0人評分過此書

數據革命:大數據價值實現方法、技術與案例

作者
出版日期
2018
閱讀格式
EPUB
書籍分類
學科分類
ISBN
9789576814211

本館館藏

借閱規則
當前可使用人數 3
借閱天數 14
線上看 0
借閱中 0
選擇分享方式

推薦本館採購書籍

您可以將喜歡的電子書推薦給圖書館,圖書館會參考讀者意見進行採購

讀者資料
圖書館 國立臺北科技大學
* 姓名
* 身分
系所
* E-mail
※ 我們會寄送一份副本至您填寫的Email中
電話
※ 電話格式為 區碼+電話號碼(ex. 0229235151)/ 手機格式為 0900111111
* 請輸入驗證碼
在訊息技術革命之後,我們將迎來數據革命。在大數據的概念、性質和價值已得到政府和社會的認可之後,大家關注的是數據如何獲取,以及有了數據以後如何挖掘數據的價值。僅適合特定行業、滿足特定需求的技術不足以應對一場革命,大數據不但是超出電腦軟硬體處理的能力,更是超出人類的認知能力。只有實現對數據的認知,利用數據輔助決策,才是適合不同行業數據價值實現的通用手段。

本書描述了數據革命的起源、實現的思路、所用的技術和要達到的目標,針對當今社會熱點描述了在數據時代的應對之策。本書宏觀和微觀、人文和技術、啟迪思想和關注實用並舉,既適合宏觀層面的領導啟迪思維,提出工作目標,又適合微觀層次的執行人員找到實現的方法和路徑。本書介紹的理論和技術均可在智慧城市、智能制造領域實際使用。本書適合政府、企業決策者和CIO,及其他對大數據應用感興趣的人閱讀。

本書的目的不在於研究數據的獲取,因為社會上已有足夠的數據,無數運行的軟件日夜不停地產生著新數據,無數程序員在編寫著程序準備產生更多的數據。本書更多地是放眼於數據時代對數據的存儲和應用,以及數據應用會產生哪些改變,這些改變包括政治的、經濟的、社會的等;並且探討了一個通用的數據產生價值的途徑——決策支持,其中涉及一個被稱為「鷹眼」的核心技術,這個技術的推廣應用將對數據使用發揮很大作用。

