第1章 发展揭秘：全程破解大数据 1
1.1 相关了解，全面分析 2
1.1.1 大数据的发展历程 2
1.1.2 大数据的4大特征 4
1.1.3 大数据增长的结构类型 5
1.1.4 大数据发展的三大趋势 7
1.1.5 大数据视角下的世界 9
1.2 深入了解，营销获益 10
1.2.1 新型营销模式的形成 11
1.2.2 新型业务模式的发掘 12
1.2.3 存量客户的价值发掘 12
1.2.4 新客户资源的高效获取 13
1.3 核心建设，把握机遇 14
1.3.1 4G时代下的大数据产业链 14
1.3.2 大数据营销机会的挖掘 15
1.4 商业智能，价值转型 16
1.4.1 大数据下的商业智能概述 16
1.4.2 商业智能的大数据基础 17
1.4.3 商业智能的行业掘金 17
1.5 综合利用，未来曙光 19
1.5.1 必然走向的大数据 19
1.5.2 大数据时代的业界生态 19
1.5.3 大数据的未来应用 20
1.5.4 大数据未来的发展要求 21
第2章 价值获取：深度挖掘大数据 23
2.1 数据挖掘的相关知识 24
2.1.1 数据挖掘的基本概念 24
2.1.2 数据挖掘的商业解读 25
2.1.3 数据挖掘的具体计算 25
2.1.4 数据挖掘的一般过程 26
2.2 基础设施的建设与发展 27
2.2.1 云计算数据中心 28
2.2.2 存储服务器 28
2.2.3 全面虚拟化模式 29
2.2.4 虚拟化网络模式 30
2.3 互联网数据库的营销应用 31
2.3.1 免费Wi-Fi的客户数据搜集 31
2.3.2 用户头像的信息获取 32
2.3.3 Immersion的用户邮件挖掘 33
2.3.4 LinkedIn社交数据的商业分析 34
2.4 不同行业的大数据源 35
2.4.1 文本数据的用户情感分析 35
2.4.2 电网数据的用户需求分析 37
2.4.3 车载信息数据的风险评估分析 37
2.4.4 遥测数据的活动状况分析 38
第3章 平台构建：大数据分布计算 41
3.1 分布式计算的相关概念 42
3.1.1 云计算系统的运行概述 42
3.1.2 分布式文件系统的数据存储 43
3.1.3 分布式计算系统的优势 44
3.2 Hadoop分析技术 45
3.2.1 Hadoop的含义概述 45
3.2.2 Hadoop的4大特点 47
3.2.3 Hadoop的企业应用 47
3.2.4 Hadoop的拓宽应用 48
3.3 平台搭建与营销效果 50
3.3.1 大数据平台搭建 50
3.3.2 英特尔的云生态圈构建 51
3.3.3 公有云解决方案的应用选择 54
3.3.4 云创存储的智能门户平台 55
第4章 精准定位：大数据策略营销 57
4.1 做好细分，客户定位制胜关键 58
4.1.1 客户属性细分 58
4.1.2 精准定位的地位 59
4.1.3 目标客户群定位 60
4.1.4 企业客户细分 61
4.1.5 二次细分与动态调整 63
4.2 品牌传播，企业客户定位优选 64
4.2.1 企业品牌的基本含义 65
4.2.2 品牌定位的基本含义 66
4.2.3 品牌的客户定位策略 67
4.3 特征把握，行业客户定位技巧 69
4.3.1 零售行业的个体特色定位 69
4.3.2 房地产行业的服务意识定位 71
4.3.3 汽车行业的品牌塑造定位 71
第5章 生活服务：日趋便捷的移动大数据 75
5.1 移动LBS的位置服务 76
5.1.1 移动LBS的定义和特点 76
5.1.2 移动LBS的生活服务应用 78
5.1.3 移动LBS的未来发展 80
5.1.4 LBS的移动大数据营销 81
5.2 移动O2O的购物模式 84
5.2.1 移动O2O模式的基本概念 84
5.2.2 移动O2O模式的发展优势 85
5.2.3 移动O2O模式的商业用途 87
5.2.4 O2O模式的移动大数据营销 89
5.3 App的各类生活应用 90
5.3.1 App的基本概念 91
5.3.2 App的营销优势 93
5.3.3 App的移动大数据营销 93
5.4 二维码的打码服务 96
5.4.1 二维码的相关应用与价值 96
5.4.2 二维码的营销优势 97
5.4.3 二维码的移动大数据营销 98
第6章 社交互动：全天候的移动大数据 103
6.1 微信的多样化互动 104
6.1.1 微信互动的营销条件 104
