你是否在大數據面前猶豫、恐懼、不知所措？你是否無法說服你的老板投入人力、財力、物力去進行大數據分析？你是否已經身處大數據中而依舊茫然？你是否在做了很多大數據分析後仍然無法發現新的商業價值和機會？如何不再因循守舊，如何積極主動地去改變、探索、創新，如何在駕馭大數據的過程中遊刃有餘、成竹在胸？答案就在《駕馭大數據》一書中！
《駕馭大數據》是世界**數據倉庫公司Teradata首席分析專家弗蘭克斯傾力巨獻，揭秘駕馭大數據的技術和方法，詮釋大數據專業分析之道。**外知名數據分析專家、行業**聯袂**。

弗蘭克斯編著的這本《駕馭大數據》為讀者提供了處理大數據和在你的 企業中培養一種創新和發現的文化所需的工具、過程和方法，描繪了一個易 於實施的行動計劃，以幫助你的企業發現新的商業機會，實現新的業務流程 ，並做出更明智的決策。 《駕馭大數據》主要介紹了如何駕馭大數據浪潮，並詳細地介紹了什麼 是大數據，大數據為什麼重要，以及如何應用大數據。《駕馭大數據》還從 具體實用的角度，介紹了用於分析和操作大數據的工具、技術和方法；以及 人纔和企業文化的角度，介紹了如何使分析專家、分析團隊以及所需的分析 原則更加高效，如何通過分析創新中心使得分析更加有創造力，以及如何改 變分析文化。 《駕馭大數據》適於所有對數據、數據挖掘、數據分析感興趣的技術人 員和決策者閱讀。

**部分 大數據的興起
第1章 什麼是大數據，大數據為什麼重要
1.1 什麼是大數據
1.2 大數據中的“大”和“數據”哪個*重要
1.3 大數據有何不同
1.4 大數據為何是數量*多的、相同類型的傳統數據
1.5 大數據的風險
1.6 你為什麼需要駕馭大數據
1.7 大數據的結構
1.8 探索大數據
1.9 很多大數據其實並不重要
1.10 有效過濾大數據
1.11 將大數據和傳統數據混合
1.12 對大數據標準的需求
1.13 **的大數據將不再是明天的大數據
1.14 本章小結
第2章 網絡數據：原始的大數據
2.1 網絡數據概觀
2.1.1 你遺漏了什麼
2.1.2 想像各種可能性
2.1.3 一個全新的信息來源
2.1.4 應當收集什麼數據
2.1.5 關於隱私
2.2 網絡數據揭示了什麼
2.2.1 購物行為
2.2.2 顧客的購買路徑和偏好
2.2.3 研究行為
2.2.4 反饋行為
2.3 行動中的網絡數據
2.3.1 *優的**商品
2.3.2 流失模型
2.3.3 響應模型
2.3.4 顧客分類
2.3.5 評估廣告效果
2.4 本章小結
第3章 典型大數據源及其價值
3.1 汽車保險業：車載信息服務數據的價值
3.2 多個行業：文本數據的價值
3.3 多個行業：時間數據與位置數據的價值
3.4 零售制造業：RFID數據的價值
3.5 電力行業：智能電網數據的價值
3.6 博彩業：籌碼跟蹤數據的價值
3.7 工業發動機和設備：傳感器數據的價值
3.8 視頻遊戲：遙測數據的價值
3.9 電信業與其他行業：社交網絡數據的價值
3.10 本章小結
第二部分 駕馭大數據：技術、過程以及方法
第4章 分析可擴展性的演進
4.1 分析可擴展性的歷史
4.2 分析與數據環境的關聯性
4.3 海量並行處理繫統
4.3.1 使用MPP繫統進行數據準備與評分
4.3.2 使用MPP繫統進行數據準備與評分小結
4.4 雲計算
4.4.1 公有雲
4.4.2 私有雲
4.4.3 雲計算小結
4.5 網格計算
4.6 MapReduce
4.6.1 MapReduce工作原理
4.6.2 MapReduce優缺點
4.6.3 MapReduce小結
4.7 這不是一個單選題
4.8 本章小結
第5章 分析流程的演進
5.1 分析沙箱
5.1.1 分析沙箱：定義與範圍
5.1.2 分析沙箱的好處
