海量數據聚集篇
第1章 入門：大數據的基本概念 3
1.1 初步認識，大數據究竟是什麼 4
1.1.1 大數據基本定義 6
1.1.2 大數據結構特徵 8
1.1.3 大數據與雲計算 10
1.1.4 大數據規模預測 10
1.1.5 大數據的發展史 11
1.1.6 大數據技術架構 12
1.1.7 大數據重要的理由 14
1.1.8 大數據的解決方案 16
1.2 預測未來，大數據的發展趨勢 16
1.2.1 大數據撬動全世界 17
1.2.2 大數據是大勢所趨 18
1.2.3 大數據將成為資産 19
1.2.4 大數據時代的轉變 20
1.2.5 大數據的發展動力 22
1.2.6 展望2014的大數據 23
1.3 做好準備，大數據麵對的挑戰 24
1.3.1 大數據的12個不足之處 25
1.3.2 大數據挑戰的應對策略 26
第2章 價值：大數據商業變革 29
2.1 深度挖掘，大數據的商業機遇 30
2.1.1 挖掘大數據的商業價值 30
2.1.2 大數據已進入4G時代 31
2.1.3 實現商業價值的新捷徑 33
2.1.4 挖掘大數據的商業機會 34
2.1.5 用大數據預測宏觀經濟 35
2.1.6 企業用大數據獲取優勢 36
2.1.7 大數據有待更深的挖掘 37
2.2 體現價值，大數據的4大變革 38
2.2.1 變革醫療衛生 38
2.2.2 帶來商業革命 39
2.2.3 改變人們思維 40
2.2.4 開啓時代轉型 40
2.3 價值轉型，大數據下的商業智能 41
2.3.1 大數據為商業智能構建基礎 41
2.3.2 Oracle BIEE商業智能係統 42
2.3.3 商業智能成就行業價值機會 43
2.3.4 BI導齣商業潛能和社會走嚮 43
2.3.5 商業智能的6大發展前景 44
2.4 大數據商業變革應用案例 45
2.4.1 【案例】大數據助力地産行業 45
2.4.2 【案例】大數據預測機票價格 46
2.4.3 【案例】用大數據增強競爭力 47
2.4.4 【案例】大數據助力企業管理 48
2.4.5 【案例】沃森人工智能計算機 49
第3章 架構：大數據基礎設施 51
3.1 探索全球，10大大數據部署方案 52
3.1.1 Netflix：掌握視頻大數據煉金術 52
3.1.2 傢譜網：建立更準確的血緣關係 53
3.1.3 西奈山：更深刻地理解數據形態 55
3.1.4 CAIISO：實現電廠電網的智能化 56
3.1.5 Hydro One：把大數據放地圖上 57
3.1.6 OHSU：結閤數據虛擬化技術 58
3.1.7 VTN：公共設施的實時3D模型 59
3.1.8 戴德縣：實現大型城市的智能化 60
3.1.9 澳網：利用大數據分析做齣決策 61
3.1.10 DPR：結閤3D技術與大數據 63
3.2 掘金紅海，10大大數據分析平颱 63
3.2.1 IBM：大數據領域的傳統巨頭 64
3.2.2 亞馬遜：完美結閤大數據與雲 65
3.2.3 甲骨文：高集成度大數據平颱 66
3.2.4 榖歌：價值無可估量的大數據 67
3.2.5 微軟：“端到端”大數據平颱 67
3.2.6 EMC：針對海量數據分析應用 68
3.2.7 英特爾：用Hadoop靠攏大數據 69
3.2.8 NetApp：讓大數據變得更簡單 69
3.2.9 惠普：構建靈活的“智能環境” 70
3.2.10 Sybase：徹底改變大數據分析 71
3.3 大數據基礎設施應用案例 72
3.3.1 【案例】Streams監控嬰兒ICU感染 72
3.3.2 【案例】沃爾瑪打造商業數據中心 73
3.3.3 【案例】Clustrix挖掘整閤海量數據 74
3.3.4 【案例】長虹聯手IBM掘金大數據 74
3.3.5 【案例】LSI積極創新數據中心變革 75
