第一章 认识大数据 1
第一节 大数据的基本认知 3
认知1：大数据的定义 3
相关链接 大数据中多种多样的数据单位 3
认知2：大数据的类型 4
认知3：大数据的特征 5
认知4：大数据的作用 7
认知5：大数据的商业价值 8
第二节 大数据的处理流程 11
流程1：大数据的采集 11
流程2：大数据的预处理 11
流程3：大数据的统计 11
流程4：大数据的挖掘 12
第三节 大数据的处理技术 12
技术1：大数据采集技术 13
技术2：大数据预处理技术 13
技术3：大数据存储及管理技术 14
技术4：大数据分析及挖掘技术 15
技术5：大数据展现与应用技术 16
第四节 大数据的发展趋势 17
趋势1：国家战略推进大数据行动 17
趋势2：需求导向助力大数据贴近应用 18
趋势3：将推动智能制造和制造强国建设 19
趋势4：公众参与推动政务大数据发展应用 20
趋势5：加速推动信息惠民向纵深发展 20
趋势6：加快探索交易中心模式走向成熟 21
趋势7：人工智能市场化、产业化取得新进展 21
相关链接 全球大数据的发展趋势 22
第二章 企业迈入大数据时代 27
第一节 大数据转化企业思维 29
转化1：样本思维向总体思维的转变 29
转化2：精确思维向容错思维的转变 29
转化3：因果思维向相关思维的转变 30
转化4：自然思维向智能思维的转变 30
相关链接 中小企业的“数据借力”之道 32
第二节 大数据变革企业管理 33
变革1：企业管理思想的转变 33
变革2：企业管理决策的转变 34
变革3：企业人力资源管理的转变 35
变革4：企业财务管理的转变 36
相关链接 大数据时代下的管理模式创新 37
第三节 大数据助力企业发展 39
助力1：帮企业了解用户 40
助力2：帮企业锁定资源 40
相关链接 啤酒与尿布的故事 40
助力3：帮企业规划生产 41
助力4：帮企业做好运营 41
助力5：帮企业开展服务 42
相关链接 大数据提升企业竞争力 42
第三章 企业大数据的技术架构 45
第一节 企业大数据生态产业链 47
生态1：大数据提供者 47
生态2：大数据技术提供者 48
生态3：大数据服务提供者 49
第二节 企业大数据的建设思路 49
思路1：数据的获得 49
思路2：数据的汇集和存储 50
思路3：数据的管理 50
思路4：数据的分析 51
思路5：数据的价值 51
思路6：数据的使用 52
第三节 企业大数据的基本架构 52
架构1：Hadoop技术平台 52
架构2：大数据平台系统功能 54
第四节 企业大数据的目标效果 55
效果1：数据整合 56
效果2：数据质量管控 56
效果3：数据共享 56
效果4：数据应用 57
第四章 企业大数据的运营 59
第一节 构建企业大数据的运营体系 61
构建1：数据基础平台 61
构建2：数据报表与可视化 62
构建3：产品与运营分析 63
构建4：精细化运营平台 64
构建5：数据产品 64
构建6：战略分析与决策 64
第二节 催生企业大数据的商业模式 64
催生1：数据自营模式 64
催生2：数据租售模式 66
催生3：数据平台模式 66
催生4：数据仓库模式 68
催生5：数据众包模式 69
催生6：数据外包模式 70
第三节 实现企业大数据的应用场景 71
应用1：消费者需求分析 71
应用2：打通生产竖井 72
应用3：产品与服务的设计 73
应用4：开放式的融合创新 74
应用5：适应性库存管理 74
应用6：质量管理 75
应用7：劳动力的数字化 76
应用8：资产智能管理 76
第四节 实施企业大数据的关键节点 77
实施1：制定大数据规划找准切入点 78
实施2：强化高管团队大数据能力 79
相关链接 大数据时代，CDO崛起 80
实施3：设计合理的大数据组织架构 80
实施4：搭建有效的大数据团队 81
相关链接 中央数据部门团队的能力要求 82
