通過案例分析了因使用數(shù)據(jù)不當而陷入困境的公司；*后，結合一個備受矚目的項目失敗案例，闡述在組織中成功部署大數(shù)據(jù)應用的*佳實踐，以及在如何使組織轉(zhuǎn)型為數(shù)據(jù)驅(qū)動、如何在組織中部署數(shù)據(jù)分析人員、如何有效地使用資源以整合數(shù)據(jù)方面給出建議。

作者簡介

　　大衛(wèi)·斯蒂文森（David Stephenson）美國賓夕法尼亞大學沃頓商學院教授，數(shù)據(jù)科學和大數(shù)據(jù)分析領域國際知名咨詢家。憑借近20年行業(yè)經(jīng)驗，以專業(yè)的視角和實用的工具指導了價值百億美元以上的商務決策。同時，他還是**投資、私人資產(chǎn)和管理咨詢公司的專業(yè)顧問。他領導了跨越六大洲公司的全球分析項目。

圖書目錄

目錄

第一部分大數(shù)據(jù)揭秘
第1章大數(shù)據(jù)的故事
到了21世紀初，是什么發(fā)生了改變
數(shù)據(jù)為什么變得這么多
產(chǎn)生數(shù)字化數(shù)據(jù)設備的廣泛應用
正在迅速下降的磁盤存儲成本
RAM成本的直線下降
處理能力成本的直線下降
為什么大數(shù)據(jù)成為如此火熱的話題
成功的大數(shù)據(jù)先驅(qū)者
開源軟件為軟件開發(fā)人員提供了競爭環(huán)境
云計算讓啟動和擴展計劃變得更加容易
小貼士
問題

第2章人工智能、機器學習和大數(shù)據(jù)
什么是人工智能和機器學習
人工智能的起源
為何近來人工智能又再次興起
人造神經(jīng)網(wǎng)絡和深度學習
人工智能如何幫助分析大數(shù)據(jù)
一些謹慎的話
小貼士
問題

第3章為什么大數(shù)據(jù)有用
全新的數(shù)據(jù)使用方式
一種新的數(shù)據(jù)思維方式
遵循數(shù)據(jù)驅(qū)動的方法
更強的數(shù)據(jù)工具
小貼士
問題

第4章大數(shù)據(jù)分析的應用案例
A/B測試
推薦引擎/下一個最佳購物建議
預測：需求和收入
節(jié)省IT成本
市場營銷
社交媒體
定價
客戶維系/客戶忠誠度
購物車棄置管理（實時）
轉(zhuǎn)化率優(yōu)化
商品定制化（實時）
重新定位（實時）
詐騙檢測（實時）
減少客戶流失
預測維護
供應鏈管理
顧客終身價值
線索評分
人力資源
情緒分析
小貼士
問題

第5章理解大數(shù)據(jù)生態(tài)系統(tǒng)
什么讓數(shù)據(jù)變“大”
分布式數(shù)據(jù)存儲
分布式計算
快速數(shù)據(jù)/流數(shù)據(jù)
霧計算/邊緣計算
開源軟件
許可
代碼分發(fā)
開源的好處
大數(shù)據(jù)中的開源軟件
云計算
小貼士
問題

第二部分將大數(shù)據(jù)生態(tài)系統(tǒng)應用到組織中
第6章大數(shù)據(jù)如何指導組織戰(zhàn)略
你的客戶
獲取數(shù)據(jù)
使用數(shù)據(jù)
你的競爭者
外部的因素
你的產(chǎn)品
小貼士
問題

第7章形成大數(shù)據(jù)和數(shù)據(jù)科學的戰(zhàn)略
項目團隊
啟動會議
啟動輸出
范圍界定階段
小貼士
問題

第8章實施數(shù)據(jù)科學――分析、算法和機器學習
四種分析方法
模型、算法和黑箱
人工智能和機器學習
分析軟件
分析工具
敏捷分析
小貼士
問題

第9章選擇技術
交付給最終用戶
選擇技術時需要考慮的方面
小貼士
問題

第10章組建團隊
數(shù)據(jù)科學家
你需要的數(shù)據(jù)角色
領導力
雇用數(shù)據(jù)團隊
大規(guī)模招聘和收購創(chuàng)業(yè)公司
外包
對于小型公司而言
小貼士
問題

第11章數(shù)據(jù)治理與法律遵從
個人數(shù)據(jù)
數(shù)據(jù)科學和隱私披露
數(shù)據(jù)治理
治理報告
小貼士
問題

第12章在組織中成功部署大數(shù)據(jù)
我們的項目為何失敗了
總結
小貼士
問題

術語