Big Data 大數據的獲利模式:圖解.案例.策略.實戰

城田真琴 著、鐘慧真、梁世英 譯

  • 出版商: 經濟新潮社
  • 出版日期: 2013-08-09
  • 定價: $360
  • 售價: 7.9$284
  • 語言: 繁體中文
  • 頁數: 320
  • ISBN: 9866031365
  • ISBN-13: 9789866031366
  • 相關分類: 大數據 Big-data
  • 立即出貨 (庫存 < 3)

買這商品的人也買了...

商品描述

<內容簡介>

分析現狀還不夠,預測未來更重要!

與其相信一個人的直覺,不如相信數千萬人的資料
——
從圖解、案例,到策略與實戰,

一本書,徹底解讀大數據!


Facebook
GoogleAmazon

以及小松(KOMATSU)、瑞可利(Recruit)、GREE等歐美日知名企業都在用的資料淘金術!

懂得找出資料的價值、萃取可用的資訊,

就能將大數據轉化為商業智慧(BI);

嗅出趨勢、解決問題、創造商機,

進而創造「偶然的幸運」(serendipity),

正是大數據帶領企業持續前進的動力!


  連上Facebook頁面,出現推薦「你可能認識的朋友……」的建議,妳因此而找到失聯已久國中同學。

  到amazon.com網站購書,你看到「買這本書的人也買了這些書……」的清單,也正好是自己想讀的書。

  只要打一個字,Google就出現「您是不是要查……」的資訊,正確預測到你想找的關鍵字。

  事實上,這些「偶然的幸運」(Serendipity),都和善用大數據(Big Data,亦稱巨量資料、海量資料)有關。

  上述的企業提供你需要的資料、精準預測到你的下一步,其實並非魔法、也不是憑空而來。這些企業將大數據轉化為商業智慧(BIBusiness Intelligence),不僅分析現狀,更懂得預測未來。

  大數據是「二十一世紀的新石油」,也是繼資料挖掘(data mining)、雲端運算、社群網站之後,最受矚目的趨勢。如何將龐雜的巨量資料理出脈絡、找到關聯、發掘價值,找出商機,成為決勝關鍵。

  本書作者城田真琴,是野村總合研究所(簡稱野村總研)高級研究員,也是大數據領域的權威專家。在日本,野村總研被稱為最有影響力的民間智庫,作者以野村總研獨家調查的第一手資料為基礎,介紹ZyngaCentricaCatalina Marketing等歐美企業,以及小松(KOMATSU)、瑞可利(Recruit)、GREE等日本企業如何應用大數據的實際案例。

 一本書,讓你認清資料(data)、資訊(information)與情報(intelligence)的不同,不僅要看得到、看得懂,還要能用得出來,進而找到真正的商機所在!

