掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
買過本商品的人還買了
洞見數據價值-大數據挖掘要案紀實 版權信息
- ISBN：9787302491804
- 條形碼：9787302491804 ; 978-7-302-49180-4
- 裝幀：一般純質紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
洞見數據價值-大數據挖掘要案紀實 本書特色
《洞見數據價值：大數據挖掘要案紀實》是國際知名咨詢公司畢馬威的大數據團隊的集大成之作，內容豐富，觀點新穎，貼近大眾生活、工作與學習實際場景，內容不拘泥于技術闡釋，通過寓教于樂的方式，以豐富翔實的案例來解析大數據挖掘，盡量通過常見的場景來闡述數據的價值與意義。 第1章介紹大數據在銀行業、征信業、審計、傳統制造業、互聯網行業、輿情監控、影視業、環保產業以及體育產業等多個領域的應用方案和前景。第2章重點介紹大數據分析在商業工作和營銷推廣中的作用。第3章介紹大數據挖掘過程中涉及的數據的前期準備工作，重點介紹數據準備工作的要點和訣竅。第4章結合業務、生活、娛樂，寓教于樂，介紹大數據的實際應用方式。附錄部分介紹一位數據工作者的成長之路，向感興趣的讀者介紹從事數據工作應該具備的素質和掌握的技能。 《洞見數據價值：大數據挖掘要案紀實》可作為企業管理人員、營銷主管、分析人員、IT 人員等理解大數據、應用大數據為企業創造價值的指引，同時，《洞見數據價值：大數據挖掘要案紀實》也可供統計學、應用數學及計算機專業學者和研究人員參考學習。
洞見數據價值-大數據挖掘要案紀實 內容簡介
畢馬威亞太區及中國主席陶匡淳先生傾情作序推薦，畢馬威中國大數據團隊傾力打造，全面闡述大數據在各行各業的價值
洞見數據價值-大數據挖掘要案紀實 目錄
目錄
第1章 大數據在各行各業 // 001
1.1 什么是大數據？ // 002
1.1.1 非常流行的大數據概念 //
002
1.1.2 不那么流行的大數據概念
// 006
1.1.3 也許會帶給你靈感的大數據概念 // 007
1.2 大數據在銀行業 // 029
1.2.1 業界展望：大數據，銀行業未來的核心動力 // 029
1.2.2 創新方向：大數據助力銀行網點實現轉型 // 036
1.3 大數據在征信業 // 041
1.3.1 業界展望：FICO 評分與芝麻信用，傳統征信向大數據征信的轉變 // 042
1.3.2 創新方向一：從拒絕推斷看個人征信業的大有可為 // 046
1.3.3 創新方向二：論大中型客戶數字化授信的可行性 // 054
1.4 大數據在審計業 // 057
1.4.1 業界展望：大數據分析如何支撐審計工作 // 057
1.4.2 創新方向：大數據能否代替傳統審計？ // 061
1.5 大數據在傳統制造業 //
065
業界展望：數字化企業進階指南 // 066
1.6 大數據在互聯網行業 //
069
創新方向：從滴滴收購優步看壟斷企業的馬太效應 // 069
1.7 大數據在輿情行業 // 076
創新方向：數據分析幫你掌握話語權 // 077
1.8 大數據在汽車行業 // 086
業界展望：征服汽車后市場，大數據與你同行 // 086
1.9 大數據在影視業 // 089
創新方向：星期幾上映的電影*具有票房號召力？ // 090
1.10 大數據在環保產業 //
098
創新方向：北京治霾，能為你做點什么？ // 098
1.11 大數據在體育產業 //
104
創新方向：歐洲杯，跟著西班牙隊學數據挖掘！ // 105
小結 // 109
第2章 大數據在商業領域的應用 //
111
2.1 推薦算法在傳統銷售渠道中的應用模式 // 112
2.2 巧用運籌優化，提升整合營銷管理水平 // 116
2.3 關聯規則的應用 // 121
2.3.1 小談關聯規則 // 121
2.3.2 購物籃分析：絕不只是“啤酒與尿布” // 124
2.3.3 創新方向：靠關聯規則重獲新生的東北小館 // 128
2.4 智能薦食模型：大數據告訴你今天吃什么 // 133
智能薦食模型 // 134
2.5 顧客時空模型：其實天下沒有免費的 WiFi // 138
2.5.1 無處不在的免費 WiFi
// 138
2.5.2 顧客時空模型 // 139
2.5.3 進一步挖掘 // 141
2.6 社會網絡分析法，助力信貸反欺詐
// 142
2.7 數據可視化利器：SAS
Visual Analytics // 145
2.7.1 為什么需要數據可視化？
// 145
2.7.2 數據可視化的幾個常見例子
// 146
2.8 文本挖掘，幫你識別網購評論是真是假 // 151
2.9 路徑優化：如何改良快遞送貨路線？ // 156
第3章 數據前期準備 // 171
3.1 從抗日武裝的發展談到數據治理
// 172
3.1.1 數據質量問題 // 173
3.1.2 數據應用問題 // 174
3.1.3 實施策略和路徑問題 //
176
3.2 如何生成你需要的基礎數據？
// 182
3.3 如何利用數據倉庫優化數據分析？
// 189
3.4 二分類變量的數據缺失插補 //
193
3.5 數據離散化，如何避免丟失信息？
// 201
3.6 如何避免數據離散化影響自變量的重要性？ // 204
3.7 二分類模型中如何應對分類自變量取值過多？ // 206
第4章 技術案例 // 211
4.1 建模變量太多怎么辦？ //
212
4.2 信用評級模型怎么評估？ //
215
4.3 觀察窗口怎么選？ // 219
4.4 K折交叉驗證怎么做？ //
223
4.5 如何衡量變量之間的相關性？
// 230
4.6 決策樹算法真的越復雜越好嗎？
// 235
4.7 如何精選分類模型指標？ //
245
4.8 當數據分析遇上超級奶爸 //
250
4.9 深度挖掘，你的工資拖后腿了嗎？
// 253
4.10 用分位數回歸看你的工資水平
// 258
附錄A 一位數據工作者的成長之路 //
265
A.1 數據分析師入門攻略 //
266
A.2 如何做一名“稱職”的數據專家？ // 269
A.3 一個數據倉庫轉型者眼中的數據挖掘 // 271
A.4 預測科學：三點經驗談實際應用
// 276
A.5 數據模型多了，應該怎么管？
// 277
A.6 手握數據挖掘模型，你一定要知道怎么用 // 281
A.7 淺談以史為鑒與數據分析 //
286
后記 // 297
展開全部
洞見數據價值-大數據挖掘要案紀實 作者簡介
畢馬威中國大數據團隊，一個專注于大數據及數據挖掘的專業團隊，堅持有效結合分析、技術與業務三方面，多次幫助多家大型銀行、保險公司、老牌企業等重要客戶利用大數據創造價值。團隊中既有資深的數據科學家、統計學博士，也有深入了解業務的分析專家，在業界有一定影響力。團隊持續分享結合實際業務的精品大數據內容，幫助眾多讀者實踐大數據挖掘。
書友推薦
- >
羅曼·羅蘭讀書隨筆-精裝
- >
巴金－再思錄
- >
我從未如此眷戀人間
- >
唐代進士錄
- >
龍榆生：詞曲概論/大家小書
- >
羅庸西南聯大授課錄
- >
李白與唐代文化
- >
莉莉和章魚
本類暢銷
