第一部分　大數(shù)據(jù)的興起
第1章　什么是大數(shù)據(jù)，大數(shù)據(jù)為什么重要
1.1　什么是大數(shù)據(jù)
1.2　大數(shù)據(jù)中的“大”和“數(shù)據(jù)”哪個更重要
1.3　大數(shù)據(jù)有何不同
1.4　大數(shù)據(jù)為何是數(shù)量更多的、相同類型的傳統(tǒng)數(shù)據(jù)
1.5　大數(shù)據(jù)的風險
1.6　你為什么需要駕馭大數(shù)據(jù)
1.7　大數(shù)據(jù)的結構
1.8　探索大數(shù)據(jù)
1.9　很多大數(shù)據(jù)其實并不重要
1.10　有效過濾大數(shù)據(jù)
1.11　將大數(shù)據(jù)和傳統(tǒng)數(shù)據(jù)混合
1.12　對大數(shù)據(jù)標準的需求
1.13　今天的大數(shù)據(jù)將不再是明天的大數(shù)據(jù)
1.14　本章小結
第2章　網(wǎng)絡數(shù)據(jù)：原始的大數(shù)據(jù)
2.1　網(wǎng)絡數(shù)據(jù)概觀
2.1.1　你遺漏了什么
2.1.2　想象各種可能性
2.1.3　一個全新的信息來源
2.1.4　應當收集什么數(shù)據(jù)
2.1.5　關于隱私
2.2　網(wǎng)絡數(shù)據(jù)揭示了什么
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(wǎng)絡數(shù)據(jù)
2.3.1　最優(yōu)的推薦商品
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(shù)據(jù)源及其價值
3.1　汽車保險業(yè)：車載信息服務數(shù)據(jù)的價值
3.2　多個行業(yè)：文本數(shù)據(jù)的價值
3.3　多個行業(yè)：時間數(shù)據(jù)與位置數(shù)據(jù)的價值
3.4　零售制造業(yè)：RFID數(shù)據(jù)的價值
3.5　電力行業(yè)：智能電網(wǎng)數(shù)據(jù)的價值
3.6　博彩業(yè)：籌碼跟蹤數(shù)據(jù)的價值
3.7　工業(yè)發(fā)動機和設備：傳感器數(shù)據(jù)的價值
3.8　視頻游戲：遙測數(shù)據(jù)的價值
3.9　電信業(yè)與其他行業(yè)：社交網(wǎng)絡數(shù)據(jù)的價值
3.10　本章小結
第二部分　駕馭大數(shù)據(jù)：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(shù)據(jù)環(huán)境的關聯(lián)性
4.3　海量并行處理系統(tǒng)
4.3.1　使用MPP系統(tǒng)進行數(shù)據(jù)準備與評分
4.3.2　使用MPP系統(tǒng)進行數(shù)據(jù)準備與評分小結
4.4　云計算
4.4.1　公有云
4.4.2　私有云
4.4.3　云計算小結
4.5　網(wǎng)格計算
4.6　MapReduce
4.6.1　MapReduce工作原理
4.6.2　MapReduce優(yōu)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：定義與范圍
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(shù)據(jù)，而要豐富數(shù)據(jù)
5.1.7 系統(tǒng)負載管理和容量規(guī)劃
5.2　什么是分析數(shù)據(jù)集
5.2.1　兩種分析數(shù)據(jù)集
5.2.2　傳統(tǒng)的分析數(shù)據(jù)集
5.3　企業(yè)分析數(shù)據(jù)集
5.3.1　什么時候創(chuàng)建企業(yè)分析數(shù)據(jù)集
5.3.2　企業(yè)分析數(shù)據(jù)集里有什么
5.3.3　邏輯結構與物理結構
5.3.4　更新企業(yè)分析數(shù)據(jù)集
5.3.5　匯總表還是概要視圖
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(fā)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(shù)據(jù)可視化的歷史
6.3　本章小結
第三部分　駕馭大數(shù)據(jù)：人和方法
第7章　如何提供優(yōu)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　核心分析方法與高級分析方法
7.4　堅持你的分析
7.5　正確地分析問題
7.6　統(tǒng)計顯著性與業(yè)務重要程度
7.6.1　統(tǒng)計顯著性
7.6.2　業(yè)務重要程度
7.7　樣本VS全體
7.8　業(yè)務推斷與統(tǒng)計計算
7.9　本章小結
第8章　如何成為優(yōu)秀的分析專家
8.1　哪些人是分析專家
8.2　對分析專家常見的誤解
8.3　每一位優(yōu)秀的分析專家都是獨特的
8.3.1　教育
8.3.2　行業(yè)經(jīng)驗
8.3.3　當心“人力資源清單”
8.4　優(yōu)秀分析專家身上經(jīng)常被低估的特質
8.4.1　承諾
8.4.2　創(chuàng)造力
8.4.3　商業(yè)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　如何打造優(yōu)秀的分析團隊
9.1　各個行業(yè)并非生而平等
9.2　行動起來
9.3　人才緊縮
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(xù)更新團隊技能
9.5.1　矩陣式方法
9.5.2　管理人員不能眼高手低
9.6　應該由誰來做高級分析工作
9.6.1　前后矛盾的地方
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
第10章　促進分析創(chuàng)新
10.1　商業(yè)需要更多創(chuàng)新
10.2　傳統(tǒng)的方法阻礙了創(chuàng)新
10.3　定義分析創(chuàng)新
10.4　在創(chuàng)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(chuàng)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(chǎn)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(chuàng)新委員會
10.6.6 分析創(chuàng)新中心的指導原則
10.6.7 分析創(chuàng)新中心的工作范圍
10.6.8 處理失敗
10.7　本章小結
第11章　營造創(chuàng)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(chuàng)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(tǒng)一行動目標
11.3　本章小結
結論：再敢想一些