6.1.2 微信互动的营销含义 106
6.1.3 微信互动的营销模式 107
6.1.4 【案例】南航的微信互动服务体验 111
6.2 移动微博的文本互动 112
6.2.1 微博互动的营销含义 113
6.2.2 微博互动的营销价值 113
6.2.3 微博互动的营销原则 114
6.2.4 微博互动的营销策略 115
6.2.5 【案例】京东的微博引流营销 118
6.3 移动QQ的大范围沟通 119
6.3.1 移动QQ的营销平台 119
6.3.2 QQ互动的营销优势 120
6.3.3 QQ营销的数据应用 121
6.3.4 QQ营销的互动技巧 122
6.3.5 【案例】西瓜的QQ空间创意营销 125
第7章 风险管理：大数据安全应用 127
7.1 五大风险，日益凸显 128
7.1.1 企业数据管理风险 128
7.1.2 用户隐私泄露风险 129
7.1.3 企业成本控制风险 130
7.1.4 网络数据安全风险 131
7.1.5 数据人才缺乏问题 131
7.2 七大误区，问题丛生 132
7.2.1 项目噱头应用误区 132
7.2.2 成果过分夸大误区 133
7.2.3 项目盲目跟风误区 134
7.2.4 软件万能认识误区 134
7.2.5 项目应用僵化误区 135
7.2.6 数据量偏重的误区 135
7.2.7 他人经验轻忽误区 135
7.3 三大板块，管理优化 135
7.3.1 三大硬件设备管理 135
7.3.2 两类软件管理 137
7.3.3 两项认识调整 138
第8章 完整记录：销售行业的大数据攻略 139
8.1 大数据时代下的销售行业 140
8.1.1 大数据下的智能零售形成 140
8.1.2 大数据下的零售业挑战产生 141
8.1.3 大数据下的零售业商业价值 141
8.2 锁定客户的大数据实体零售 143
8.2.1 实体零售的信息化趋势 143
8.2.2 【案例】精准定位的“上品折扣” 144
8.2.3 【案例】服务转型的富士通 145
8.2.4 【案例】构建大数据战略的朝阳大悦城 146
8.3 大数据领域的电商零售方针 147
8.3.1 金麦奖的实体零售方案探索 147
8.3.2 【案例】阿里巴巴的大数据营销变革 149
8.3.3 百度视频的大数据建模 150
8.4 大数据的广告营销引导 152
8.4.1 广告投放的一般法则 152
8.4.2 【案例】投放精准的“泰一指尚” 153
8.4.3 【案例】亚马逊的RTB广告模式 154
第9章 市场定位：特色餐饮的大数据策略 155
9.1 大数据与餐饮行业的相关知识 156
9.1.1 餐饮业市场的大数据需求 156
9.1.2 餐饮业发展的大数据作用 158
9.1.3 餐饮业经营的大数据应用 159
9.1.4 餐饮业管理的大数据挑战 160
9.2 餐饮行业的大数据特色营销案例 162
9.2.1 【案例】活力舒化：大数据和微博双助力 162
9.2.2 【案例】美团美食：LBS与大数据双联合 163
9.2.3 【案例】海底捞订餐：大数据与App双选择 165
9.2.4 【案例】食谱：大数据与创意双营销 166
第10章 信息累积：网络通信的大数据变革 167
10.1 大数据与信息行业的相关知识 168
10.1.1 信息行业转变的大数据环境 168
10.1.2 信息行业发展的大数据前景 170
10.1.3 信息行业营销的大数据方案 170
10.1.4 移动互联网的大数据分析 171
10.2 互联网企业的大数据营销 172
10.2.1 【案例】PPTV聚力：大数据智能推送 172
10.2.2 【案例】大众点评：大数据智能展现 173
10.2.3 【案例】世纪佳缘：大数据智能判断 174
10.3 通信行业的大数据应用手段 175
10.3.1 【案例】中国移动：大数据信息化战略 175
10.3.2 【案例】中国联通：大数据标准化进程 177
10.3.3 【案例】湖南电信：大数据综合化推进 177
第11章 智能监控：交通能源的大数据效益 179
11.1 大数据与交通行业的相关知识 180
11.1.1 交通行业的城市发展难题 180
11.1.2 交通行业的大数据应用 181
11.1.3 交通行业的大数据优势 183
11.1.4 交通行业的大数据挑战 184
11.2 交通行业的大数据营销利器 185
11.2.1 【案例】数据交流，行车安全 185
