大數(shù)據(jù)正在改變我們的世界。互聯(lián)網(wǎng)發(fā)展以及移動通信市場和相關(guān)技術(shù)的迅速擴張業(yè)已創(chuàng)建大量的數(shù)據(jù)，包括結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。數(shù)據(jù)可用性和數(shù)據(jù)應(yīng)用對商業(yè)和更廣泛的社會領(lǐng)域帶來了巨大影響。有效使用大數(shù)據(jù)有助于公司更精準地對重要信息進行分析，最終提高運營效率、減少成本、降低風險、加快創(chuàng)新、增加收入。本書詳細介紹了大數(shù)據(jù)策略的規(guī)劃和執(zhí)行，配以10個不同行業(yè)里不計其數(shù)的現(xiàn)實案例加以闡述。你將了解大數(shù)據(jù)的概念以及如何運用大數(shù)據(jù)——從計算投資回報率和促成商業(yè)案例到整體開發(fā)和具體項目的大數(shù)據(jù)策略。每一章都會解答關(guān)鍵問題，并給出你需要掌握的技能，以確保大數(shù)據(jù)項目成功。想要將大數(shù)據(jù)為自己和公司所用，請閱讀這本《大數(shù)據(jù)策略如何成功使用大數(shù)據(jù)與10個行業(yè)案例分享》。
大數(shù)據(jù)時代策略就是一切
分析工具會隨著時間的推移而老化
但大數(shù)據(jù)策略將勝出
知己知彼百戰(zhàn)不殆
從了解各個行業(yè)案例開始
大數(shù)據(jù)是每個高管都愿意掛在嘴邊的流行語
卻幾乎無人知曉如何成功地應(yīng)用大數(shù)據(jù)
本書中可以找到答案！
如果沒有強有力的數(shù)據(jù)策略，即便存儲大量的數(shù)據(jù)或使用各種大數(shù)據(jù)工具，也無法幫助我們得到最終的分析結(jié)果
當下有關(guān)大數(shù)據(jù)的討論、文章和會議演講中，始終有一個懸而未決的問題：到底可以用大數(shù)據(jù)做什么？當然，給出的回答通常非常概括，字眼含義往往含糊不清。很少有人闡明大數(shù)據(jù)的來源，更不用說大數(shù)據(jù)應(yīng)用了。相關(guān)問題的答案更是少見，比如從如何計算大數(shù)據(jù)項目的投資回報率(ROI)，將大數(shù)據(jù)化為實際收益到如何開發(fā)一個成功的策略和最終如何運用分析來改變整個組織和行業(yè)。本書將回答目前有關(guān)大數(shù)據(jù)的最緊迫的以及更高層次的問題。
本書讀者對象
本書的讀者對象是那些對大數(shù)據(jù)實際應(yīng)用而非技術(shù)細節(jié)更感興趣的人。無論你是獨自經(jīng)營公司還是跨國運營企業(yè)，都會在本書中找到切實可行的建議：何時以何種方式利用大數(shù)據(jù)為所在機構(gòu)贏得最理想的效果。無論是數(shù)據(jù)科學(xué)家、部門主管、律師、小企業(yè)主、非營利機構(gòu)負責人，還是企業(yè)高管或董事會成員，本書都可以幫助他們將大數(shù)據(jù)技術(shù)應(yīng)用于工作中，進行輔助決策。
此外，書中用大量篇幅描述了具體行業(yè)的大數(shù)據(jù)實際應(yīng)用案例，用以指導(dǎo)不同行業(yè)和企業(yè)大數(shù)據(jù)的有效利用和潛在應(yīng)用。不同的章節(jié)將針對10個不同行業(yè)有更詳細的論述。本書將具體討論大數(shù)據(jù)在包括政府、國防和情報、安全、醫(yī)療保健、小企業(yè)和農(nóng)場、交通運輸、能源、零售、銀行保險及制造業(yè)等部門或領(lǐng)域的案例、策略、潛在因素和新興趨勢。然而，僅僅閱讀論述所在行業(yè)的章節(jié)是不夠的。不久的將來，大數(shù)據(jù)對其他行業(yè)的變化也將對你自身所處行業(yè)的未來發(fā)展產(chǎn)生影響。
