一本书读懂大数据

内容简介

进入大数据时代，让数据开口说话将成为司空见惯的事情，本书将从大数据时代的前因后果讲起，全面分析大数据时代的特征、企业实践的案例、大数据的发展方向、未来的机遇和挑战等内容，展现一个客观立体、自由开放的大数据时代。

目录

目　录
第一章 身处数据时代，揭开大数据的面纱
大数据到底是什么？ / 002
“大”是重点，还是“数据”是重点？ / 006
与众不同的大数据 / 008
大数据方式下的云计算 / 010
大数据的奥秘 / 013
当下是大数据发展的时机 / 017
第二章 大数据如此重要，引无数英雄竞折腰
多样的非结构性数据 / 020
大数据的价值发掘 / 023
大数据的结构化、非结构化、半结构化及多结构化 / 026
大数据是扩展性的下一代传统数据 / 028
是什么构成了大数据价值链？ / 030
大数据时代真的来了 / 036
第三章 求挖掘与分析，电子商务与大数据
大数据时代中的电子商务 / 040
亚马逊在大数据时代的实践 / 042
小米手机在大数据时代的实践 / 047
小米手机对“米粉”需求的文化挖掘 / 051
阿里巴巴数据化运营的那些“大招” / 054
大数据中的企业价值及客户价值 / 061
第四章 数据和企业管理，高层更看重大数据
沃尔玛如何用数据构建管理模式 / 064
让大数据进入企业管理 / 066
职业乞丐脑袋里的大数据 / 070
职业经理人与大数据 / 073
企业组织管理不介入大数据，就要被淘汰 / 077
第五章 生活无处不数据，大数据真的能算命？
未来的先兆——大数据 / 084
大数据带来的经营理念的转变 / 088
大数据的舆情服务 / 094
大数据预测你的下一步行动 / 096
数据也会骗人，从人的动作推导数据 / 099
网络数据背后的价值 / 103
第六章 颠覆与重塑思维，大数据与思维革命
大数据时代的综合人才 / 110
飞利浦的大数据营销策略 / 113
阿里小贷的“不可能的任务” / 115
第三方支付业务的另一种思路 / 119
P2P网络借贷动了谁的奶酪 / 121
大数据带来的智能化与柔性化 / 124
生活、工作、思维的颠覆重构 / 128
第七章 得数据者得天下，商业竞争中的大数据
大型公司的垂直一体化趋势 / 136
客户形象的丰富源于对客户的全面理解 / 139
量化奠定了数据化的内核 / 143
文字的数据化进程 / 147
地理位置的数据化构建 / 151
数据化的沟通方式 / 156
企业竞争力的关键——大数据 / 159
第八章　让数据张口说话，管理决策中的大数据
客观数据发言权 / 164
挖掘潜力股的数据化进程 / 167
时代因大数据而变革 / 170
大数据时代的风险规避策略 / 174
企业文化的数据化构建 / 177
第九章 更自由，更开放，大数据的机遇和挑战
人机结合的未来发展趋势 / 184
数据时代，引发时代大变革 / 186
数据可以表示世间万物，会带来惊喜 / 191
数据化带来的挑战 / 194

摘要与插图

第一章
身处数据时代，揭开大数据的面纱
科技的迅速发展，互联网金融的兴起和繁荣，把数据推到了所有金融元素的核心位置。越来越多的企业逐渐认识到只有掌握正确的数据并看透数据背后的故事，才能够获得源源不断的财富。大数据时代伴着铿锵有力的节奏了世界的新潮流。
002
一本书读懂大数据
大数据到底是什么 ？
如果要追溯“大数据”这个专业术语的出处的话，就必然要提及apache org的开源项目Nutch。在那个时候，大数据的意思是更新网络搜索索引，同时还需要批量处理和分析大量的数据集。谷歌的Map Reduce和GoogleFile System（GFS）发布了之后，大数据的定义中除了涵盖大量数据之外，还包括数据处理的速度。
研究机构Gartner曾给大数据（Big data）下过这样的定义：大数据是一种基于新的处理模式而产生的具有强大的决策力、洞察力以及流程优化能力的多样性的、海量的且增长率高的信息资产。
大数据一词源于英文的“Big Data”一词，以往也有类似的词语，如“信息爆炸”“海量数据”等等似乎都很难去准确描述这个词的具体内涵。麦肯锡研究所所做的《大数据：创新、竞争和生产力的下一个前沿》（James,2011）是这么定义“大数据”的：大数据通常指的是大小规格超越传统数据库软件工具抓取、存储、管理和分析能力的数据群。这个定义也有很强的主观色彩，因为究竟什么样规格的数据才是大数据，这没有统一的标准，也就是无法确定超过多少TB（1000GB）的数据才是大数据。随着时间的推移和技术的发展，我们必须知
003
第一章　身处数据时代，揭开大数据的面纱
道“大数据”的量会越来越大。还有一点，这定义也会因为部门的差异而发生标准的变化，这和通用的是什么软件以及特定行业数据集的大小有密切的关系。所以，现有各行业的大数据可以是几十TB，也可以是几千TB。按照EMC的界定，特指的大数据一定是指大型数据集，规模大概在10TB。通过多用户将多个数据集集合在一起，能构成PB的数据量。在IBM2011IOD大会上，负责IBM软件和硬件两大集团的副总裁SteveMills曾说过：“分析已经成为必要的能力，不再只是一个工具，是一种能让业务流程运转的智慧能力。企业要转化信息的洞察力为行动，而不是仅仅去争取竞争的优势，要将其转换为生存的根本。”
IBM公司概括大数据时有三个V，也就是大量化（Volume），多样化（Variety）和快速化（Velocity），此外它们还针对客户有了“大数据解决方案”的服务。IBM公司对大数据所概括出的三个V，其实也说明大数据潜藏的另一个V——价值（Value）。就这么说的话，大数据确实具备这四个V的基本特征。
大数据的第一个特征是数据的量大。电脑的数据运算和储存单位都是字节（byte），1KB（kilobyte）等于1024B，就是千字节。除此之外还有更高的单位MB（Megabyte兆字节），GB（Gigabyte，吉字节），TB（Trillion byte，太字节）、PB（Pet byte，拍字节），EB（Exabyte，艾字节），ZB（Zettabyte，泽它字节）和YB（Yotta byte，尧字节）。每一级之间的换算关系是1024。到了2009年，几乎每一个美国企业，只要是雇员人数超过1000人的，它的数据存储量大概都超过了200TB，这是十年前沃尔玛公司数据仓库存储量的2倍还多。在不少经济部门当中，企业平均的数据存储量甚至都达到了PB。2010年欧洲组织的存储总量大概为11EB，这个数字几乎是整个美国数据总量（16EB）的70%。2010年企业在硬盘上的数据存储量已经超过了7EB，而在PC和笔记本电脑等设备上的个人存储量也超过了6EB。美国国会
004
一本书读懂大数据
图书馆当时存储的数据大概只是1EB的4000分之一（James，2011）。硬件技术的发展