123,123

內(nèi)容簡(jiǎn)介

　　大數(shù)據(jù)是互聯(lián)網(wǎng)、移動(dòng)應(yīng)用、社交網(wǎng)絡(luò)和物聯(lián)網(wǎng)等技術(shù)發(fā)展的必然趨勢(shì)，大數(shù)據(jù)應(yīng)用成為當(dāng)前最為熱門(mén)的信息技術(shù)應(yīng)用領(lǐng)域。本書(shū)由淺入深，首先概述性地分析了大數(shù)據(jù)的發(fā)展背景、基本概念，從業(yè)務(wù)的角度分析了大數(shù)據(jù)應(yīng)用的主要業(yè)務(wù)價(jià)值和業(yè)務(wù)需求，在此基礎(chǔ)上介紹大數(shù)據(jù)的技術(shù)架構(gòu)和關(guān)鍵技術(shù)，結(jié)合應(yīng)用實(shí)踐，詳細(xì)闡述了傳統(tǒng)信息系統(tǒng)與大數(shù)據(jù)平臺(tái)的整合策略，大數(shù)據(jù)應(yīng)用實(shí)踐的流程和方法，并介紹了主要的大數(shù)據(jù)應(yīng)用產(chǎn)品和解決方案。最后，對(duì)大數(shù)據(jù)面臨的挑戰(zhàn)和未來(lái)的趨勢(shì)進(jìn)行了展望。

作者簡(jiǎn)介

　　趙剛，博士。北京賽智時(shí)代信息技術(shù)咨詢(xún)有限公司（CIOManage）創(chuàng)始人。歷任國(guó)內(nèi)著名信息化咨詢(xún)公司賽迪顧問(wèn)股份有限公司高級(jí)副總裁、首席信息化咨詢(xún)顧問(wèn)，國(guó)內(nèi)計(jì)算機(jī)系統(tǒng)集成一級(jí)資質(zhì)企業(yè)北京賽迪時(shí)代信息產(chǎn)業(yè)股份有限公司總經(jīng)理、首席架構(gòu)師，2012年獲得中國(guó)電子信息產(chǎn)業(yè)發(fā)展研究院十大“賽迪學(xué)者”稱(chēng)號(hào)，兼任中國(guó)信息化推進(jìn)聯(lián)盟專(zhuān)家、中國(guó)電子學(xué)會(huì)高級(jí)會(huì)員。近2年，主持和參與過(guò)的信息化咨詢(xún)和集成項(xiàng)目有：國(guó)家新一代信息技術(shù)應(yīng)用戰(zhàn)略研究、亞太地區(qū)智慧城市指標(biāo)體系研究、中國(guó)－歐盟信息社會(huì)研究、天津市智慧城市規(guī)劃、國(guó)土資源部分布式國(guó)土資源信息共享服務(wù)平臺(tái)、國(guó)家圖書(shū)館文津館智能搜索集群平臺(tái)、公安部虛擬化數(shù)據(jù)平臺(tái)、中海油企業(yè)級(jí)數(shù)據(jù)中心和災(zāi)備中心規(guī)劃、國(guó)藥集團(tuán)私有云計(jì)算平臺(tái)規(guī)劃、北京市物聯(lián)網(wǎng)應(yīng)用示范項(xiàng)目初步設(shè)計(jì)、鄂爾多斯市人口基礎(chǔ)數(shù)據(jù)庫(kù)建設(shè)等。在信息化領(lǐng)域耕耘10余年，服務(wù)的政府、企業(yè)客戶(hù)超過(guò)100家，發(fā)表文章若干篇，著有專(zhuān)著《IT管理體系－戰(zhàn)略、管理和服務(wù)》，參與編寫(xiě)《智慧城市：規(guī)劃、建設(shè)和評(píng)估》、《信息化基本知識(shí)》、《信息系統(tǒng)審計(jì)》等。