如果說到大數(shù)據(jù)的發(fā)展方向的話，那便是催生變革，促進行業(yè)發(fā)展進程全面轉(zhuǎn)折。事實上，大數(shù)據(jù)正在促進整個產(chǎn)業(yè)的融合，可以說，跨行業(yè)融合正在以前所未有的態(tài)勢高速發(fā)展。因此，有必要關(guān)注那些與所在行業(yè)正在融合的產(chǎn)業(yè)，關(guān)注哪類客戶正在減少或完全取消所提供的服務(wù)。在這方面，本書極有可能帶給你更多驚喜。
帕姆·貝克(Pam Baker)是一位著名的商業(yè)分析師、科技自由撰稿人，以及在線出版刊物和電子雜志FierceBigData的編輯。她著作等身，文章經(jīng)常刊登在不同的出版物上，包括《機構(gòu)投資者》(Institutional Investor)雜志、CIO(印刷版)等。她以前曾擔任總部設(shè)在倫敦的VisionGain Research公司的簽約分析師。她實踐并撰寫了幾個知名的市場技術(shù)研究。她曾任研究員、作家以及總部設(shè)在紐約的市場研究公司ABI Research的執(zhí)行主編。
鮑勃·格雷(Bob Gourley)是CTOvision.com網(wǎng)站的主編，也是技術(shù)研究和顧問公司Crucial Point LLC的創(chuàng)始人和首席技術(shù)官。他以前曾在美國國防部計算機網(wǎng)絡(luò)防御聯(lián)合特遣部隊JTF-CND擔任任情報總監(jiān)和國防情報局首席技術(shù)官。格雷發(fā)表了40多篇文章，涉及主題廣泛，他也是Threats in the Age of Obama一書的特約作者。他的博客CTOvision被WashingtonTech網(wǎng)站評為美國技術(shù)類博客之一。
第1章 何為真正的大數(shù)據(jù) 1
1.1 技術(shù)層面的定義 1
1.2 為什么數(shù)據(jù)規(guī)模無關(guān)緊要 4
1.3 大數(shù)據(jù)對管理層意味著什么 4
1.3.1 “大數(shù)據(jù)是萬能的” 4
1.3.2 “數(shù)據(jù)只是另一種電子表格” 5
1.4 大數(shù)據(jù)的執(zhí)行方式 5
1.5 小結(jié) 10
第2章 如何制定成功的大數(shù)據(jù)策略 11
2.1 轉(zhuǎn)不出的死命循環(huán) 11
2.2 如何解開“誰是第一次”這個難題 13
2.2.1 改變大數(shù)據(jù)視角 13
2.2.2 用戶認知與數(shù)據(jù)采集 13
2.2.3 Facebook預(yù)測性分析的現(xiàn)實 14
2.2.4 Facebook數(shù)據(jù)收集走得更遠 15
2.2.5 使用Facebook坦誠認知大數(shù)據(jù)發(fā)展?jié)摿?16
2.2.6 專業(yè)認知與大數(shù)據(jù)現(xiàn)實 16
2.2.7 從感知到認知偏差 17
2.2.8 尋找大數(shù)據(jù)占卜師 17
2.3 下一步：擁抱無知 19
2.4 始于何處 19
2.4.1 在結(jié)束時開始 20
2.4.2 當行動變?yōu)闊o為時 21
2.5 確認目標，瞄準目標 22
2.6 如何獲得最佳實踐方法，讓落后觀念遠離前進的道路 24
2.6.1 解決人們對大數(shù)據(jù)的恐慌 24
2.6.2 終結(jié)未知的恐懼 24
2.6.3 接受改變，融入改變 25
2.6.4 機器統(tǒng)治并不確定，人類仍然起作用 26
2.6.5 接觸少數(shù)固執(zhí)的人 26
2.7 回答沒人提出的問題 26
2.7.1 持續(xù)詢問可能性 27
2.7.2 尋找最終目標 27
2.8 與解說團隊交叉合作 28
