Bernard Marr是一位暢銷書作家，主講人，戰(zhàn)略咨詢顧問，KPI和大數(shù)據(jù)專家，現(xiàn)任Advanced Performance Institution首席執(zhí)行官。他被CEO雜志評選為頗具商業(yè)頭腦的領(lǐng)導者之一。他為世界上許多知名的機構(gòu)。出版過《智能大數(shù)據(jù)SMART準則：數(shù)據(jù)分析方法、案例和行動綱領(lǐng)》《關(guān)鍵績效指標》等暢銷書籍。
目錄
第一部分 大數(shù)據(jù)基礎(chǔ)知識 1
第1章 小企業(yè)引入大數(shù)據(jù) 3
對所有企業(yè)（無論大�。﹣碚f，為何大數(shù)據(jù)如此重要？ 3
走進數(shù)字時代 4
了解運用大數(shù)據(jù)的無限方法 5
大數(shù)據(jù)在小企業(yè)中的運用 6
大數(shù)據(jù)的詳細信息 7
用4個“V”定義大數(shù)據(jù) 8
為什么稱為“大”數(shù)據(jù) 8
將數(shù)據(jù)轉(zhuǎn)化成大數(shù)據(jù) 9
數(shù)據(jù)，無處不在 9
探討結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，以及內(nèi)部和外部數(shù)據(jù) 10
了解新的數(shù)據(jù)類型 11
大數(shù)據(jù)的關(guān)鍵決策 12
了解內(nèi)在見解的價值 12
提高大數(shù)據(jù)技術(shù)和能力 13
基礎(chǔ)設(shè)施建設(shè) 14
讓大數(shù)據(jù)為自己所用 15
從制訂計劃開始 15
利用大數(shù)據(jù)改變決策方式 15
轉(zhuǎn)變企業(yè)經(jīng)營方式 16
第2章 挖掘大數(shù)據(jù)的精髓 18
用4個“V”定義大數(shù)據(jù) 19
增加數(shù)據(jù)量 19
提高數(shù)據(jù)的速度 20
數(shù)據(jù)種類的劇增 20
判斷數(shù)據(jù)的真實性（Veracity） 21
引進第五個“V”——價值（Value） 21
了解大數(shù)據(jù)如此熱門的原因 21
強大的預測能力 22
基于事實做出決策 22
挑戰(zhàn)因果關(guān)系 23
為何現(xiàn)在會出現(xiàn)充滿數(shù)據(jù)的云存儲呢？ 26
管理比以往更多的存儲空間 26
加快網(wǎng)絡(luò)運行速度，促進大數(shù)據(jù)發(fā)展 27
利用更強大的新型分析技術(shù) 27
大數(shù)據(jù)未來發(fā)展如何？ 28
迎接大數(shù)據(jù)的反作用力 28
鼓勵透明化和道德化 31
確保有附加價值 32
第3章 識別大數(shù)據(jù)在小企業(yè)中的用途 33
摸透客戶心思，了解市場需求 34
全方位審視你的客戶 34
零售業(yè)更要將客戶作為重中之重 35
了解（并預測）業(yè)內(nèi)趨勢 36
評估競爭對手 37
改善經(jīng)營方式 37
增進內(nèi)部效率 38
對你的運營模式提出挑戰(zhàn) 38
優(yōu)化供應(yīng)鏈 39
抓住核心業(yè)務(wù)的推動因素 40
人才的招聘和管理 40
正確處理IT和安全的關(guān)系 41
轉(zhuǎn)換研發(fā)的方式 43
績效預測 43
解鎖數(shù)據(jù)集間的聯(lián)系 44
開放氣象數(shù)據(jù) 44
用大數(shù)據(jù)作為試驗平臺 44
第二部分 解壓大數(shù)據(jù) 47
第4章 解壓多種數(shù)據(jù) 49
制定秩序：結(jié)構(gòu)化數(shù)據(jù) 49
挖掘結(jié)構(gòu)化數(shù)據(jù)的利弊 50
結(jié)構(gòu)化數(shù)據(jù)舉例 51
應(yīng)對雜亂數(shù)據(jù)：非結(jié)構(gòu)化或半結(jié)構(gòu)化數(shù)據(jù) 52
了解非結(jié)構(gòu)化或半結(jié)構(gòu)化數(shù)據(jù)的利弊 53
非結(jié)構(gòu)化或半結(jié)構(gòu)化數(shù)據(jù)示例 54
發(fā)現(xiàn)已有數(shù)據(jù)（內(nèi)部數(shù)據(jù)） 55
權(quán)衡內(nèi)部數(shù)據(jù)的利弊 56
內(nèi)部數(shù)據(jù)示例 56
獲取企業(yè)以外的數(shù)據(jù)（外部數(shù)據(jù)） 57