利用數據進行革命的最終結果應該是:人們通過對數據的分析,解決了在經濟生活中遇到的一些難題,反過來推進更多的數據的產生和存儲,再進一步推動更多的信息技術產品的生產和銷售,吸引更多的人從事與數據相關的工作。
  • 作者簡介
  • 內容簡介
  • 前言
  • 開編故事
  • 第1章 迎接數據革命
    • 1.1 信息技術革命
      • 1.1.1 未完成的第三次工業革命
      • 1.1.2 從智力替代到輔助決策、自主決策
      • 1.1.3 三次工業革命的比較
      • 1.1.4 數據是信息革命的主要遺產
    • 1.2 為什麼是數據革命
    • 1.3 社會需要數據革命
      • 1.3.1 發展需要資源配置均衡
      • 1.3.2 數據促進社會平等
      • 1.3.3 不均衡導致中國古代王朝更迭
      • 1.3.4 熵增原理
      • 1.3.5 中國國內市場的完善
      • 1.3.6 新的就業機會
      • 1.3.7 建立社會經濟運行的反饋機制
      • 1.3.8 權威的信息交換平台
      • 1.3.9 分享經濟模式的擴張
    • 1.4 從海關數據看數據價值
    • 1.5 美國的啟示
    • 1.6 數據的價值與變現
      • 1.6.1 數據的變現
      • 1.6.2 決策產生價值
      • 1.6.3 數據的價值特點
      • 1.6.4 數據服務的商業模式
    • 1.7 信息時代遺留的問題
      • 1.7.1 缺乏原始數據
      • 1.7.2 難搞的需求
      • 1.7.3 自助分析的陷阱
      • 1.7.4 難以滿足的客戶
      • 1.7.5 完全不一樣的需求
      • 1.7.6 心有餘而力不足的數據挖掘
      • 1.7.7 跳出事務處理的紅海
  • 第2章 認識數據革命
    • 2.1 認識數據
      • 2.1.1 數據分類
      • 2.1.2 數據來源和存儲
      • 2.1.3 非結構化數據
      • 2.1.4 數據處理的三個層次:產生、獲取和分析
      • 2.1.5 數據比圖像、視頻更有價值
      • 2.1.6 數據與程序要分離
      • 2.1.7 SQL是訪問數據的通用語言
      • 2.1.8 需要標準並開源的數據庫設計
    • 2.2 關於數據
      • 2.2.1 數據和信息的區別
      • 2.2.2 數據含金量
      • 2.2.3 用於理解大數據的小數據
      • 2.2.4 廣義和狹義大數據技術
      • 2.2.5 看懂數據的認知計算
      • 2.2.6 數據的冷態、溫態和熱態
    • 2.3 走出大數據應用誤區
      • 2.3.1 從個性化需求到普遍服務
      • 2.3.2 走出結果導向
      • 2.3.3 從有方向到無方向
      • 2.3.4 自助分析工具與自助分析系統的區別
    • 2.4 信息系統總體規劃
      • 2.4.1 基於數據的規劃
      • 2.4.2 用規劃展示數據不足
      • 2.4.3 以市長為核心的智慧城市總體規劃
  • 第3章 推動數據革命
    • 3.1 數據的立法
    • 3.2 數據的公開
      • 3.2.1 對信息公開的認識
      • 3.2.2 政府開放數據
      • 3.2.3 對開放數據的要求
      • 3.2.4 政府主導的公共數據庫
      • 3.2.5 科研數據的公開
    • 3.3 有時數據隱私只是藉口
    • 3.4 數據基礎設施
      • 3.4.1 數據作為基礎設施
      • 3.4.2 數據壟斷的「滑鐵盧」
      • 3.4.3 公共數據服務與中介
      • 3.4.4 農產品交易數據的案例
    • 3.5 建立數據圖書館
  • 第4章 進行數據革命
    • 4.1 數據用於決策支持
      • 4.1.1 數據分析需要統計而不是檢索
      • 4.1.2 數據通過輔助決策產生價值
      • 4.1.3 兩類完全不同的程序
      • 4.1.4 傳統商業智能模式的淪落
      • 4.1.5 像鷹一樣看數據
      • 4.1.6 數據一致性不是分析的先決條件
      • 4.1.7 從數據比較中發現價值
      • 4.1.8 保障決策者的決策思維流
      • 4.1.9 建立基於可視化數據的指揮室
      • 4.1.10 組織的決策支持流程
      • 4.1.11 宏觀和微觀的融合
      • 4.1.12 用過度設計滿足任意需求
    • 4.2 建立數據模型
      • 4.2.1 存儲數據的數據倉庫
      • 4.2.2 可以推導需求的維度模型
      • 4.2.3 維度模型原理
      • 4.2.4 分主題進行數據分析
      • 4.2.5 離不開的時間維度
      • 4.2.6 通過時間分析數據
      • 4.2.7 空間維度直觀地顯示數據
      • 4.2.8 數據的可視化鑽取
      • 4.2.9 用OLAP提升統計速度
      • 4.2.10 數據可視化加快對數據的認知
      • 4.2.11 用內存數據庫實現實時數據分析
    • 4.3 改變思路
      • 4.3.1 建立基於真實數據的KPI
      • 4.3.2 為實現工業4.0建立數據基礎設施
      • 4.3.3 主動抽取數據實現數據集中
      • 4.3.4 統計數據從報送到抽取
      • 4.3.5 改進數據分析工作流程
    • 4.4 適應數據分析的硬件
  • 第5章 實現數據革命
    • 5.1 數據革命的作用
      • 5.1.1 對國家治理的作用
      • 5.1.2 對國有企業改革的作用
      • 5.1.3 對政府「三公」經費管理的作用
      • 5.1.4 對「一帶一路」戰略的作用
      • 5.1.5 對醫療改革的作用
      • 5.1.6 對銀行信貸風控的作用
      • 5.1.7 對降低社會成本的作用
      • 5.1.8 對防止欺詐上市的作用
    • 5.2 數據革命的後果
      • 5.2.1 競爭機制的替代
      • 5.2.2 計劃經濟和市場經濟的融合
      • 5.2.3 經濟危機的消除
    • 5.3 數據革命後的技術
      • 5.3.1 以數據檢索為主的搜索引擎
      • 5.3.2 基於數據的云服務
      • 5.3.3 可以檢索數據的瀏覽器
  • 第6章 工業數據革命
    • 6.1 智能製造首先要解決數據問題
    • 6.2 工業企業數據總體架構
    • 6.3 財務數據分析
      • 6.3.1 四個層次
      • 6.3.2 阿特曼Z-score模型
      • 6.3.3 財務比率
    • 6.4 經營數據分析
      • 6.4.1 名詞解釋
      • 6.4.2 經營數據中心
      • 6.4.3 銷售數據分析
      • 6.4.4 毛利數據分析
      • 6.4.5 應收款數據分析
      • 6.4.6 採購數據分析
      • 6.4.7 應付款數據分析
      • 6.4.8 庫存數據分析
    • 6.5 與上市公司外部數據比較
    • 6.6 控制數據分析
      • 6.6.1 從工業大數據中找到故障
      • 6.6.2 從檢測大數據中發現品質問題
  • 第7章 設計案例
    • 7.1 政府房產數據分析
      • 7.1.1 監控中心
      • 7.1.2 預售數據分析
      • 7.1.3 成交數據分析
    • 7.2 醫院管理決策支持系統
      • 7.2.1 監控中心
      • 7.2.2 醫藥收費數據分析
      • 7.2.3 門診數據分析
      • 7.2.4 住院數據分析
      • 7.2.5 手術數據分析
      • 7.2.6 用藥數據分析
      • 7.2.7 醫療項目收入數據分析
      • 7.2.8 大型診斷檢查數據分析
      • 7.2.9 體檢數據分析
      • 7.2.10 物資出入庫數據分析
    • 7.3 政府財政數據分析
      • 7.3.1 監控中心
      • 7.3.2 收入數據分析
      • 7.3.3 支出數據分析
      • 7.3.4 收支執行數據分析
      • 7.3.5 預算執行用款數據分析
      • 7.3.6 政府採購數據分析
  • 致謝
  • 參考文獻
  • 版權頁
  • 出版地 臺灣
  • 語言 繁體中文

評分與評論

請登入後再留言與評分
幫助
您好,請問需要甚麼幫助呢?
使用指南

客服專線:0800-000-747

服務時間:週一至週五 AM 09:00~PM 06:00

loading