第4章 掌握：數據管理與挖掘 77
4.1 管理數據，解析開源框架Hadoop 78
4.1.1 Hadoop的主要特點 78
4.1.2 Hadoop的發展曆史 78
4.1.3 Hadoop的主要用途 79
4.1.4 Hadoop的項目結構 80
4.1.5 Hadoop的體係結構 82
4.2 挖掘數據，大數據如何去粗存精 83
4.2.1 準備數據 84
4.2.2 挖掘過程 84
4.2.3 結果錶示 85
4.3 大數據管理與挖掘應用案例 86
4.3.1 【案例】用數據挖掘篩查高危病人 87
4.3.2 【案例】數據挖掘助力NBA賽事 87
4.3.3 【案例】用數據挖掘控製鮮花庫存 88
4.3.4 【案例】挖掘人類頭腦裏的大數據 90
4.3.5 【案例】數據挖掘助力銀行的營銷 91
4.3.6 【案例】星係動物園裏的數據挖掘 92
第5章 管理：用數據洞察一切 95
5.1 不能再等，大數據時代的思維變革 96
5.1.1 利用所有的數據 96
5.1.2 充分利用這些數據 96
5.1.3 海量數據替代采樣 97
5.2 知己知彼，數據分析的演變與現狀 99
5.2.1 大數據分析的商業驅動力 99
5.2.2 大數據分析環境的演變 100
5.2.3 大數據分析與處理方法 102
5.3 企業管理中的大數據分析應用案例 104
5.3.1 【案例】機場用大數據管理節省數百萬美元 104
5.3.2 【案例】國藥集團打造全方位的管理模式 105
5.3.3 【案例】迪士尼樂園用大數據提升遊客樂趣 107
5.3.4 【案例】Farmeron用大數據促成農業增産 109
5.3.5 【案例】西爾斯著眼於大數據以降低成本 110
5.4 能源管理中的大數據分析應用案例 112
5.4.1 【案例】用“大數據”預測風電和太陽能 112
5.4.2 【案例】電力增長情況反映宏觀經濟形勢 113
5.4.3 【案例】石油公司用大數據追求最大利益 114
5.4.4 【案例】大數據管理更準確、一緻、及時 116
5.4.5 【案例】大數據幫助消費者提高能源效率 117
第6章 安全：擺脫大數據風險 119
6.1 問題凸顯，大數據存在5大風險 120
6.1.1 風險1：個人隱私泄露 120
6.1.2 風險2：數據管理睏難 121
6.1.3 風險3：成本難以控製 122
6.1.4 風險4：網絡安全漏洞 123
6.1.5 風險5：數據人纔缺乏 124
6.2 步步小心，大數據項目7大誤區 125
6.2.1 誤區1：盲目跟風 126
6.2.2 誤區2：思路太過僵硬 126
6.2.3 誤區3：不注重他人的經驗 127
6.2.4 誤區4：把大數據當“門麵” 127
6.2.5 誤區5：過度誇大數據成果 128
6.2.6 誤區6：想要獲得所有數據 128
6.2.7 誤區7：認為軟件是萬能的 129
6.3 踏雪無痕，徹底逃離大數據監視 129
6.3.1 碼頭：讓網絡行為一目瞭然 130
6.3.2 上遊：截取全球互聯網數據 130
6.3.3 棱鏡：備份全球互聯網數據 131
6.3.4 星風：監視全球通信大數據 133
6.3.5 小甜餅：竊取個人網絡隱私 134
6.3.6 間諜軟件：讓我們無處藏身 135
6.4 有備無患，做好大數據風險管理 137
6.4.1 風險管理利器1：IBM StorWize V7000 137
6.4.2 風險管理利器2：EMC VNX係列 138
6.4.3 風險管理利器3：戴爾EqualLogic平颱 139
6.4.4 風險管理利器4：NetApp FAS平颱 140
6.5 大數據風險管理應用案例 141
6.5.1 【案例】“閃電計劃”為數據護航 141
6.5.2 【案例】智慧存儲化解大數據風險 143
6.5.3 【案例】榖歌循環利用“數據廢氣” 145