深入了解外部數(shù)據(jù)的優(yōu)缺點 58
外部數(shù)據(jù)舉例 59
究竟什么類型的數(shù)據(jù)最適合自己 59
第5章 發(fā)現(xiàn)新的數(shù)據(jù)類型 61
追蹤活動數(shù)據(jù) 62
活動數(shù)據(jù)的優(yōu)缺點 63
活動數(shù)據(jù)的使用 64
掌握活動數(shù)據(jù) 65
偷聽會話 66
會話數(shù)據(jù)的優(yōu)缺點 67
使用會話數(shù)據(jù) 67
掌握會話數(shù)據(jù) 69
對圖片和照片進行描述 69
照片和視頻圖像數(shù)據(jù)的優(yōu)缺點 70
使用照片和視頻圖像數(shù)據(jù) 71
著手打造照片和視頻圖像數(shù)據(jù) 72
以個人方式感知新數(shù)據(jù) 72
傳感器數(shù)據(jù)的優(yōu)缺點 73
傳感器數(shù)據(jù)的使用 74
獲取傳感器數(shù)據(jù) 75
發(fā)現(xiàn)物聯(lián)網(wǎng) 75
第6章 了解支撐大數(shù)據(jù)的技術(shù)變革 77
完美風暴：為大數(shù)據(jù)的可能性添磚加瓦 78
“云”的概述 78
轉(zhuǎn)換數(shù)據(jù)存儲 79
潛入數(shù)據(jù)湖 80
革命性的分析技術(shù) 81
對分析的可能性進行解構(gòu) 82
文本分析 82
語音分析 84
影像分析 84
視頻分析 85
數(shù)據(jù)挖掘 87
綜合分析 88
第三部分 小企業(yè)迎來美好新世界 91
第7章 著眼于見解價值 93
實現(xiàn)從數(shù)據(jù)到見解，再到可行性信息的轉(zhuǎn)變 94
把數(shù)據(jù)轉(zhuǎn)變成見解 94
把見解變成可行性信息 95
為人和機器提供數(shù)據(jù) 96
將見解帶給所需之人 97
吸引眼球 97
讓見解更容易獲取并貫通 98
為機器提供它們所需的見解 99
了解機器學習 100
連接數(shù)據(jù)與機器 100
連接數(shù)據(jù)與進程 101
第8章 開發(fā)和獲取大數(shù)據(jù)競爭力 104
大數(shù)據(jù)與技能短板的挑戰(zhàn) 104
企業(yè)所需的六大關(guān)鍵性大數(shù)據(jù)技能 105
數(shù)據(jù)分析 105
萌生創(chuàng)意 106
數(shù)學與統(tǒng)計學應(yīng)用 107
理解計算機科學 107
掌握商業(yè)知識 108
溝通見解 108
兩種截然不同的數(shù)據(jù)科學家 109
在企業(yè)內(nèi)部構(gòu)建大數(shù)據(jù)技能 110
開發(fā)現(xiàn)有人員 110
招聘新人 112
跳出框架想問題 113
尋求外部技能 114
挖掘服務(wù)供應(yīng)商 114
合作共贏 117
眾包人才 117
第9章 構(gòu)建大數(shù)據(jù)基礎(chǔ)設(shè)施 118
決斷大數(shù)據(jù)基礎(chǔ)設(shè)施 118
基礎(chǔ)設(shè)施的關(guān)鍵要素 119
評估現(xiàn)有基礎(chǔ)設(shè)施 119
預算內(nèi)的大數(shù)據(jù)：引入“大數(shù)據(jù)即服務(wù)” 120
引進大數(shù)據(jù)的四個層次 121
數(shù)據(jù)源層次 121
數(shù)據(jù)存儲層次 122
數(shù)據(jù)處理/分析層次 122
數(shù)據(jù)產(chǎn)出層次 122
獲取數(shù)據(jù) 122
收集自有數(shù)據(jù) 122
獲取外部資源 124
存儲大數(shù)據(jù) 124
理解Hadoop與映射規(guī)約 125
認識Spark 126
其他考慮：數(shù)據(jù)所有權(quán)與安全 127
數(shù)據(jù)轉(zhuǎn)化為見解 127
數(shù)據(jù)處理與分析 128
了解Python 128
廣受歡迎的數(shù)據(jù)分析平臺 129
展示見解 131
認真處理主要的數(shù)據(jù)輸出選項 131
可視化工具一覽 131
第四部分 好戲上演！讓大數(shù)據(jù)為小企業(yè)效力 133
第10章 打造大數(shù)據(jù)戰(zhàn)略 135
決定怎樣利用大數(shù)據(jù) 135
利用大數(shù)據(jù)改善企業(yè)決策 136
利用大數(shù)據(jù)轉(zhuǎn)變企業(yè)運營 137
小而魅惑：怎樣避免事無巨細地收集 138
