數(shù)據(jù)實(shí)踐之美：31位大數(shù)據(jù)專家的方法、技術(shù)與思想

定　價(jià)：￥79.00

作　者：	天善智能著
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	計(jì)算機(jī)/網(wǎng)絡(luò) 數(shù)據(jù)倉庫與數(shù)據(jù)挖掘數(shù)據(jù)庫

購買這本書可以去

ISBN：	9787111557036	出版時(shí)間：	2017-01-01	包裝：	平裝
開本：	16開	頁數(shù)：	436	字?jǐn)?shù)：

內(nèi)容簡介

　　《數(shù)據(jù)實(shí)踐之美：31位大數(shù)據(jù)專家的方法、技術(shù)與思想》是數(shù)據(jù)技術(shù)領(lǐng)域具有里程碑意義的代表性著作，由國內(nèi)知名的數(shù)據(jù)技術(shù)社區(qū)天善智能領(lǐng)銜組織和策劃，首次將來自百度、騰訊、IBM、埃森哲、Teradata、永洪科技、達(dá)觀數(shù)據(jù)、神策數(shù)據(jù)、同程旅游等20余家國內(nèi)外在數(shù)據(jù)和互聯(lián)網(wǎng)領(lǐng)域的領(lǐng)頭羊企業(yè)的31位數(shù)據(jù)專家（CEO、CTO、VP、技術(shù)總監(jiān)、架構(gòu)師、高級(jí)分析經(jīng)理、咨詢總監(jiān)等）聯(lián)合在一起，分享了他們?cè)跀?shù)據(jù)領(lǐng)域多年來積累下來的*感自豪的方法、技術(shù)與思想，同時(shí)對(duì)很多技術(shù)難題給出了經(jīng)驗(yàn)性的解決方案，頗為珍貴！全書分為5大部分：Part1：數(shù)據(jù)化思維旨在幫助讀者在企業(yè)的數(shù)據(jù)化運(yùn)營和管理過程中建立和優(yōu)化運(yùn)用數(shù)據(jù)的思維，涵蓋數(shù)據(jù)化運(yùn)營、數(shù)據(jù)化營銷、數(shù)據(jù)化管理、數(shù)據(jù)領(lǐng)導(dǎo)力等多個(gè)主題。Part2：數(shù)據(jù)治理這部分內(nèi)容有針對(duì)性地從技術(shù)的角度講解了數(shù)據(jù)治理的一些重要技術(shù)，包括數(shù)據(jù)庫開發(fā)與設(shè)計(jì)、ETL數(shù)據(jù)處理、復(fù)雜數(shù)據(jù)處理3大主題。Part3：BI與數(shù)據(jù)可視化這部分主要從“術(shù)”的角度對(duì)BI與數(shù)據(jù)可視化進(jìn)行了講解，涵蓋商務(wù)智能業(yè)務(wù)構(gòu)建、數(shù)據(jù)體系構(gòu)建、BI項(xiàng)目的實(shí)施與應(yīng)用、大數(shù)據(jù)系統(tǒng)的架構(gòu)與技術(shù)選型、數(shù)據(jù)可視化的技術(shù)與工作方法等10個(gè)主題，內(nèi)容豐富。Part4：數(shù)據(jù)分析與數(shù)據(jù)挖掘數(shù)據(jù)分析與數(shù)據(jù)挖掘是大數(shù)據(jù)與人工智能時(shí)代*核心的技術(shù)之一，也是本書的重中之重，包含數(shù)據(jù)驅(qū)動(dòng)的運(yùn)營和管理、精細(xì)化分析、數(shù)據(jù)產(chǎn)品化、零售數(shù)據(jù)分析、電商數(shù)據(jù)分析、行業(yè)數(shù)據(jù)和個(gè)性化數(shù)據(jù)的挖掘關(guān)鍵技術(shù)和標(biāo)準(zhǔn)流程等12個(gè)十分精彩的主題。Part5：大數(shù)據(jù)化之路這部分內(nèi)容主要講解了如何真正將大數(shù)據(jù)技術(shù)、大數(shù)據(jù)方案和架構(gòu)落實(shí)到具體的行業(yè)應(yīng)用中，選取了教育、互聯(lián)網(wǎng)金融、商業(yè)地理應(yīng)用3個(gè)領(lǐng)域的3個(gè)案例，對(duì)整個(gè)的實(shí)施過程和涉及的關(guān)鍵技術(shù)和業(yè)務(wù)考量都做了詳細(xì)闡述，希望能讀者以啟發(fā)。

