注册 | 登录读书好,好读书,读好书!
读书网-DuShu.com
当前位置: 首页出版图书科学技术计算机/网络家庭与办公软件大数据分析方法:用分析驱动商业价值

大数据分析方法:用分析驱动商业价值

大数据分析方法:用分析驱动商业价值

定 价:¥69.00

作 者: (美)米歇尔,钱伯斯(Michele,Chambers)
出版社: 机械工业出版社
丛编项:
标 签: 计算机?网络 项目管理 IT人文

购买这本书可以去


ISBN: 9787111537311 出版时间: 2016-08-01 包装: 平装
开本: 16开 页数: 269 字数:  

内容简介

  本书全面介绍了针对大数据的分析方法。本书内容全面、前沿,可帮助读者针对当前的组织需求和分析能力找到合适的技术和方式来进行合理的分析。本书循序渐进的讲授方式,帮助读者制定能支持其企业需求的实现分析功能的路线图,同时兼顾企业文化及客户和企业相关利益群体的需求。

作者简介

  韩光辉,1947年生,山东泗水人。1982年毕业于山东师范大学数学系。1987年毕业于北京大学地理系,获博士学位并留校任教,北京大学教授,主要研究领域为历史人口地理、历史城市地理,著有《北京历史人口地理》、《历史地理学丛稿》、《从幽燕都会到中华国都——北京城市嬗变》、《宋辽金元建制城市研究》、《应用历史地理研究》等书。在《历史研究》、《中国史研究》、《文史》、《地理学报》、《地理研究》、《历史地理》、《中国历史地理论丛》等刊物发表学术论文百余篇。Michele Chambers,现任Continuum Analytics公司的首席营销官(CMO),曾任MemSQL公司营销副总裁、IBM大数据分析业务副总裁以及多家创业公司高管。她帮助数百家客户利用大数据分析理念与技术实现其商业价值。Thomas W.Dinsmore曾任IBM、SAS等公司的大数据分析解决方案架构师,为超过500家企业提供过大数据分析方面的咨询,在预测分析与商业、组织、技术经验方面的融合方面有丰富的经验。孙丽军,现任SAP大中华区市场部负责人/副总裁,曾任IBM大中华区大数据分析事业部营销总监。孙女士还是清华大学经管学院客座讲师以及职业导师,在各种期刊上发表了多篇专业文章。她在大数据方面具有浓厚的兴趣并在工作中积极践行大数据,曾经在各种大型会议上做关于大数据、物联网、大数据营销方面的演讲。

图书目录

译者序  推荐序  致 谢    第1章 现代分析基本原则1  1.1实现商业价值和影响3  1.2专注于最后一英里4  1.3持续改善6  1.4加速学习能力和执行力7  1.5差异化分析7  1.6嵌入分析8  1.7建立现代分析架构9  1.8构建人力因素10  1.9利用消费化趋势10  1.10总结11    第2章 商业3.0时代来临13    第3章 为什么需要一个独特的分析路线图17  3.1概述17  3.2业务领域 18  3.3数据19  3.4方法19  3.5精准20  3.6算法20  3.7嵌入20  3.8速度21  3.9总结21    第4章 分析让商业决策百尺竿头更进一步22  4.1概述22  4.2案例研究23  4.3总结46    第5章 构建分析路线图50  5.1概述50  5.2第一步:确定关键业务目标50  5.3第二步:定义价值链51  5.4第三步:头脑风暴分析解决方案机会53  5.5第四步:描述分析解决  方案机会57  5.6第五步:创建决策模型59  5.7第六步:评估分析解决方案机会61  5.8第七步:建立分析路线图65  5.9第八步:不断演进分析路线图67  5.10总结68    第6章 分析应用69  6.1概述69  6.2战略分析70  6.3管理分析74  6.4运营分析76  6.5科学分析79  6.6面向客户的分析80  6.7总结82    第7章 用例分析84  7.1概述84  7.2预测86  7.3解释89  7.4预报90  7.5发现91  7.6模拟96  7.7优化97  7.8总结97    第8章 预测分析方法论98  8.1概述:现代分析方法98  8.2定义业务需求101  8.3建立分析数据集107  8.4建立预测模型111  8.5部署预测模型118  8.6总结122    第9章 预测分析技术123  9.1概述123  9.2统计和机器学习124  9.3大数据的影响125  9.4有监督和无监督学习127  9.5线性模型和线性回归136  9.6广义线性模型140  9.7广义相加模型141  9.8逻辑回归142  9.9强化回归144  9.10生存分析146  9.11决策树学习147  9.12贝叶斯方法150  9.13神经网络和深度学习151  9.14支持向量机155  9.15集成学习156  9.16自动化学习158  9.17总结163    第10章 最终用户分析164  10.1概述164  10.2用户角色165  10.3分析编程语言169  10.4业务用户工具178  10.5总结189    第11章 分析平台190  11.1概述190  11.2 分布式分析191  11.3预测分析架构195  11.4现代SQL平台209  11.5总结220    第12章 吸引分析天才并留住他们222  12.1概述222  12.2文化223  12.3数据科学家角色227  12.4总结244    第13章 组织分析团队245  13.1概述245  13.2集中式分析团队与分散式分析团队245  13.3卓越中心249  13.4首席数据官与首席分析官250  13.5实验室团队252  13.6分析项目办公室252  13.7总结253    第14章 你还在等什么?赶快开始吧254  附录A 无监督学习:无监督式神经网络257

本目录推荐