大数据时代管理信息系统PDF电子书下载

第1章 大数据与信息管理 1

1.1 信息时代与信息资源 1

1.1.1 信息时代 1

1.1.2 信息资源 2

1.1.3 人资源 5

1.1.4 信息技术 6

1.1.5 信息系统的管理角色——信息主管CIO 8

1.2 大数据时代与大数据 11

1.2.1 天文学——信息爆炸的起源 11

1.2.2 大数据的定义 15

1.2.3 用3V描述大数据特征 16

1.2.4 广义的大数据 18

1.3 大数据的结构类型 18

1.4 大数据的发展 19

1.4.1 硬件性价比提高与软件技术进步 19

1.4.2 云计算的普及 20

1.4.3 从交易数据分析到交互数据分析 20

1.5 大数据时代的管理信息系统 21

1.5.1 对数据的大范围收集 21

1.5.2 连接开放数据 22

【延伸阅读】得数据者得天下 22

【实验与思考】了解大数据时代与管理信息系统 24

第2章 大数据商业规则 27

2.1 谷歌的大数据行动 27

2.2 亚马逊的大数据行动 28

2.3 将信息变成一种竞争优势 30

2.3.1 数据价格与数据需求 31

2.3.2 大数据应用程序的兴起 32

2.3.3 实时响应、大数据用户的新要求 33

2.3.4 企业构建大数据战略 33

2.4 大数据营销 34

2.4.1 像媒体公司一样思考 34

2.4.2 营销面对新的机遇与挑战 35

2.4.3 自动化营销 36

2.4.4 为营销创建高容量和高价值的内容 37

2.4.5 内容营销 37

2.4.6 内容创作与众包 38

2.4.7 用投资回报率评价营销效果 39

【延伸阅读】大数据企业的缩影——谷歌（Google） 39

【实验与思考】大数据营销的优势与核心内涵 40

第3章 大数据时代思维变革 43

3.1 转变之一：样本＝总体 43

3.1.1 小数据时代的随机采样 43

3.1.2 全数据模式：样本＝总体 47

3.2 转变之二：接受数据的混杂性 48

3.2.1 允许不精确 49

3.2.2 大数据的简单算法与小数据的复杂算法 51

3.2.3 纷繁的数据 52

3.2.4 数字数据与非结构化数据 53

3.3 转变之三：数据的相关关系 54

3.3.1 关联物——预测的关键 54

3.3.2 “是什么”，而不是“为什么” 57

3.3.3 通过因果关系了解世界 57

3.3.4 通过相关关系了解世界 59

【延伸阅读】亚马逊推荐系统 60

【实验与思考】深入理解大数据时代的三个思维变革 61

第4章 现代商务动力 64

4.1 影响信息系统的商业动力 64

4.1.1 波特的五力模型 64

4.1.2 价值链 67

4.2 电子商务 68

4.2.1 商务活动与传统商业的问题 68

4.2.2 电子商务的产生 69

4.2.3 电子商务的定义 70

4.2.4 电子商务的分类 71

4.2.5 电子商务的功能 72

4.2.6 电子商务系统的组成 73

4.2.7 电子商务系统的网络结构与运行环境 75

4.3 客户关系管理CRM与供应链管理SCM 77

4.3.1 CRM的战略和竞争机会 77

4.3.2 CRM的实施 78

4.3.3 SCM的战略和竞争机会 81

4.3.4 IT支持供应链管理 81

4.3.5 CRM、SCM与电子商务 82

4.4 商务智能（BI）与企业资源计划（ERP） 83

4.4.1 商务智能的战略和竞争机会 83

4.4.2 ERP的发展历程 84

4.4.3 ERP的管理思想 85

4.4.4 ERP系统的实施 88

4.4.5 ERP与电子商务 89

【延伸阅读】计划——供应链管理的核心 90

【实验与思考】了解商务动力，熟悉电子商务 93

第5章 信息系统技术基础 99

5.1 计算机网络技术 99

5.1.1 计算机网络的功能与分类 99

5.1.2 通信方式 100

5.1.3 包交换网 101

5.1.4 协议层次模型 102

5.1.5 其他因特网协议 105

5.2 Web与网络开发技术 106

5.2.1 Web技术 106

5.2.2 网络开发技术 110

5.3 多媒体技术 113

5.3.1 多媒体的定义 113

5.3.2 多媒体技术的特性 114

5.3.3 多媒体关键技术 115

5.4 虚拟现实与增强现实 115

5.4.1 VR技术 116

5.4.2 AR技术 118

【延伸阅读】摩尔定律 120

【实验与思考】熟悉信息系统的技术基础 121

第6章 数据库与数据存储 125

6.1 数据库技术基础 125

6.1.1 传统数据库的局限 125

6.1.2 网络数据库 126

6.1.3 关系数据库模型 127

6.2 数据库管理系统 129

6.2.1 数据定义子系统 130

6.2.2 数据操作子系统 131

6.2.3 应用程序生成子系统 132

6.2.4 数据管理子系统 132

6.3 数据存储解决方案 133

6.3.1 备份的目的 133

6.3.2 常用的备份方式 134

6.3.3 服务器存储管理 135

6.3.4 资源存储管理 135

6.3.5 存储区域网络 135

6.3.6 主流备份技术 136

6.4 大数据的数据处理基础 137

【延伸阅读】“大数据时代预言家”提醒学校规避“数据独裁” 137

【实验与思考】了解数据库与数据存储 138

第7章 数据挖掘与大数据分析 141

7.1 数据仓库与数据挖掘 141

7.1.1 数据仓库 142

7.1.2 数据挖掘 143

