《大數據分析：決勝互聯網金融時代》第1章主要介紹了大數據分析的定義和由來、大數據的重要性，以及大數據時代的歷史背景和發展趨勢。第2章通過對成功企業領導者的采訪，詳細介紹了大數據分析在信息、金融、傳媒、醫療等領域的使用案例，并通過這些案例幫助讀者了解如何將大數據分析方法應用到商業活動中。第3章詳細介紹了大數據分析采用的一系列技術手段及案例，并指出大數據技術應用到實際生活中的一些關鍵問題。第4章介紹了承載大數據應用的計算、存儲等底層基礎設施的關鍵技術，并討論了大數據計算的瓶頸及近年來涌現出的新技術。第5章詳細介紹了在大數據時代商業分析的方法及涉及的關鍵技能，以及如何對分析結果進行歸納總結，并最終對企業的決策產生影響。第6章主要介紹了數據科學家的定義，以及數據科學和決策科學人才培養的方法論。第7章討論了涉及數據隱私及數據安全的相關問題。
《大數據分析：決勝互聯網金融時代》可供企業經理和管理人員閱讀，通過本書可以使他們學習如何最有效地利用信息資源。大數據領域的相關從業者通過本書可以了解如何在大數據方向進行成功的實踐。由于《大數據分析：決勝互聯網金融時代》在艱深的戰略理論和通俗易懂的示例之間做到了平衡，對技術性很強的話題，通過故事、比喻和類比的方式使讀者更容易理解和接受，因此對大數據領域感興趣的讀者也可進行閱讀。
O’Reilly 媒體 總經理 Jim Stogdill 傾情作序推薦
IBM研究院首席科學家 Jeff Jonas
美國家得寶公司主席及CEO Frank Blake
美國凱悅酒店首席信息官 Mike Blake
美國職業棒球大聯盟媒體公司首席技術官 Joe Choti
Kaggle公司創始人及CEO Anthony Goldbloom
佩斯大學客戶智能碩士工程創始人之一 Tony Branda
聯袂誠意推薦
大數據分析的時代來臨了，這將是一場真正的變革。《大數據分析：決勝互聯網金融時代》著眼于一些利用令人興奮的大數據思路支持業務分析的新一代新銳企業。這是一個真正的飛躍，也是一個能實現在效率、生產力、收入和盈利能力等方面產生巨大收益的良機。
《大數據分析：決勝互聯網金融時代》為企業經理和管理人員所寫，使他們可以最有效地利用信息資源。本書在艱深的戰略理論和通俗易懂的示例之間做到平衡，對技術性很強的話題，通過故事、比喻和類比的方式使讀者更容易理解和接受。作者是一位決策科學家和分析專家，通過行業的具體例子來描述大數據相關的技術，并說明大數據的價值。在介紹了大數據領域有成功實踐的個人和公司之后，《大數據分析：決勝互聯網金融時代》還深入研究了要在大數據領域取得成功所需要的組織和角色的構成。
邁克爾?梅內里（Michael Minelli）是一個市場和銷售專家，在商業分析解決方案領域有16年的經驗。他是銷售和全球聯盟的副總裁，萬事達卡公司的信息服務顧問。
米歇爾?錢伯斯（Michele Chambers）擁有諾瓦東南大學的計算機工程學士學位和杜克大學的MBA學位。她是一位有25年技術經驗的創業高管。錢伯斯女士曾經是負責IBM公司大數據分析的副總裁。
安碧嘉?帝拉吉（Ambiga Dhiraj）是Mu Sigma公司客戶交付部的經理，Mu Sigma是決策科學和分析解決方案的首席供應商。
目 錄
第1章 什么是大數據，它為什么重要？ 1
1.1 創業的大洪水
1.2 大數據不僅僅是“大”
1.3 為什么是現在？
1.4 關鍵技術的融合
1.5 相對而言……
1.6 更豐富多樣的數據
1.7 非結構化數據域的擴張
1.8 高層的聲音
參考文獻
第2章 大數據的工業實例 19
2.1 數字營銷和離線世界
2.2 數據庫營銷，大數據的先驅
2.3 大數據和市場營銷的新技能
2.4 欺詐和大數據
2.5 風險和大數據
2.6 信用卡風險管理
2.7 大數據和算法交易
2.8 大數據在健康醫療領域的應用
2.9 醫藥領域的前沿先鋒
2.10 廣告和大數據：從莎草紙到受眾識別
2.11 從消費類產品作為入口
參考文獻
第3章 大數據技術 59
3.1 房間里的大象：Hadoop并行計算世界
3.2 新舊技術對比
3.3 數據發現：沿著人類思維方式而工作
3.4 大數據分析的開源技術
3.5 云計算和大數據
3.6 預測分析嶄露頭角
3.7 軟件即服務(SaaS)BI
3.8 移動商業智能將成為主流
3.9 眾包分析
3.10 防火墻外部分析及跨防火墻分析
3.11 R&D方法幫助吸取新技術
3.12 大數據技術術語
3.13 二進制數據
參考文獻
第4章 信息管理 87
4.1 大數據基礎
4.2 大數據計算平臺
4.3 大數據計算
4.4 更多關于大數據存儲
4.5 大數據計算的局限性
4.6 大數據的新興技術
第5章 商業分析 97
5.1 大數據分析的“最后一英里”
5.2 智能地理信息會讓你的生活更美好
5.3 聽：是信號還是噪聲？
5.4 數據分析的實際使用
5.5 從生產到消費
5.6 可視化：如何將數據分析變得可用？
5.7 組織使用數據可視化作為采取即時行動的方法
5.8 從數據采樣到數據分析
5.9 跳到盒子外思索
5.10 360°建模
5.11 速度需求
5.12 讓我們變得具有競爭性
5.13 什么技術是有效的？
5.14 數據分析已經超越工具本身，并升級為大數據分析應用程序
參考文獻
第6章 大數據行業角色 125
6.1 數據科學家的興起
6.2 深度使用數學、科學以及計算機科學
6.3 10/90原則和批判性思考
6.4 分析師人才和行政支持
6.5 發展決策科學人才
6.6 數據分析的全局視圖
6.7 培養決策科學人才
6.8 創建培養決策科學人才的文化
6.9 建立正確的組織結構進行有組織的分析
第7章 數據隱私與倫理 147
7.1 隱私涉及的主要領域
7.2 大數據抓取不是新鮮事
7.3 偏好、個性及關系
7.4 權利與義務
7.5 良心與責任意識
7.6 隱私可能是錯誤的焦點
7.7 數據可以匿名嗎？
7.8 用戶數據在情報安全部門的平衡
7.9 現在該做些什么？
參考文獻
結語 165
推薦資源 171
譯者后記 175
新書資訊