实施5：用制度和文化来保障大数据的实施 83
第五章 金融业与大数据 85
第一节 金融大数据的认知 87
认知1：金融大数据的概念 87
认知2：金融大数据的特点 87
认知3：金融大数据的意义 88
认知4：金融大数据的模式 90
相关链接 京东供应链金融的运营模式 91
第二节 大数据对金融业的影响 92
影响1：大数据带给金融业的机遇 92
影响2 大数据带给金融业的挑战 93
相关链接 大数据与金融业的完美结合 94
第三节 大数据在金融业的应用 96
应用1：银行大数据的应用 97
应用2：保险行业大数据的应用 100
应用3：证券行业大数据的应用 104
应用4：互联网金融大数据的应用 107
第四节 金融行业大数据应用案例 107
案例1：中信银行玩转大数据，以客户为“上帝” 107
案例2：IBM助力民生银行应对金融业的大数据挑战 108
案例3：大数据助力青岛银行提升运营能力 110
第六章 工业与大数据 113
第一节 工业大数据的认知 115
认知1：工业大数据的概念 115
认知2：工业大数据的种类 115
认知3：工业大数据的特征 116
认知4：工业大数据的特点 116
认知5：工业大数据的用途 117
认知6：工业大数据的发展态势 119
相关链接 中国将推动大数据和制造业相融合 119
第二节 大数据带动制造业转型升级 120
带动1：数据赋能制造业的全流程 120
带动2：数据驱动生产和制造柔性化趋势 121
带动3：利用大数据创新商业模式 122
带动4：学习国际上工业大数据应用的实践 122
带动5：从数据化到智慧化要循序渐进 123
相关链接 大数据推动下的工业4.0 123
第三节 大数据在工业企业的应用 125
应用1：加速产品创新 125
应用2：高价值大型产品的故障诊断与预测 125
应用3：工业供应链的分析和优化 126
应用4：产品销售预测与需求管理 126
应用5：生产制造环节的改善 127
应用6：产品质量管理与分析 128
第四节 工业企业大数据应用案例 129
案例1：德国安贝格西门子智能工厂 129
案例2：德国博世洪堡工厂 130
第七章 零售业与大数据 133
第一节 零售业大数据的认知 134
认知1：零售业大数据的范畴 135
认知2：零售业大数据的发展构想 135
认知3：零售业大数据的价值 136
认知4：零售业大数据的应用需求 138
第二节 大数据对消费行为的改变 139
改变1：消费者购买决策更为理性 140
改变2：消费者品牌依赖度弱化 140
改变3：消费者需求更加个性化 141
改变4：消费者在参与互动中获得消费体验 142
第三节 大数据在零售企业的应用 143
应用1：用户画像让商家读懂用户 143
应用2：提供个性化的服务与商品推荐 144
应用3：大数据与用户忠诚度管理 145
应用4：重要客户的识别与维护 145
应用5：提升用户洞察力，优化产品与服务 146
相关链接 大数据在零售行业的创新性应用 146
第四节 零售企业大数据的应用案例 149
案例1：ZARA把消费者声音转化成大数据 149
案例2：7-Eleven的App，既是数据搜集器也是行动店员 150
案例3：沃尔玛利用大数据颠覆零售业 152
第八章 大数据面临的问题及应对 155
第一节 大数据与安全挑战 156
挑战1：信息管理成本显著增加 157
挑战2：信息有效性验证工作大大增加 157
挑战3：安全防御边界有所扩展 158
挑战4：独立决策的比例显著降低 159
挑战5：攻防双方地位的不对等性大大降低 159
挑战6：安全加固策略的复杂性有所降低 160
相关链接 大数据安全问题频现 160
第二节 大数据与隐私保护 163
要点1：保护隐私成新趋势 163
要点2：隐私的概念及量化 163
要点3：大数据生命周期的隐私保护模型 165
相关链接 大数据时代如何进行有效的隐私保护 166
参考文献 169