7.1.3 数据挖掘解决的商业问题 144

7.1.4 数据集市：小型的数据仓库 145

7.1.5 数据库、数据仓库与数据挖掘的关系 146

7.2 数据分析的演变 148

7.2.1 数据分析的商业驱动力 148

7.2.2 数据分析环境的演变 149

7.2.3 传统分析架构 150

7.3 大数据分析平台 151

7.3.1 数据的相关性 151

7.3.2 大数据中的因果关系 152

7.4 大数据事务处理——OLTP 153

7.4.1 传统OLTP系统 153

7.4.2 NoSQL 154

7.4.3 NewSQL 157

7.5 大数据分析处理——OLAP 158

7.5.1 OLAP与数据立方体 158

7.5.2 分布式大规模批量处理——MapReduce／Hadoop 160

7.5.3 Hadoop HDFS分布式文件系统 161

7.5.4 MapReduce计算模型 161

7.5.5 MPP数据库 162

7.5.6 分析型数据库的特征 162

7.6 数据可视化分析 163

7.6.1 数据可视化的运用 164

7.6.2 可视化对认知的帮助 165

7.6.3 七个数据类型 165

7.6.4 七个基本任务 167

7.6.5 数据可视化的挑战 168

【延伸阅读】什么是大数据分析做不了的 169

【实验与思考】了解数据挖掘与数据分析 170

第8章 决策支持与人工智能 172

8.1 人工智能 172

8.2 决策支持系统 174

8.2.1 决策与决策类型 174

8.2.2 决策支持系统 176

8.3 专家系统 178

8.4 地理信息系统 180

8.5 神经网络和模糊逻辑 180

8.5.1 神经网络 181

8.5.2 模糊逻辑 182

8.6 遗传算法 183

8.7 智能代理 184

8.7.1 信息代理 184

8.7.2 检测和监视代理 185

8.7.3 数据挖掘代理 185

8.7.4 用户代理 185

8.7.5 多代理系统和基于代理的模型 186

【延伸阅读】“大不列颠哥伦比亚”牛奶 188

【实验与思考】了解人工智能，熟悉机器学习 189

第9章 信息系统开发技术 194

9.1 信息系统的开发技术——软件工程 194

9.1.1 计算机系统工程 194

9.1.2 软件和软件生存周期 195

9.1.3 软件生存周期模型 196

9.1.4 软件工程定义 199

9.1.5 软件工程学的基本原则 199

9.2 标准化与开发文件编制指南 200

9.2.1 软件开发标准化的目的和作用 200

9.2.2 软件生存周期与各种文件的编制 201

9.2.3 文件编制中考虑的因素 201

9.2.4 文件内容的灵活性 202

9.3 软件测试技术 203

9.3.1 测试的概念 203

9.3.2 测试方法 205

9.3.3 单元测试 207

9.3.4 组装测试 207

9.3.5 确认测试 208

9.3.6 测试用例设计 209

9.3.7 测试文件与复审 213

9.3.8 排错技术与系统转换 213

9.4 软件测试自动化 214

9.4.1 基于GUI的自动化测试 214

9.4.2 α、β测试 214

【延伸阅读】从程序员到软件测试工程师 215

【实验与思考】文档编制与软件测试 218

第10章 信息系统安全管理 225

10.1 信息系统安全基础 225

10.1.1 信息安全的目标 225

10.1.2 信息安全技术发展的四大趋势 226

10.1.3 因特网的安全模式 227

10.1.4 安全防卫的技术手段 227

10.2 信息灾难恢复规划 229

10.2.1 数据容灾计划 230

10.2.2 数据容灾与数据备份的联系 230

10.2.3 数据容灾等级 231

10.3 容灾技术 232

10.3.1 远程镜像技术 232

10.3.2 快照技术 232

10.3.3 互连技术 233

10.3.4 虚拟存储 233

10.4 大数据安全 234

10.5 道德与隐私问题 234

10.5.1 道德原则 235

10.5.2 隐私与创新 236

10.5.3 社交化档案的是非 237

10.5.4 消费者隐私权法案 238

【延伸阅读】M公司的灾难恢复计划 239

【实验与思考】了解信息安全技术 243

第11章 发展与展望 250

11.1 因特网的变化 250

11.1.1 软件即服务 251

11.1.2 推式技术和个性化 251

11.1.3 F2b2C电子商务 252

11.2 交互方式的变革 253

11.2.1 语音识别 253

11.2.2 虚拟现实环境 253

11.2.3 生物测量学 254

11.3 便携和移动技术的发展 254

11.3.1 电子现金 254

11.3.2 多状态CPU和全息存储设备 255

11.3.3 下一代移动电话技术 256

11.3.4 射频识别技术 256

11.4 云计算 257

11.4.1 基本概念和特点 257

11.4.2 云计算时代 258

11.4.3 云计算的形式 259

11.5 大数据时代的企业IT战略 259

11.6 供应商企业的新商机：数据聚合商 261

11.6.1 数据聚合商的作用 261

11.6.2 谁能成为数据聚合商 262

11.6.3 将原创数据变为增值数据 263

11.6.4 传统IT系统到大数据系统的过渡 264

【延伸阅读】云计算带给SaaS的新机遇 265

【课程实验总结】 266

参考文献 270