开编故事 1
第1章 迎接数据革命 5
1.1 信息技术革命 6
1.1.1 未完成的第三次工业革命 6
1.1.2 从智力替代到辅助决策、自主决策 7
1.1.3 三次工业革命的比较 8
1.1.4 数据是信息革命的主要遗产 10
1.2 为什么是数据革命 11
1.3 社会需要数据革命 13
1.3.1 发展需要资源配置均衡 13
1.3.2 数据促进社会平等 14
1.3.3 不均衡导致中国古代王朝更迭 15
1.3.4 熵增原理 16
1.3.5 中国国内市场的完善 17
1.3.6 新的就业机会 18
1.3.7 建立社会经济运行的反馈机制 19
1.3.8 权威的信息交换平台 20
1.3.9 分享经济模式的扩张 21
1.4 从海关数据看数据价值 23
1.5 美国的启示 27
1.6 数据的价值与变现 30
1.6.1 数据的变现 30
1.6.2 决策产生价值 31
1.6.3 数据的价值特点 32
1.6.4 数据服务的商业模式 33
1.7 信息时代遗留的问题 34
1.7.1 缺乏原始数据 34
1.7.2 难搞的需求 35
1.7.3 自助分析的陷阱 37
1.7.4 难以满足的客户 38
1.7.5 完全不一样的需求 40
1.7.6 心有余而力不足的数据挖掘 41
1.7.7 跳出事务处理的红海 43
第2章 认识数据革命 45
2.1 认识数据 46
2.1.1 数据分类 46
2.1.2 数据来源和存储 47
2.1.3 非结构化数据 49
2.1.4 数据处理的三个层次：产生、获取和分析 49
2.1.5 数据比图像、视频更有价值 50
2.1.6 数据与程序要分离 51
2.1.7 SQL是访问数据的通用语言 52
2.1.8 需要标准并开源的数据库设计 55
2.2 关于数据 56
2.2.1 数据和信息的区别 56
2.2.2 数据含金量 57
2.2.3 用于理解大数据的小数据 58
2.2.4 广义和狭义大数据技术 58
2.2.5 看懂数据的认知计算 60
2.2.6 数据的冷态、温态和热态 60
2.3 走出大数据应用误区 61
2.3.1 从个性化需求到普遍服务 61
2.3.2 走出结果导向 62
2.3.3 从有方向到无方向 64
2.3.4 自助分析工具与自助分析系统的区别 65
2.4 信息系统总体规划 67
2.4.1 基于数据的规划 67
2.4.2 用规划展示数据不足 69
2.4.3 以市长为核心的智慧城市总体规划 69
第3章 推动数据革命 73
3.1 数据的立法 74
3.2 数据的公开 75
3.2.1 对信息公开的认识 75
3.2.2 政府开放数据 76
3.2.3 对开放数据的要求 77
3.2.4 政府主导的公共数据库 78
3.2.5 科研数据的公开 79
3.3 有时数据隐私只是借口 80
3.4 数据基础设施 82
3.4.1 数据作为基础设施 83
3.4.2 数据垄断的“滑铁卢” 84
3.4.3 公共数据服务与中介 85
3.4.4 农产品交易数据的案例 86
3.5 建立数据图书馆 88
第4章 进行数据革命 93
4.1 数据用于决策支持 94
4.1.1 数据分析需要统计而不是检索 94
4.1.2 数据通过辅助决策产生价值 95
4.1.3 两类完全不同的程序 96
4.1.4 传统商业智能模式的沦落 97
4.1.5 像鹰一样看数据 99
4.1.6 数据一致性不是分析的先决条件 100
4.1.7 从数据比较中发现价值 101
4.1.8 保障决策者的决策思维流 102
4.1.9 建立基于可视化数据的指挥室 104
4.1.10 组织的决策支持流程 105
4.1.11 宏观和微观的融合 107
4.1.12 用过度设计满足任意需求 108
4.2 建立数据模型 110
4.2.1 存储数据的数据仓库 110
4.2.2 可以推导需求的维度模型 112
4.2.3 维度模型原理 114
4.2.4 分主题进行数据分析 120
4.2.5 离不开的时间维度 121
4.2.6 通过时间分析数据 122
4.2.7 空间维度直观地显示数据 124
4.2.8 数据的可视化钻取 125
4.2.9 用OLAP提升统计速度 127
4.2.10 数据可视化加快对数据的认知 129
4.2.11 用内存数据库实现实时数据分析 131
4.3 改变思路 132
4.3.1 建立基于真实数据的KPI 132
4.3.2 为实现工业4.0建立数据基础设施 133
4.3.3 主动抽取数据实现数据集中 136
4.3.4 统计数据从报送到抽取 137
4.3.5 改进数据分析工作流程 137
4.4 适应数据分析的硬件 140
第5章 实现数据革命 143
5.1 数据革命的作用 144
5.1.1 对国家治理的作用 144
5.1.2 对国有企业改革的作用 145
5.1.3 对政府“三公”经费管理的作用 148
5.1.4 对“一带一路”战略的作用 149
5.1.5 对医疗改革的作用 150
5.1.6 对银行信贷风控的作用 153
5.1.7 对降低社会成本的作用 156
5.1.8 对防止欺诈上市的作用 158
5.2 数据革命的后果 159
5.2.1 竞争机制的替代 159
5.2.2 计划经济和市场经济的融合 161
5.2.3 经济危机的消除 162
5.3 数据革命后的技术 163
5.3.1 以数据检索为主的搜索引擎 163
5.3.2 基于数据的云服务 164
5.3.3 可以检索数据的浏览器 165
第6章 工业数据革命 167
6.1 智能制造首先要解决数据问题 172
6.2 工业企业数据总体架构 175
6.3 财务数据分析 177
6.3.1 四个层次 177
6.3.2 阿特曼Z-score模型 178
6.3.3 财务比率 179
6.4 经营数据分析 180
6.4.1 名词解释 181
6.4.2 经营数据中心 182
6.4.3 销售数据分析 186
6.4.4 毛利数据分析 189
6.4.5 应收款数据分析 190
6.4.6 采购数据分析 192
6.4.7 应付款数据分析 193
6.4.8 库存数据分析 195
6.5 与上市公司外部数据比较 197
6.6 控制数据分析 199
6.6.1 从工业大数据中找到故障 199
6.6.2 从检测大数据中发现质量问题 201
第7章 设计案例 205
7.1 政府房产数据分析 206
7.1.1 监控中心 206
7.1.2 预售数据分析 208
7.1.3 成交数据分析 209
7.2 医院管理决策支持系统 211
7.2.1 监控中心 212
7.2.2 医药收费数据分析 213
7.2.3 门诊数据分析 216
7.2.4 住院数据分析 220
7.2.5 手术数据分析 221
7.2.6 用药数据分析 223
7.2.7 医疗项目收入数据分析 224
7.2.8 大型诊断检查数据分析 224
7.2.9 体检数据分析 224
7.2.10 物资出入库数据分析 225
7.3 政府财政数据分析 227
7.3.1 监控中心 227
7.3.2 收入数据分析 228
7.3.3 支出数据分析 229
7.3.4 收支执行数据分析 230
7.3.5 预算执行用款数据分析 231
7.3.6 政府采购数据分析 231
致谢 233
参考文献 235