11.2.2 【案例】信息服务，丰田畅通 186
11.2.3 【案例】数据救援，安联智能 187
11.3 能源行业的大数据开发与应用 188
11.3.1 电力行业的大数据应用 189
11.3.2 【案例】谷歌的漂浮数据中心 190
11.3.3 【案例】UPS的物流数据中心 191
第12章 高效服务：医疗领域的大数据价值 193
12.1 大数据时代下的医疗营销 194
12.1.1 医疗领域的大数据价值 194
12.1.2 医疗领域的大数据应用 195
12.1.3 医疗领域的大数据前景 196
12.1.4 医疗领域的大数据挑战 197
12.2 医疗领域的营销大数据 198
12.2.1 医疗领域的大数据增长 198
12.2.2 医疗领域的大数据关系 199
12.2.3 医疗领域的大数据方案 200
12.3 医疗领域的大数据应用案例 201
12.3.1 【案例】“南湘雅”的临床大数据系统 201
12.3.2 【案例】“好大夫在线”的大数据定位 203
12.3.3 【案例】康诺云的大数据医疗服务 204
第13章 迅速反应：娱乐传媒的大数据冲击 205
13.1 大数据时代下的娱乐传媒 206
13.1.1 娱乐传媒的大数据意义 206
13.1.2 娱乐传媒的大数据挑战 208
13.1.3 娱乐传媒的大数据策略 209
13.2 娱乐传媒的大数据营销应用 211
13.2.1 娱乐传媒的大数据趋势 211
13.2.2 娱乐传媒的大数据商业模式 212
13.3 娱乐传媒的大数据营销案例 213
13.3.1 【案例】新影数讯的大数据分析 213
13.3.2 【案例】《小时代》的大数据分析 214
13.3.3 【案例】《纸牌屋》的大数据变革 215
第14章 供需调控：生产制造的大数据支撑 217
14.1 大数据与生产制造业的相关知识 218
14.1.1 生产制造业的大数据挖掘 218
14.1.2 生产制造业的大数据冲击 220
14.1.3 生产制造业的大数据应用 221
14.1.4 制造业的大数据商业智能 222
14.2 生产制造业的大数据价值体现 224
14.2.1 【案例】可口可乐的大数据昵称捕捉 225
14.2.2 【案例】长虹的大数据家电战略 226
14.2.3 【案例】欧派电动车的大数据服务 227
14.2.4 【案例】长安汽车的大数据制造应用 228
第15章 对内经营：企业管理的大数据战略 229
15.1 大数据与企业管理的相关知识 230
15.1.1 企业管理的大数据内部重塑 230
15.1.2 企业管理的大数据方法 231
15.1.3 企业管理的大数据智能 232
15.1.4 企业管理的大数据应用关键 232
15.1.5 企业管理的大数据要点 233
15.2 企业管理的大数据应用 235
15.2.1 【案例】智慧商贸进销存的企业管理 235
15.2.2 【案例】汉庭酒店的大数据预算管理 236
15.2.3 【案例】机场的大数据预测管理 238
15.2.4 【案例】国药集团的大数据平台 240
第16章 线上线下：金融行业的大数据竞争 241
16.1 大数据时代下的金融行业 242
16.1.1 金融行业的大数据变革理念 242
16.1.2 金融行业的大数据应用途径 244
16.1.3 金融行业的大数据趋势 245
16.1.4 金融行业的大数据挑战 246
16.2 银行业的大数据营销应用案例 246
16.2.1 【案例】工商银行的大数据方案 247
16.2.2 【案例】招商银行的大数据战略 248
16.2.3 【案例】花旗银行的大数据服务 249
16.3 金融行业其他领域的大数据应用 250
16.3.1 【案例】纽交所的大数据系统 250
16.3.2 【案例】基金业的大数据预判 251
16.3.3 【案例】保险业的大数据风险控制 251
第17章 广泛发展：其他行业的大数据应用 253
17.1 大数据时代下的旅游行业 254
17.1.1 旅游行业的大数据发展趋势 254
17.1.2 【案例】黄山游客大数据引流 256
17.2 大数据时代下的游戏行业 257
17.2.1 游戏行业的大数据关联指导 258
17.2.2 【案例】EA游戏体验的大数据改进 258
17.3 大数据时代下的房地产行业 262
17.3.1 房地产行业的大数据营销 262
17.3.2 【案例】万科地产的大数据战略 264