5.1.3 內部分析沙箱
5.1.4 外部分析沙箱
5.1.5 混合式分析沙箱
5.1.6 不要僅僅使用數據，而要豐富數據
5.1.7 繫統負載管理和容量規劃
5.2 什麼是分析數據集
5.2.1 兩種分析數據集
5.2.2 傳統的分析數據集
5.3 企業分析數據集
5.3.1 什麼時候創建企業分析數據集
5.3.2 企業分析數據集裡有什麼
5.3.3 邏輯結構與物理結構
5.3.4 *新企業分析數據集
5.3.5 彙總表還是概要視圖
5.3.6 分享財富
5.4 嵌入式評分
5.4.1 嵌入式評分集成
5.4.2 模型與評分管理
5.5 本章小結
第6章 分析工具與方法的演進
6.1 分析方法的演進
6.1.1 組合建模
6.1.2 簡易模型
6.1.3 文本分析
6.1.4 跟上分析方法的發展腳步
6.2 分析工具的演進
6.2.1 圖形化用戶界面的崛起
6.2.2 單點解決方案的興起
6.2.3 開源的歷史
6.2.4 數據可視化的歷史
6.3 本章小結
第三部分 駕馭大數據：人和方法
第7章 如何提供優質分析
7.1 分析與報表
7.1.1 報表
7.1.2 分析
7.2 分析的G.R.E.A.T原則
7.2.1 導向性(Guided)
7.2.2 相關性(Relevant)
7.2.3 可解釋性(Explainable)
7.2.4 可行性(Actionable)
7.2.5 及時性(Timely)
7.3 核心分析方法與**分析方法
7.4 堅持你的分析
7.5 正確地分析問題
7.6 統計顯著性與業務重要程度
7.6.1 統計顯著性
7.6.2 業務重要程度
7.7 樣本VS全體
7.8 業務推斷與統計計算
7.9 本章小結
第8章 如何成為**的分析專家
8.1 哪些人是分析專家
8.2 對分析專家常見的誤解
8.3 每一位**的分析專家都是獨特的
8.3.1 教育
8.3.2 行業經驗
8.3.3 當心“人力資源清單”
8.4 **分析專家身上經常被低估的特質
8.4.1 承諾
8.4.2 創造力
8.4.3 商業頭腦
8.4.4 演講能力與溝通技巧
8.4.5 直覺
8.5 分析認證有意義嗎，還是干擾視聽的噪音
8.6 本章小結
第9章 如何打造**的分析團隊
9.1 各個行業並非生而平等
9.2 行動起來
9.3 人纔緊縮
9.4 團隊組織結構
9.4.1 分布式組織結構
9.4.2 集中式組織結構
9.4.3 混合式組織結構
9.5 持續*新團隊技能
9.5.1 矩陣式方法
9.5.2 管理人員不能眼高手低
9.6 應該由誰來做**分析工作
9.6.1 前後矛盾的地方
9.6.2 如何幫助剛剛從事分析工作的新手茁壯成長
9.7 IT人員和分析專家為何相處不好
9.8 本章小結
第四部分 整合：分析文化
**0章 促進分析創新
10.1 商業需要*多創新
10.2 傳統的方法阻礙了創新
10.3 定義分析創新
10.4 在創新分析中使用迭代方法
10.5 考慮換個角度
10.6 你是否為建立分析創新中心做好了準備
10.6.1 組件1：技術平臺
10.6.2 組件2：第三方的產品和服務
10.6.3 組件3：承諾和支持
10.6.4 組件4：強大的團隊
10.6.5 組件5：創新委員會
10.6.6 分析創新中心的指導原則
10.6.7 分析創新中心的工作範圍
10.6.8 處理失敗
10.7 本章小結
**1章 營造創新和探索的文化氛圍
11.1 做好準備
11.1.1 Crocs和Jibbitz的傳說
11.1.2 推動創新
11.2 關鍵原則概述
11.2.1 原則1：打破思維定勢
11.2.2 原則2：形成連鎖反應
11.2.3 原則3：統一行動目標
11.3 本章小結
結論：再敢想一些