大數(shù)據(jù)：技術(shù)與應(yīng)用實踐指南

第1章 大數(shù)據(jù)的概念和發(fā)展背景
1.1 大數(shù)據(jù)的發(fā)展背景
1.2 大數(shù)據(jù)的概念和特征
1.2.1 大數(shù)據(jù)的概念
1.2.2 大數(shù)據(jù)的特征
1.3 大數(shù)據(jù)的產(chǎn)生
1.3.1 數(shù)據(jù)產(chǎn)生由企業(yè)內(nèi)部向企業(yè)外部擴展
1.3.2 數(shù)據(jù)產(chǎn)生從Web 1.0 向Web 2.0、從互聯(lián)網(wǎng)向移動互聯(lián)網(wǎng)擴展
1.3.3 數(shù)據(jù)產(chǎn)生從計算機/互聯(lián)網(wǎng)（IT）向物聯(lián)網(wǎng)（IOT）擴展
1.4 數(shù)據(jù)的量級
1.4.1 數(shù)據(jù)大小的量級
1.4.2 大數(shù)據(jù)的量級
1.5 大量不同的數(shù)據(jù)類型
1.5.1 按照數(shù)據(jù)結(jié)構(gòu)分類
1.5.2 按照產(chǎn)生主體分類
1.5.3 按照數(shù)據(jù)作用方式分類
1.6 大數(shù)據(jù)的速度
1.7 大數(shù)據(jù)的潛在價值
1.8 大數(shù)據(jù)的挑戰(zhàn)
1.8.1 業(yè)務(wù)視角不同帶來的挑戰(zhàn)
1.8.2 技術(shù)架構(gòu)不同帶來的挑戰(zhàn)
1.8.3 管理策略不同帶來的挑戰(zhàn)
第2章 大數(shù)據(jù)應(yīng)用的業(yè)務(wù)需求
2.1 大數(shù)據(jù)應(yīng)用的業(yè)務(wù)流程
2.1.1 產(chǎn)生數(shù)據(jù)
2.1.2 聚集數(shù)據(jù)
2.1.3 分析數(shù)據(jù)
2.1.4 利用數(shù)據(jù)
2.2 大數(shù)據(jù)應(yīng)用的業(yè)務(wù)價值
2.2.1 發(fā)現(xiàn)大數(shù)據(jù)的潛在價值
2.2.2 實現(xiàn)大數(shù)據(jù)整合創(chuàng)新的價值
2.2.3 新領(lǐng)域再利用的價值
2.3 各行業(yè)大數(shù)據(jù)應(yīng)用的個性需求
2.3.1 互聯(lián)網(wǎng)與電子商務(wù)行業(yè)
2.3.2 零售業(yè)
2.3.3 金融業(yè)
2.3.4 政府
2.3.5 醫(yī)療業(yè)
2.3.6 能源業(yè)
2.3.7 制造業(yè)
2.3.8 電信運營業(yè)
2.3.9 交通物流業(yè)
2.4 企業(yè)級大數(shù)據(jù)應(yīng)用的共性需求
2.4.1 客戶分析
2.4.2 績效分析
2.4.3 欺詐和風(fēng)險評估
2.5 以銀行客戶分析為例，分析一個大數(shù)據(jù)的應(yīng)用場景
第3章 大數(shù)據(jù)應(yīng)用的總體架構(gòu)和關(guān)鍵技術(shù)
3.1 總體架構(gòu)
3.1.1 業(yè)務(wù)目標(biāo)
3.1.2 架構(gòu)設(shè)計原則
3.1.3 總體架構(gòu)參考模型
3.1.4 總體架構(gòu)的特點
3.2 大數(shù)據(jù)存儲和處理技術(shù)
3.2.1 Hadoop：分布式存儲和計算平臺
3.2.2 Hadoop 之HDFS：分布式文件系統(tǒng)
3.2.3 Hadoop 之MapReduce：分布式計算框架
3.2.4 Hadoop 之NoSQL：分布式數(shù)據(jù)庫
3.2.5 Hadoop 之外的大數(shù)據(jù)計算技術(shù)
3.3 大數(shù)據(jù)查詢和分析技術(shù)：SQL on Hadoop
3.3.1 Hive：基本的Hadoop 查詢和分析
3.3.2 Hive 2.0：Hive 的優(yōu)化和升級
3.3.3 實時互動的SQL：Impala 和drill
3.3.4 基于PostgreSQL 的SQL on Hadoop
3.4 大數(shù)據(jù)高級分析和可視化技術(shù)
3.4.1 傳統(tǒng)數(shù)據(jù)倉庫與聯(lián)機分析處理技術(shù)