6.5.4 【案例】藉助淘寶大數據控製風險 146
精準行業聚焦篇
第7章 平颱：信息通信大數據 151
7.1 信息通信平颱大數據解決方案 152
7.1.1 運營商在大數據時代的認識轉變 152
7.1.2 運營商在大數據時代的模式轉型 153
7.1.3 運營商在大數據時代的機遇前景 154
7.1.4 運營商在大數據時代的應對方案 157
7.2 信息通信平颱大數據應用案例 158
7.2.1 【案例】西班牙電話公司的數據再利用 158
7.2.2 【案例】德國電信的大數據營銷新策略 159
7.2.3 【案例】Verizon利用大數據精準營銷 160
7.2.4 【案例】中國聯通開啓大數據探索之路 162
7.2.5 【案例】法國電信大力發掘大數據價值 164
7.2.6 【案例】中國移動大數據全新戰略定位 165
7.2.7 【案例】中國電信大數據聚焦商業模式 167
第8章 醫療：數據解決大難題 169
8.1 醫療行業大數據解決方案 170
8.1.1 大數據在醫療行業的應用場景 170
8.1.2 如何從大數據中獲取醫療價值 172
8.1.3 醫療領域大數據的挑戰和前景 172
8.2 醫療行業大數據應用案例 174
8.2.1 【案例】利用大數據進行基因組測序 174
8.2.2 【案例】利用大數據來預防流感疫情 175
8.2.3 【案例】用大數據預測心髒病發作率 177
8.2.4 【案例】大數據BI促進醫院智能化 178
8.2.5 【案例】用大數據“魔毯”改善健康 179
8.2.6 【案例】用大數據分析找齣治療方案 180
8.2.7 【案例】手錶成為大數據的有力武器 181
8.2.8 【案例】中南大學啓動臨床大數據係統 182
第9章 網絡：抓牢數據發源地 185
9.1 互聯網大數據解決方案 186
9.1.1 傳統互聯網大數據解決方案 186
9.1.2 移動互聯網大數據解決方案 188
9.2 互聯網大數據應用案例 189
9.2.1 【案例】大數據與互聯網助力競選總統 189
9.2.2 【案例】Acxiom用數據洞悉你的心理 191
9.2.3 【案例】大數據為個性化用戶體驗撐腰 193
9.2.4 【案例】人人遊戲網用大數據瞭解玩傢 194
9.2.5 【案例】迅雷用大數據抓“網絡票房” 196
9.2.6 【案例】騰訊用微信展開大數據“首戰” 197
第10章 零售：打響大數據之戰 199
10.1 零售行業大數據解決方案 200
10.1.1 大數據對零售行業的影響 200
10.1.2 大數據對零售行業的挑戰 201
10.1.3 大數據對零售行業的價值 202
10.2 零售行業大數據應用案例 203
10.2.1 【案例】ZARA：可以預見未來的時尚圈 203
10.2.2 【案例】沃爾瑪：大數據幫你選好購物單 205
10.2.3 【案例】淘寶：開放“數據魔方”的秘密 207
10.2.4 【案例】Target：準確判斷哪位顧客懷孕 208
10.2.5 【案例】上品摺扣：用大數據做全渠道營銷 210
10.2.6 【案例】阿迪達斯：用大數據帶來利潤 211
第11章 製造：更快更好地生産 215
11.1 生産製造業大數據解決方案 216
11.1.1 大數據對生産製造業的影響 216
11.1.2 生産製造業如何利用大數據 218
11.2 生産製造業大數據應用案例 219
11.2.1 【案例】大數據結閤ERP助力生産 220
11.2.2 【案例】大數據改變福特汽車的製造 221
11.2.3 【案例】長安汽車數據與製造的結閤 223
11.2.4 【案例】樂百氏BI係統助力企業成長 226
11.2.5 【案例】大數據可以破解“豬周期” 227
11.2.6 【案例】鋼鐵企業用大數據擺脫睏境 229
11.2.7 【案例】大數據提高企業核心競爭力 231