2.8.1 為團隊增加業(yè)務(wù)分析師和關(guān)鍵終端用戶 28
2.8.2 為收集和管理數(shù)據(jù)增加首席數(shù)據(jù)官 29
2.9 小處著手、逐步發(fā)展并擴張 30
2.10 原型和迭代策略 31
2.11 談?wù)勏驍?shù)據(jù)策略中添加預(yù)測分析 31
2.12 民主化數(shù)據(jù)，但預(yù)計幾乎無人使用(目前) 31
2.13 策略就是一個活的文檔；充實它、滋養(yǎng)它 32
2.14 小結(jié) 32
第3章 提出“正確”的問題 33
3.1 協(xié)作努力，提出問題 34
3.2 魔法8號球效應(yīng) 35
3.3 用數(shù)學(xué)軟件來分析現(xiàn)實問題 36
3.4 “正確”問題的清單 36
3.5 小結(jié) 36
第4章 選擇“正確”數(shù)據(jù)源的方法 37
4.1 需要更多的數(shù)據(jù)源(數(shù)據(jù)類型)而非數(shù)據(jù)本身(數(shù)據(jù)容量) 37
4.2 為什么無論數(shù)據(jù)規(guī)模多大，生成的數(shù)據(jù)量都會不足且永遠不足 38
4.3 數(shù)據(jù)囤積與先捉再放 38
4.4 不可思議的大數(shù)據(jù)案例：購買尿布的狗主人 39
4.5 升級事務(wù)性數(shù)據(jù)的價值 39
4.6 社交媒體數(shù)據(jù)分析的局限性 40
4.7 大數(shù)據(jù)買賣的貨幣價值 40
4.8 利用黑客技術(shù)賺錢碰到麻煩 41
4.9 評估數(shù)據(jù)源 42
4.10 過時的模型招致競爭對手 42
4.11 購買數(shù)據(jù)時的考量 43
4.12 確定所需的外圍數(shù)據(jù) 43
4.13 談?wù)劷Y(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù) 44
4.14 防止人為偏見對數(shù)據(jù)選擇的影響 46
4.15 數(shù)據(jù)孤島的危險 46
4.16 使用所需數(shù)據(jù)源的必要步驟 47
4.17 小結(jié) 48
第5章 解答大數(shù)據(jù)問題如同玩魔方 49
5.1 可行性數(shù)據(jù)的概念 49
5.2 描述性、預(yù)測性和規(guī)范性數(shù)據(jù)分析類型的差異 51
5.2.1 描述性數(shù)據(jù)分析 52
5.2.2 預(yù)測性數(shù)據(jù)分析 53
5.2.3 規(guī)范性數(shù)據(jù)分析 53
5.3 已有明確答案的問題 54
5.4 解釋會導(dǎo)致更多的問題 55
5.5 需要解讀的問題——魔方 55
5.6 小結(jié) 57
第6章 實時分析在動態(tài)化策略中的作用 59
6.1 檢查實時錯覺和時間膠囊 60
6.2 靜態(tài)策略與動態(tài)策略 61
6.3 談?wù)勣D(zhuǎn)向動態(tài)策略的變革管理 62
6.4 選擇分析方式 62
6.5 利用專家經(jīng)驗，加速數(shù)據(jù)分析 65
6.6 實時分析來得太遲時該怎么辦 66
6.7 小結(jié) 66
第7章 大數(shù)據(jù)的價值主張和貨幣化 67
7.1 確定未知領(lǐng)域的投資回報率(ROI) 67
7.2 濫發(fā)的貨幣和模糊的投資回報率 69
7.3 成本核算的困惑 70
7.4 成本不是問題 71
7.5 先考慮大數(shù)據(jù)項目再談商業(yè)案例 71
7.6 計算實際成本 72
7.7 價值所在 73
7.7.1 從技術(shù)角度看待商業(yè)案例 73
7.7.2 從非技術(shù)角度看待商業(yè)案例 74
7.8 項目回報率的計算公式 74