3.4.2 大數(shù)據(jù)對傳統(tǒng)分析的挑戰(zhàn)
3.4.3 大數(shù)據(jù)挖掘與高級分析
3.4.4 大數(shù)據(jù)挖掘與高級分析庫：Mahout
3.4.5 非結(jié)構(gòu)化復(fù)雜數(shù)據(jù)分析
3.4.6 實時預(yù)測分析
3.4.7 開源可視化工具：R 語言
3.4.8 可視化技術(shù)
3.5 以銀行客戶分析為例的大數(shù)據(jù)的技術(shù)環(huán)境部署
3.5.1 銀行客戶大數(shù)據(jù)應(yīng)用體系架構(gòu)
3.5.2 技術(shù)環(huán)境安裝與配置
第4章 大數(shù)據(jù)與企業(yè)級應(yīng)用的整合策略
4.1 大數(shù)據(jù)傳輸、整合和流程管理平臺
4.1.1 數(shù)據(jù)傳輸
4.1.2 數(shù)據(jù)整合
4.1.3 流程管理
4.2 大數(shù)據(jù)與存儲架構(gòu)的整合
4.2.1 傳統(tǒng)存儲架構(gòu)比較
4.2.2 大數(shù)據(jù)平臺的存儲架構(gòu)的選擇
4.2.3 集群存儲的發(fā)展
4.2.4 基于HDFS 的集群存儲
4.2.5 固態(tài)硬盤（SSD）對內(nèi)存計算的支持
4.3 大數(shù)據(jù)與網(wǎng)絡(luò)架構(gòu)的發(fā)展
4.4 大數(shù)據(jù)與虛擬化技術(shù)的整合
4.5 在云計算平臺上的大數(shù)據(jù)云
4.6 大數(shù)據(jù)與信息安全
4.7 以銀行客戶分析為例，分析一個大數(shù)據(jù)的平臺整合
第5章 大數(shù)據(jù)應(yīng)用的實踐方法與案例
5.1 實踐方法論
5.1.1 業(yè)務(wù)需求定義
5.1.2 數(shù)據(jù)應(yīng)用現(xiàn)狀分析與標(biāo)桿比較
5.1.3 大數(shù)據(jù)應(yīng)用架構(gòu)規(guī)劃和設(shè)計
5.1.4 大數(shù)據(jù)技術(shù)切入與實施
5.1.5 大數(shù)據(jù)試用和評估
5.1.6 大數(shù)據(jù)應(yīng)用推廣
5.2 應(yīng)用案例
5.2.1 亞馬遜
5.2.2 雅虎
5.2.3 淘寶網(wǎng)
5.2.4 Facebook
5.3 以銀行客戶分析為例的實施案例分析
5.3.1 銀行基于大數(shù)據(jù)的客戶分析的業(yè)務(wù)需求
5.3.2 銀行基于大數(shù)據(jù)的客戶分析的現(xiàn)狀與標(biāo)桿比較
5.3.3 銀行基于大數(shù)據(jù)的客戶分析的應(yīng)用架構(gòu)規(guī)劃與設(shè)計
5.3.4 銀行基于大數(shù)據(jù)的數(shù)據(jù)分析的實施、試點和推廣
第6章 大數(shù)據(jù)應(yīng)用的主流解決方案
6.1 產(chǎn)業(yè)鏈
6.1.1 國際上的大數(shù)據(jù)生態(tài)環(huán)境
6.1.2 國內(nèi)產(chǎn)業(yè)鏈主要力量
6.2 主流廠商解決方案
6.2.1 Cloundera
6.2.2 Hortonworks
6.2.3 MapR
6.2.4 IBM
6.2.5 Oracle
6.2.6 EMC
6.2.7 Intel
6.2.8 SAP
6.2.9 Teradata
第7章 大數(shù)據(jù)應(yīng)用的未來挑戰(zhàn)和趨勢
7.1 隱私保護
7.1.1 法律保護
7.1.2 技術(shù)保護
7.1.3 理念革新
7.2 技術(shù)標(biāo)準(zhǔn)
7.2.1 ISO 標(biāo)準(zhǔn)化進展
7.2.2 評價基準(zhǔn)和基準(zhǔn)測試
7.2.3 標(biāo)準(zhǔn)套件
7.3 大數(shù)據(jù)治理
7.3.1 數(shù)據(jù)治理框架
7.3.2 數(shù)據(jù)質(zhì)量管理
7.3.3 大數(shù)據(jù)的組織、角色和責(zé)任
7.4 適應(yīng)商業(yè)社會的未來趨勢
7.4.1 從產(chǎn)品推銷向數(shù)據(jù)營銷的轉(zhuǎn)變
7.4.2 從流程驅(qū)動到分析驅(qū)動的轉(zhuǎn)變
7.4.3 從私有資源到公共服務(wù)的轉(zhuǎn)變
……