《大数据可视化 重构智慧社会》PDF下载

  • 购买积分:10 如何计算积分?
  • 作  者:(美)西蒙著
  • 出 版 社:北京:人民邮电出版社
  • 出版年份:2015
  • ISBN:9787115392695
  • 页数:202 页
图书介绍:本书包括四大部分。第1部分,“全书概述和背景”,探讨了可视化组织快速发展背后的原因;第2部分,“可视化组织的介绍”,介绍了可视化组织如何拥抱大数据和数据可视;第3部分,“走起:成为可视化组织”,从理解四个不同层面的可视化组织开始,然后基于案例研究推导出的教训、最佳实践、奇迹以及错误做法;第4部分,“总结及数据可视的未来”,并对目前趋势、可视化组织、大数据以及数据可视的未来提供了一系列严谨认真的预测。

第Ⅰ部分 全书概述和背景 1

导言 3

Ⅰ.1 Twitter数据探险 4

Ⅰ.2实时数据可视101 9

主要目标 10

作用 11

比以往更重要 13

落后的报复:数据可视的现状 16

Ⅰ.3全书概览 18

可视化组织的界定 20

本书中心主题 20

何人受益? 21

方法论:故事在这里很重要 22

对知识和案例研究的执着 24

差异化:有关其他数据可视文本的记录 26

作战计划 27

Ⅰ.4接下来 27

Ⅰ.5注释 28

第1章 可视化组织的快速发展 29

1.1大数据的兴起 30

1.2开放数据 32

1.3数据生态的萌芽 33

1.4新的网络:可视化、语义和API驱动 34

可视化网络的到来 34

关联数据和更语义化的网络 35

采集数据更趋便利 37

借助云和数据中心更高效 38

1.5更好的数据工具 39

1.6更透明的组织 40

1.7山寨经济:有样学样 41

1.8数据新闻和Nate Silver效应 42

1.9数字人 45

可视化公民的出现 45

移动化 48

可视化员工:更技术和数据达人化的工作场所 48

遨游在我们数据驱动的世界里 49

1.10下一步 50

1.11注释 50

第2章 将数据转化为洞见:工具 53

2.1数据可视化:智能化和整合战略的构成 54

2.2专业术语:数据可视、BI、报表、分析和KPI 55

可视化组织应该杜绝一切“试过才知对”的报表工具吗? 57

刻画出一些区别 58

2.3数据可视五虎将 58

大型企业软件供应商应用 59

最优性能应用 63

流行的开源工具 66

设计公司 68

创业、网站服务及其他资源 73

2.4最后的话:没有放之四海皆准的真理 75

2.5下一步 75

2.6注释 76

第Ⅱ部分 可视化组织介绍 77

第3章 可视化组织的典范 79

3.1 Netflix 1.0:计划落空 79

3.2 Netflix 2.0:自我颠覆 80

3.3数据可视:大数据整合战略的构成部分 82

3.4数据可视:Netflix文化灌输 83

客户洞察 84

更好的技术性和网络化诊断 86

拥抱社区 90

3.5经验教训 91

3.6下一步 92

3.7注释 92

第4章 DNA中的数据可视 95

4.1起始 96

4.2 UX至高无上 97

4.3探究 100

拥抱免费的开源工具 100

API的延伸应用 103

4.4经验教训 103

4.5下一步 104

4.6注释 104

第5章 得克萨斯大学体系的透明化 105

5.1背景 106

5.2数据可视化的初期努力 107

5.3拥抱传统BI 108

5.4数据发现 109

对学生生涯的可见性更强 110

拓展:数据可视的全系统推广 113

5.5成果 114

5.6经验教训 116

5.7下一步 116

5.8注释 116

第Ⅲ部分 走起:成为可视化组织 117

第6章 可视化组织的四层架构 119

6.1慎重的免责说明 120

6.2简单模型 121

局限性和明晰性 123

进步性 124

回落:向更低层面后退 126

补充,而非替代 127

累积优势 127

低层面的局限性 127

相关性和子层面 128

每个组织都应该渴望进入级别4吗? 128

6.3下一步 128

第7章 WWVOD? 129

7.1将重构所造成的影响可视化 130

员工流动可视化 131

沿着数据可视化道路起步 131

结果和经验教训 137

未来 138

7.2营销示例 138

7.3下一步 139

7.4注释 139

第8章 建立可视化组织 141

8.1数据提示和最佳实践 141

数据:原生汤 141

在跑之前先学走……至少现在如此 142

数据可视化通常只是起点 142

大数据和小数据的可视化 143

不要忘记元数据 143

朝企业外面看 145

起始:并不需要完整数据 145

可视化好的和差的数据 146

支撑钻取能力 146

8.2设计提示和最佳实践 150

牢记以终为始 150

尽可能做减法 151

UX:参与与试验至关重要 152

鼓励互动 152

谨慎使用移动和动画 152

使用相对数而非绝对数 153

8.3技术提示和最佳实践 153

凡有可能,请考虑使用API 153

拥抱新工具 154

了解数据可视化工具的局限 155

开放性 155

8.4管理提示和最佳实践 156

鼓励自助服务、探索和数据民主 156

提出正面怀疑 156

相信过程,而非结论 157

消除信息割据和专业化障碍 157

若可能,可视化之 158

聘用综合型人才 159

方向第一,精准其次 159

8.5下一步 159

8.6注释 160

第9章 障碍:错误、神话和挑战 161

9.1错误 162

掉入传统ROI陷阱 162

对数据可视总是——盲目——信任 163

忽视受众 164

置身大教堂中进行开发 164

设置目标,转身即忘 164

糟糕的数据可视化 165

9.2神话 167

数据可视化对确定性和成功的保证 167

数据可视化很容易 167

把数据可视化作为项目 168

存在一个“全对”的数据可视化 169

Excel足矣 169

9.3挑战 170

季度性可视化心态 170

蔑视数据 170

抛弃历史:超越之前工具带来的失望 171

9.4下一步 171

9.5注释 172

第Ⅳ部分 总结及数据可视的未来 173

尾声 其实我们才刚刚开始 175

C.1以数据为中心的四大关键趋势 177

可穿戴技术和量化自我 177

机器学习和物联网 178

多维数据 179

数据移植与数据所有权之间即将发生的斗争 181

C.2最后的一些想法 183

C.3注释 184

后记 我的数据生涯 185

附录 数据可视化资源 189

参考文献 193

关于作者 195

如何帮助这本书 197

译者后记 199