7.9 重要問題：是否應(yīng)該出售數(shù)據(jù) 76
7.9.1 銷售數(shù)據(jù)解析 77
7.9.2 物以稀為貴 77
7.10 小結(jié) 78
第8章 協(xié)同經(jīng)濟的興起和盈利方式 79
8.1 數(shù)據(jù)等于知識和財富 79
8.2 大數(shù)據(jù)帶來的最大沖擊：顛覆原有模式 80
8.2.1 分享經(jīng)濟 82
8.2.2 創(chuàng)客運動 83
8.2.3 合作創(chuàng)新 84
8.3 新模式在新協(xié)同經(jīng)濟中興起 85
8.4 強調(diào)流暢性，摒棄靈活度 87
8.5 應(yīng)用大數(shù)據(jù)制定戰(zhàn)略新模式 89
8.6 小結(jié) 90
第9章 隱私難題 91
9.1 真相揭開的那天預(yù)示著個人隱私神話的失敗 92
9.1.1 危險匯總 94
9.1.2 可在世界各地接聽的手機通話 94
9.1.3 公民和退伍軍人的數(shù)據(jù)如何幫助其他國家策劃襲擊 96
9.1.4 數(shù)據(jù)擴散逐步升級 97
9.1.5 為個人隱私畫一條底線 98
9.1.6 企業(yè)的隱私難題 101
9.2 數(shù)據(jù)收集中的4大轉(zhuǎn)變 102
9.2.1 數(shù)據(jù)入侵性改變 103
9.2.2 數(shù)據(jù)多樣性的改變 104
9.2.3 數(shù)據(jù)整合性的改變 105
9.2.4 數(shù)據(jù)作用范圍的改變 105
9.3 必須質(zhì)疑的商業(yè)問題 110
9.4 誰是真正的數(shù)據(jù)擁有者 110
9.5 當前法律和措施在設(shè)定先例中的作用 111
9.6 授權(quán)允許的誤區(qū) 113
9.7 個人價值與混合數(shù)據(jù) 113
9.8 匿名數(shù)據(jù)的誤區(qū) 114
9.9 個人隱私與個人利益之間的平衡 115
9.10 數(shù)據(jù)收集何時會使你或你的公司承擔責任 115
9.11 商業(yè)價值的透明度 117
9.12 數(shù)據(jù)從業(yè)人員必須銘記的事實 118
9.13 小結(jié) 118
第10章 國防情報部門中的用例 119
10.1 態(tài)勢感知和可視化 120
10.2 信息相關(guān)性問題處理(“了解情況”問題) 121
10.3 海量數(shù)據(jù)中信息搜索和發(fā)現(xiàn)(“海底撈針”問題) 124
10.4 企業(yè)網(wǎng)絡(luò)安全數(shù)據(jù)管理 127
10.5 后勤信息(包括粗放型/動態(tài)性企業(yè)資產(chǎn)目錄) 127
10.6 加強衛(wèi)生保健 127
10.7 開源信息 129
10.8 內(nèi)存數(shù)據(jù)的現(xiàn)代化 130
10.9 企業(yè)數(shù)據(jù)中心 130
10.10 武器裝備與戰(zhàn)爭中的大數(shù)據(jù)用例 130
10.11 小結(jié) 131
第11章 政府大數(shù)據(jù)管理用例 133
11.1 大數(shù)據(jù)趨勢對政府數(shù)據(jù)的影響 134
11.2 聯(lián)合國“全球脈動”計劃用例 135
11.3 聯(lián)邦政府(非國防部或情報界)用例 137
11.4 州政府用例 139
11.5 當?shù)卣美?142
11.6 法律實施用例 144
11.7 小結(jié) 145
第12章 安全行業(yè)用例 147
12.1 一切都在互聯(lián)網(wǎng)上 147
12.2 亦敵亦友的數(shù)據(jù) 148
12.3 防病毒/反惡意軟件用例 149
12.4 目標如何擊中要害 151
12.5 虛擬和現(xiàn)實世界的碰撞 156