第12章 餐飲：精準營銷的數據 235
12.1 餐飲行業大數據解決方案 236
12.1.1 大數據在餐飲業的市場現狀 236
12.1.2 餐飲行業麵臨的大數據挑戰 237
12.1.3 大數據對餐飲企業有何作用 239
12.1.4 餐飲企業該如何應用大數據 240
12.2 餐飲行業大數據應用案例 241
12.2.1 【案例】農夫山泉用大數據賣礦泉水 241
12.2.2 【案例】絕味鴨脖的大數據經營模式 243
12.2.3 【案例】“哆啦寶”打造精準營銷平颱 244
12.2.4 【案例】打造適閤你的找餐館手機APP 246
第13章 金融：大數據理財時代 249
13.1 金融行業大數據解決方案 250
13.1.1 大數據對傳統金融行業的影響 250
13.1.2 大數據時代下金融業的機遇和麵臨的挑戰 251
13.1.3 金融業該如何“迎戰”大數據 252
13.2 金融行業大數據應用案例 254
13.2.1 【案例】淘寶網掘金大數據金融市場 255
13.2.2 【案例】IBM用大數據預測股價走勢 256
13.2.3 【案例】匯豐銀行采用SAS管理風險 257
13.2.4 【案例】Kabbage用大數據開闢新路徑 258
13.2.5 【案例】大數據時代信用卡該怎麼玩 259
第14章 交通：暢通無阻的數據 261
14.1 交通行業大數據解決方案 262
14.1.1 5大日益突齣的城市交通難題 262
14.1.2 大數據為交通難題開齣的藥方 263
14.1.3 大數據解決交通難題4大優勢 265
14.1.4 如何應用大數據解決交通問題 265
14.1.5 大數據在智能交通行業的挑戰 267
14.2 交通行業大數據應用案例 268
14.2.1 【案例】大數據解決波士頓堵車難題 268
14.2.2 【案例】榖歌街景帶你在傢環遊世界 270
14.2.3 【案例】騰訊SOSO讓地圖更“真實” 272
14.2.4 【案例】用大數據APP緩解交通壓力 274
14.2.5 【案例】ETC電子收費係統加大通行力 275
第15章 社會：用數據改變生活 279
15.1 教育領域大數據應用案例 280
15.1.1 【案例】大數據讓在綫教育變為現實 280
15.1.2 【案例】無孔不入的數字化學習平颱 281
15.1.3 【案例】用雲平颱全麵推進素質教育 281
15.1.4 【案例】美國政府用大數據改善教育 283
15.1.5 【案例】大數據有效地指導學生學習 283
15.1.6 【案例】用大數據管理上海大學招生 284
15.2 體育領域大數據應用案例 285
15.2.1 【案例】Nike記錄運動中的數據價值 285
15.2.2 【案例】大數據助力NBA賽事全過程 287
15.2.3 【案例】大數據顛覆網球的遊戲規則 289
15.2.4 【案例】從大數據中獲得寶貴洞察力 290
15.2.5 【案例】用預測分析軟件來防止受傷 290
15.2.6 【案例】普通球迷也能成為分析專傢 291
15.3 影音媒體大數據應用案例 292
15.3.1 【案例】《爸爸去哪兒》成口碑之王 292
15.3.2 【案例】用大數據來挖掘《小時代》 293
15.3.3 【案例】《紙牌屋》變革傳統電視業 294
15.3.4 【案例】《紐約時報》讓報紙智能化 295
15.3.5 【案例】大數據帶來逼真的影視特效 296
15.4 生活中的大數據應用案例 298
15.4.1 【案例】大數據讓你的生活更智能 298
15.4.2 【案例】數據能夠開口說話當紅娘 299
15.4.3 【案例】大數據保障人身財産安全 300
15.4.4 【案例】用大數據安全保管門鑰匙 301
15.4.5 【案例】地圖APP成為生活好助手 302
· · · · · · (收起)