創(chuàng)建大數(shù)據(jù)戰(zhàn)略的關(guān)鍵步驟 139
大數(shù)據(jù)戰(zhàn)略的六大部件 140
構(gòu)建堅實的企業(yè)大數(shù)據(jù)案例 143
第11章 企業(yè)里的數(shù)據(jù)應(yīng)用——決策 146
以戰(zhàn)略起步 147
引進“智能”戰(zhàn)略板 147
完成“智能”戰(zhàn)略板 148
在商業(yè)領(lǐng)域磨煉 149
確定你的“未解之題” 149
理解問題的力量 150
“智能”問題注意事項 151
找出解答問題的數(shù)據(jù) 152
忘記“囊中之物” 153
思考大與小 153
確定已經(jīng)擁有或可以獲取的數(shù)據(jù) 154
它是否以某種形式存在于某個地方？ 154
內(nèi)部并非總意味著廉價 155
如需外部數(shù)據(jù) 155
弄清成本與付出是否合情合理？ 155
數(shù)據(jù)的收集 156
決定由誰收集數(shù)據(jù) 156
決定何時收集 156
決定怎樣收集 157
數(shù)據(jù)的分析 157
內(nèi)部分析與外部分析的華麗對決 158
結(jié)合數(shù)據(jù)來改善和證實見解 159
見解的呈現(xiàn)與分布 159
溝通與見解可視化 160
牢記目標受眾 160
儀表板與信息圖 161
將知識融入企業(yè) 163
做出正確的決定 163
未雨綢繆 163
第12章 企業(yè)里的數(shù)據(jù)應(yīng)用——運營 165
理解數(shù)據(jù)的作用 166
利用數(shù)據(jù)改善運營流程 166
重塑企業(yè)模式 167
獲取所需數(shù)據(jù) 168
尋找外部數(shù)據(jù) 169
使用內(nèi)部數(shù)據(jù) 169
權(quán)衡成本與收益 169
進行商業(yè)論證 170
提供替代性數(shù)據(jù)集 170
保障所有權(quán) 171
大數(shù)據(jù)即企業(yè)資產(chǎn) 171
確保權(quán)利與所有權(quán) 172
數(shù)據(jù)管理 172
尋找恰當?shù)臄?shù)據(jù)存儲 172
確保數(shù)據(jù)安全 173
避免數(shù)據(jù)泄露 173
構(gòu)建基礎(chǔ)設(shè)施與技術(shù) 174
評估基礎(chǔ)設(shè)施需求 174
打造基礎(chǔ)設(shè)施 175
測試與試運營 175
運營轉(zhuǎn)型 176
運行起來 176
放眼未來 176
第13章 為企業(yè)打造大數(shù)據(jù)文化 178
轉(zhuǎn)向事實型決策 178
促進公司上下的認同 179
強調(diào)數(shù)據(jù)的積極影響 180
讓數(shù)據(jù)影響戰(zhàn)略 180
人才管理 181
提升雇員滿意度 182
提高運營效率 183
優(yōu)化商業(yè)流程 184
確定全新或額外的企業(yè)模式 187
第五部分 幾個“十大” 189
第14章 大數(shù)據(jù)需避免的十大錯誤 191
數(shù)據(jù)搜集廣撒網(wǎng) 191
對上等數(shù)據(jù)情有獨鐘 192
直奔外部非結(jié)構(gòu)化大數(shù)據(jù) 192
困惑于現(xiàn)有數(shù)據(jù) 192
忽視小數(shù)據(jù) 193
盲目砸錢 193
大數(shù)據(jù)與戰(zhàn)略問題互不搭調(diào) 194
大數(shù)據(jù)戰(zhàn)略沒有人盡其才 194
收集數(shù)據(jù)后卻“置之不理” 194
分析成果展示不盡人意 195
第15章 免費的大數(shù)據(jù)資源 196
Data．gov （美國政府數(shù)據(jù)） 196
美國普查局 197
歐盟公開數(shù)據(jù)大門 197
Data．gov．uk 197
Healthdata．gov 198
谷歌趨勢 198
Facebook圖譜 198
天氣數(shù)據(jù)來源 199
聯(lián)邦儲備局經(jīng)濟數(shù)據(jù) 199
谷歌地圖 200
第16章 主要的大數(shù)據(jù)收集工具 201
智能手機GPS傳感器 201
智能手機加速度傳感器 202
遠程信息處理系統(tǒng) 202
Wi-Fi信號 203
LinkedIn 203
Facebook 203
Twitter 204
機器傳感器 204
交易數(shù)據(jù) 205
財務(wù)數(shù)據(jù) 205
關(guān)于作者 206
新書資訊