12.6 紛亂的機器數(shù)據(jù) 157
12.6.1 農(nóng)民面臨的信息安全困境 157
12.6.2 物聯(lián)網(wǎng)中農(nóng)民面臨的安全困境周而復(fù)始 158
12.7 當前和未來信息安全分析法 159
12.8 小結(jié) 162
第13章 醫(yī)療保健領(lǐng)域用例 163
13.1 解決抗生素危機 163
13.2 使用大數(shù)據(jù)治病 165
13.3 從谷歌到疾病預(yù)防控制中心 165
13.3.1 美國疾病預(yù)防控制中心(CDC)的糖尿病交互圖譜 168
13.3.2 項目數(shù)據(jù)領(lǐng)域 171
13.3.3 賽智生物網(wǎng)絡(luò) 172
13.4 另一方：生物黑客 173
13.5 電子健康記錄(EHR)、電子病歷(EMR)和大數(shù)據(jù) 175
13.6 公布醫(yī)療保健數(shù)據(jù) 176
13.7 小結(jié) 179
第14章 小企業(yè)和農(nóng)場用例 181
14.1 大數(shù)據(jù)適用于小企業(yè) 181
14.2 炒作和真實世界局限性之間的界限 182
14.3 為工作選擇合適的工具 182
14.4 可能會使用的外部數(shù)據(jù)源示例 187
14.5 給使用共用或共享數(shù)據(jù)農(nóng)民的一句忠告 192
14.5.1 說法一：數(shù)據(jù)屬于農(nóng)民 193
14.5.2 說法二：數(shù)據(jù)只用于“幫助”農(nóng)民從農(nóng)場中更加受益 194
14.5.3 說法三：農(nóng)民的數(shù)據(jù)將會保密 194
14.6 錢、錢、錢：大數(shù)據(jù)擴大借貸能力的方式 195
14.6.1 PayPal信貸 196
14.6.2 亞馬遜資本服務(wù) 196
14.6.3 數(shù)據(jù)驅(qū)動型貸款公司Kabbage 197
14.7 小結(jié) 197
第15章 交通運輸中的用例 199
15.1 加速發(fā)展大數(shù)據(jù)賺取利潤 199
15.1.1 美中不足的事 200
15.1.2 依靠數(shù)據(jù)獲勝不會長久 201
15.1.3 火車、飛機和船舶中的數(shù)據(jù)使用 201
15.2 車聯(lián)網(wǎng)：很可能不是你以為的那樣 203
15.2.1 數(shù)據(jù)引導(dǎo)創(chuàng)新和自動化 206
15.2.2 智能城市的崛起 206
15.2.3 正在發(fā)生的交通創(chuàng)新實例 207
15.3 數(shù)據(jù)和無人駕駛汽車 208
15.4 互聯(lián)的基礎(chǔ)設(shè)施 210
15.5 汽車保險品牌數(shù)據(jù)收集設(shè)備 212
15.6 交通領(lǐng)域無法預(yù)料的數(shù)據(jù)可靠性 214
15.7 小結(jié) 215
第16章 能源領(lǐng)域中的用例 217
16.1 關(guān)于能源神話和假設(shè)的大數(shù)據(jù) 217
16.2 美國能源信息署(EIA)能源數(shù)據(jù)存儲庫 219
16.3 EIA能源數(shù)據(jù)表格瀏覽器 220
16.4 失蹤的智能電表數(shù)據(jù) 222
16.5 EIA的API和數(shù)據(jù)集 222
16.6 國際意義與合作 223
16.7 公私合作下的能源數(shù)據(jù)變革 224
16.8 公用事業(yè)用例 225
16.9 小結(jié) 227
第17章 零售業(yè)大數(shù)據(jù)用例 229
17.1 在大數(shù)據(jù)中重新運用老戰(zhàn)術(shù) 229
17.1.1 零售業(yè)沒搞砸，對象客戶發(fā)生了變化 231