圖書(shū)目錄

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(kuò)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(dòng)互聯(lián)網(wǎng)擴(kuò)展
1.3.3 數(shù)據(jù)產(chǎn)生從計(jì)算機(jī)/互聯(lián)網(wǎng)（IT）向物聯(lián)網(wǎng)（IOT）擴(kuò)展
1.4 數(shù)據(jù)的量級(jí)
1.4.1 數(shù)據(jù)大小的量級(jí)
1.4.2 大數(shù)據(jù)的量級(jí)
1.5 大量不同的數(shù)據(jù)類(lèi)型
1.5.1 按照數(shù)據(jù)結(jié)構(gòu)分類(lèi)
1.5.2 按照產(chǎn)生主體分類(lèi)
1.5.3 按照數(shù)據(jù)作用方式分類(lèi)
1.6 大數(shù)據(jù)的速度
1.7 大數(shù)據(jù)的潛在價(jià)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(lái)的挑戰(zhàn)
1.8.2 技術(shù)架構(gòu)不同帶來(lái)的挑戰(zhàn)
1.8.3 管理策略不同帶來(lái)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(jià)值
2.2.1 發(fā)現(xiàn)大數(shù)據(jù)的潛在價(jià)值
2.2.2 實(shí)現(xiàn)大數(shù)據(jù)整合創(chuàng)新的價(jià)值
2.2.3 新領(lǐng)域再利用的價(jià)值
2.3 各行業(yè)大數(shù)據(jù)應(yīng)用的個(gè)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(yùn)營(yíng)業(yè)
2.3.9 交通物流業(yè)
2.4 企業(yè)級(jí)大數(shù)據(jù)應(yīng)用的共性需求
2.4.1 客戶(hù)分析
2.4.2 績(jī)效分析
2.4.3 欺詐和風(fēng)險(xiǎn)評(píng)估
2.5 以銀行客戶(hù)分析為例，分析一個(gè)大數(shù)據(jù)的應(yīng)用場(chǎng)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(jì)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(diǎn)
3.2 大數(shù)據(jù)存儲(chǔ)和處理技術(shù)
3.2.1 Hadoop：分布式存儲(chǔ)和計(jì)算平臺(tái)
3.2.2 Hadoop 之HDFS：分布式文件系統(tǒng)
3.2.3 Hadoop 之MapReduce：分布式計(jì)算框架
3.2.4 Hadoop 之NoSQL：分布式數(shù)據(jù)庫(kù)
3.2.5 Hadoop 之外的大數(shù)據(jù)計(jì)算技術(shù)
3.3 大數(shù)據(jù)查詢(xún)和分析技術(shù)：SQL on Hadoop
3.3.1 Hive：基本的Hadoop 查詢(xún)和分析
3.3.2 Hive 2.0：Hive 的優(yōu)化和升級(jí)
3.3.3 實(shí)時(shí)互動(dòng)的SQL：Impala 和drill
3.3.4 基于PostgreSQL 的SQL on Hadoop
3.4 大數(shù)據(jù)高級(jí)分析和可視化技術(shù)
3.4.1 傳統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)與聯(lián)機(jī)分析處理技術(shù)
3.4.2 大數(shù)據(jù)對(duì)傳統(tǒng)分析的挑戰(zhàn)
3.4.3 大數(shù)據(jù)挖掘與高級(jí)分析
3.4.4 大數(shù)據(jù)挖掘與高級(jí)分析庫(kù)：Mahout
3.4.5 非結(jié)構(gòu)化復(fù)雜數(shù)據(jù)分析
3.4.6 實(shí)時(shí)預(yù)測(cè)分析
3.4.7 開(kāi)源可視化工具：R 語(yǔ)言
3.4.8 可視化技術(shù)
3.5 以銀行客戶(hù)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(hù)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(jí)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(tái)
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(chǔ)架構(gòu)的整合
4.2.1 傳統(tǒng)存儲(chǔ)架構(gòu)比較
4.2.2 大數(shù)據(jù)平臺(tái)的存儲(chǔ)架構(gòu)的選擇
4.2.3 集群存儲(chǔ)的發(fā)展
4.2.4 基于HDFS 的集群存儲(chǔ)
4.2.5 固態(tài)硬盤(pán)（SSD）對(duì)內(nèi)存計(jì)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(jì)算平臺(tái)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(hù)分析為例，分析一個(gè)大數(shù)據(jù)的平臺(tái)整合
第5章大數(shù)據(jù)應(yīng)用的實(shí)踐方法與案例
5.1 實(shí)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(jì)
5.1.4 大數(shù)據(jù)技術(shù)切入與實(shí)施
5.1.5 大數(shù)據(jù)試用和評(píng)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(hù)分析為例的實(shí)施案例分析
5.3.1 銀行基于大數(shù)據(jù)的客戶(hù)分析的業(yè)務(wù)需求
5.3.2 銀行基于大數(shù)據(jù)的客戶(hù)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(hù)分析的應(yīng)用架構(gòu)規(guī)劃與設(shè)計(jì)
5.3.4 銀行基于大數(shù)據(jù)的數(shù)據(jù)分析的實(shí)施、試點(diǎn)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(guó)際上的大數(shù)據(jù)生態(tài)環(huán)境
6.1.2 國(guó)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(lái)挑戰(zhàn)和趨勢(shì)
7.1 隱私保護(hù)
7.1.1 法律保護(hù)
7.1.2 技術(shù)保護(hù)
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(jìn)展
7.2.2 評(píng)價(jià)基準(zhǔn)和基準(zhǔn)測(cè)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(huì)的未來(lái)趨勢(shì)
7.4.1 從產(chǎn)品推銷(xiāo)向數(shù)據(jù)營(yíng)銷(xiāo)的轉(zhuǎn)變
7.4.2 從流程驅(qū)動(dòng)到分析驅(qū)動(dòng)的轉(zhuǎn)變
7.4.3 從私有資源到公共服務(wù)的轉(zhuǎn)變
……