作者簡介

　　天善智能（www.hellobi.com），一個(gè)專注于商業(yè)智能（BI）、數(shù)據(jù)分析、數(shù)據(jù)挖掘和大數(shù)據(jù)技術(shù)的技術(shù)社區(qū) ，包括技術(shù)問答、博客、活動(dòng)、學(xué)院、招聘、讀書頻道等眾多版塊。社區(qū)內(nèi)容不僅覆蓋了幾乎所有與 BI 相關(guān)的技術(shù)和產(chǎn)品：微軟BI、IBM Cognos、Oracle BIEE、Kettle、Informatica、DataStage、SAP BO、QlikView、Tableau等；還包含所有與數(shù)據(jù)分析、數(shù)據(jù)挖掘和大數(shù)據(jù)相關(guān)的技術(shù)和產(chǎn)品，如R、Python、SPSS、Hadoop、Spark、Hive、Kylin等。天善智能致力于構(gòu)建一個(gè)基于數(shù)據(jù)的生態(tài)圈，通過社區(qū)鏈接一切與數(shù)據(jù)相關(guān)的資源。上游，天善智能得到了IBM、Oracle、微軟、永洪科技、帆軟等數(shù)十家國內(nèi)外數(shù)據(jù)廠商的大力支持；中游，天善智能在社區(qū)擁有一批非常知名的社區(qū)領(lǐng)袖和技術(shù)大拿；下游，天善智能的學(xué)員和注冊(cè)會(huì)員覆蓋北京、上海、深圳、廣州等50多個(gè)國內(nèi)的大中小城市，以及加拿大、美國、新西蘭、澳大利亞、日本、德國、新加坡等海外國家。在數(shù)據(jù)領(lǐng)域里天善智能有著廣泛的影響力。

圖書目錄

贊譽(yù)
前言
Part 1　數(shù)據(jù)化思維 // 1
NO.1　數(shù)據(jù)化運(yùn)營的方法論體系　張子良 // 2
NO.2　數(shù)據(jù)化營銷中的“一·二·三”　葉秋萍 // 9
NO.3　企業(yè)數(shù)據(jù)化管理之巔—同業(yè)對(duì)標(biāo)　王衛(wèi)東 // 21
NO.4　管理數(shù)據(jù)化：柳傳志30年管理智慧如何為我所用　袁華杰 // 33
NO.5　數(shù)據(jù)領(lǐng)導(dǎo)力—指標(biāo)體系規(guī)劃與管理駕駛艙設(shè)計(jì)　劉凱 // 41
Part 2　數(shù)據(jù)治理 // 53
NO.6　數(shù)據(jù)庫開發(fā)實(shí)施工藝提升的6種途徑　楊寶軍 // 54
NO.7　ETL串并發(fā)數(shù)據(jù)跑批處理的理論與運(yùn)用實(shí)踐　何啟平 // 64
NO.8　如何高效地對(duì)復(fù)雜數(shù)據(jù)進(jìn)行清洗與轉(zhuǎn)換　謝佳標(biāo)// 74
Part 3　BI與數(shù)據(jù)可視化 // 91
NO.9　商務(wù)智能業(yè)務(wù)分析構(gòu)建“5步曲”　呂敏杰 // 92
NO.10　構(gòu)建數(shù)據(jù)體系的兩個(gè)“5步曲”　王桐 // 109
NO.11　成功實(shí)施BI項(xiàng)目的4大要素　賈巖 // 119
NO.12　Kimball理論在BI項(xiàng)目中的應(yīng)用　郭川 // 127
NO.13　BI數(shù)據(jù)可視化分析SaaS產(chǎn)品前瞻　呂品 // 145
NO.14　大數(shù)據(jù)工程的系統(tǒng)架構(gòu)設(shè)計(jì)和技術(shù)選型　韓慶安 // 153
NO.15　數(shù)據(jù)可視化4步工作法　溫融冰 // 164
NO.16　如何用R語言對(duì)復(fù)雜數(shù)據(jù)進(jìn)行可視化　謝佳標(biāo)// 169
NO.17　新思路，新體系：讓銀行報(bào)表的3大痛點(diǎn)不再是噩夢　袁華杰 // 184
NO.18　Cognos在金融銀行業(yè)的最佳運(yùn)用　吳永帆 // 196
Part 4　數(shù)據(jù)分析與數(shù)據(jù)挖掘 // 207
NO.19　如何做好一名商業(yè)分析師？　吳奕君 // 209
NO.20　如何用數(shù)據(jù)驅(qū)動(dòng)運(yùn)營　桑文鋒 // 217
NO.21　企業(yè)增長中的精細(xì)化分析和Growth Hacking　孔淼 // 237
NO.22　如何基于業(yè)務(wù)實(shí)現(xiàn)用戶行為數(shù)據(jù)產(chǎn)品化　吳文波 // 247
NO.23　電商的數(shù)據(jù)化管理與運(yùn)營　尚林棟 // 256
NO.24　零售業(yè)數(shù)據(jù)分析指標(biāo)的管理與應(yīng)用　沈嶸// 284
NO.25　做好零售業(yè)數(shù)據(jù)分析必須解決的3個(gè)難點(diǎn)　鄒斌 // 291
NO.26　如何用R語言做量化分析　張丹 // 316
NO.27　從BI到AI，數(shù)據(jù)分析的4個(gè)誤區(qū)　彭耀 // 335
NO.28　企業(yè)如何利用跨行業(yè)數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程開展大數(shù)據(jù)實(shí)踐　張浩彬 // 342
NO.29　詳解過程挖掘的技術(shù)和方法　汪尚 // 352
NO.30　個(gè)性化數(shù)據(jù)挖掘的關(guān)鍵技術(shù)與應(yīng)用實(shí)踐　陳運(yùn)文 // 382
Part 5　大數(shù)據(jù)化之路 // 401
NO.31　教育行業(yè)的大數(shù)據(jù)實(shí)施路徑　李宗海 // 402
NO.32　數(shù)據(jù)科學(xué)在互聯(lián)網(wǎng)金融中的應(yīng)用　張?jiān)扑?// 409
NO.33　地理大數(shù)據(jù)驅(qū)動(dòng)的智慧選址　張志成 // 419
附錄 // 433