17.1.2 品牌叛變和惡魔客戶 231
17.1.3 客戶體驗又成為一個問題 232
17.1.4 大數(shù)據(jù)與惡魔客戶復(fù)興 232
17.2 零售業(yè)與大數(shù)據(jù)博弈的原因 234
17.3 大數(shù)據(jù)幫助零售業(yè)的方式 234
17.3.1 產(chǎn)品選擇和定價 235
17.3.2 當前市場分析 236
17.3.3 利用大數(shù)據(jù)開發(fā)新的定價模式 236
17.3.4 尋找更好的方法獲取更多、更好和更清潔的客戶數(shù)據(jù) 237
17.3.5 研究和預(yù)測客戶接受度和反應(yīng) 237
17.3.6 預(yù)測并規(guī)劃應(yīng)對更廣泛的市場發(fā)展趨勢 241
17.4 預(yù)測零售業(yè)未來 243
17.5 小結(jié) 244
第18章 銀行和金融服務(wù)業(yè)用例 245
18.1 定義問題 245
18.2 銀行和貸款機構(gòu)的用例 246
18.3 大數(shù)據(jù)如何在借貸領(lǐng)域點燃新競爭 248
18.4 新型可選擇貸款方式 248
18.4.1 貝寶(PayPal)貸款項目 248
18.4.2 人人貸和貸款俱樂部 249
18.5 零售商與銀行的較量；信用卡品牌規(guī)避銀行 250
18.6 征信局所面臨的大數(shù)據(jù)問題 250
18.7 談?wù)劚ｋU公司 252
18.8 小結(jié) 254
第19章 制造業(yè)用例 255
19.1 經(jīng)濟形式與機會展望 256
19.2 制造業(yè)的十字路口 258
19.3 3D打印與大數(shù)據(jù)的相交點 260
19.4 3D打印是如何影響制造業(yè)并擾亂客戶的 261
19.4.1 盈創(chuàng)公司一天打印10所住宅 261
19.4.2 3D打印的景觀別墅 262
19.4.3 3D打印的傍水小宅 263
19.4.4 3D家庭打印對制造業(yè)的影響 263
19.5 增材制造的轉(zhuǎn)變將是巨大的，并會波及所有部門 263
19.6 個性化制造將如何改變一切，甚至創(chuàng)造更多的大數(shù)據(jù) 265
19.7 制造業(yè)內(nèi)部新數(shù)據(jù)源涌出 266
19.8 此行業(yè)的用例 267
19.9 小結(jié) 267
第20章 下放權(quán)力 269
20.1 數(shù)據(jù)民主化 269
20.2 4步措施 270
20.3 其他4步 272
20.4 小結(jié) 273
第21章 摘要 275
21.1 何為真正的大數(shù)據(jù) 275
21.2 如何制定成功的大數(shù)據(jù)策略 276
21.3 提出“正確”的問題 276
21.4 選擇“正確”數(shù)據(jù)源的方法 277
21.5 解答大數(shù)據(jù)問題如同玩魔方 277
21.6 實時分析在動態(tài)化策略中的作用 278
21.7 大數(shù)據(jù)的價值主張和貨幣化 279
21.8 協(xié)同經(jīng)濟的興起和盈利方式 279
21.9 隱私難題 280
21.10 政府大數(shù)據(jù)管理用例 280
21.11 國防情報部門中的用例 281
21.12 安全行業(yè)用例 282
21.13 醫(yī)療保健領(lǐng)域用例 282
21.14 小企業(yè)和農(nóng)場用例 283
21.15 能源領(lǐng)域中的用例 284
21.16 交通運輸中的用例 285
21.17 零售業(yè)大數(shù)據(jù)用例 286
21.18 銀行和金融服務(wù)業(yè)用例 287
21.19 制造業(yè)用例 288
21.20 下放權(quán)力 289
新書資訊