<章節目錄>

前言

第一章 什麼是巨量資料
 資料洪流(The Data deluge

 巨量資料的3V特性

 廣義的巨量資料

 為什麼到現在巨量資料才受到眾人的矚目?(1)巨量資料的民主化

 為什麼到現在巨量資料才受到眾人的矚目?(2)硬體性價比的提升與軟體技術的進化

 為什麼到現在巨量資料才受到眾人的矚目?(3)雲端的普及

 從「分析過去」到「預測未來」 商業智慧與巨量資料的交會

 從點(交易資料)到線(互動資料)的分析

 巨量資料分析的起源

 本章重點整理


第二章 支撐巨量資料的技術
 人才短缺

 什麼是
Hadoop
 與日俱增的套件

 眾多套件版本並存的原因

 NoSQL資料庫

 創投也對HadoopNoSQL開發企業投以熱切的目光

 巨量資料時代的資料處理基礎

 備受矚目的分析資料庫

 串流資料(即時資料)處理

 自行開發串流資料處理技術的網路公司

 機器學習、統計分析等

 自然語言處理、其它

 本章重點整理


第三章 以巨量資料為核心競爭力的企業 歐美企業篇
 快速成長之網路公司的巨量資料運用技巧

 eBay:每天產生50 TB的資料

   (1)遠超乎想像的巨量資料產生速度

  (2)eBay的資料分析基礎

 Zynga:披著遊戲開發商外皮的資料分析公司

  (1)社群遊戲經濟的重要指標

  (2)提升病毒係數的機制

  (3)遊戲其實是資料驅動營運

  (4)三次點擊原則

 Centrica:藉由引進智慧電表分析能源消耗模式

  (1)英國電費、瓦斯費收費的實際狀況

  (2)引進智慧電表後的影響

 卡特琳娜行銷集團:以「收銀台優待券」設計顧客的消費行為

  (1)儲存了超過一億人份的消費紀錄

  (2)預測顧客的消費行為,帶動門市買氣

 本章重點整理


第四章 以巨量資料為核心競爭力的企業 日本企業篇
 日本國內也開始運用巨量資料

 小松(KOMATSU):日本運用巨量資料的先驅

 瑞可利(Recruit):徹底運用Hadoop資料分析,成功改造企業文化

  (1)幾乎全公司上下都用
Hadoop
  (2)支撐瑞可利巨量資料分析的Hadoop基礎

  (3)成功的祕訣在於組織體制

  (4)對於瑞可利而言,Hadoop的「真正價值」究竟是什麼?

 GREE:資料驅動型營運方式是快速成長的原動力

  (1)與其相信一人的判斷,不如相信數千萬人的資料

  (2)資料驅動型營運方式的根基來自對於日誌資料的執著

  (3)具備多種技能的專業人士齊聚一堂

  (4)將溝通不良減至最少的團隊體制

 日本麥當勞:在現實世界實現一對一行銷 (One-To-One Marketing

  (1)劃時代優待券背後的周全準備

  (2)把焦點集中在做為集點卡的行動電話與智慧型手機

本章重點整理


第五章 巨量資料的運用模式
 巨量資料的運用案例
  (1)精準推薦商品或服務

  (2)行為定位廣告

  (3)運用地點資訊的行銷

  (4)糾出盜刷

  (5)顧客流失分析

  (6)預測設備故障

  (7)驗出異常

  (8)改善服務

  (9)預測路況

  (10)預測電力需求

  (11)預測感冒流行

  (12)預測股市行情

  (13)油資成本的最佳化

 巨量資料的運用模式分類

  (1)個別優化×批次處理型

  (2)個別優化×即時資訊型

  (3)全體優化×批次處理型

  (4)全體優化×即時資訊型

 巨量資料的運用深度

  (1)掌握過去與現狀

  (2)發現行為模式

  (3)預測

  (4)優化

【專欄】動態定價

 巨量資料運用的真正價值

 本章重點整理


第六章 巨量資料時代的隱私權問題
 隱私權與創新的兩難
 美國國會也表示關注

 製作網路個資檔案的是與非

 請勿追蹤(Do Not Track

 消費者隱私權保護法案

 採用選擇性參與方式的歐盟

 資料保護綱領也進行修正

  (1)引進「抹掉過去」的權利

  (2)使用者尚未明確表示同意前,不得使用其個人資料

  (3)制定資料可攜(Data Portability)的權利

  (4)擴大說明責任

 日本的法令架構是《個人資訊保護法》加上分別針對各領域訂定的指導原則

 部分指導原則在提供資訊予第三人上採用選擇性參與方式
 日本政府的評估狀況

 以「資訊大航海計畫」為契機開始評估的經濟產業省

 由生活紀錄的角度進行議論的總務省

 線索就在與使用者的「對話」

 實體世界裡的行為追蹤

 本章重點整理


第七章 開放資料時代的到來與資料市場的興盛
 「活用外部公開資料」的選項
 風起雲湧的連結開放資料(LODLink Open Data)運動

 影響擴及開放式政府

 如雨後春筍般不斷出現的新創企業

 透過比賽促進資料運用

 落後一步的日本

 日本國內因三一一大地震而略有進展的開放資料使用

 資料市場的興盛

  
(1)Factual
  
(2)Windows Azure Marketplace
  
(3)Infochimps
  
(4)Public Data Sets on AWS
 商業模式各有不同

 熱絡的資料市場存在著不容忽視的課題

 本章重點整理


第八章 面對巨量資料時代該有的準備
 巨量資料時代的企業IT策略
 開始邁向資料分享的日本企業

  
(1)LAWSON×Yahoo
  (2)KDDI×樂天

  
(3)COOKPAD×ID’s
 擁有原創資料的好處

 供應商的新商機在提供「資料整合服務」

 誰能成為資料整合公司

 美國的支付服務業者明顯朝「資料整合公司」發展

  
(1)VISA
  
(2)PayPal
  (3)美國運通

 讓原創資料搖身一變成為「貴重資料」的絕妙資料組合

 全世界對資料科學家的需求愈來愈高

 資料科學家需具備的技能

 資料科學家需具備的資質

  (1)溝通能力

  (2)創業家精神

  (3)好奇心

 相關人才嚴重不足

 相關研究所開始設立

 鉅額資金流向巨量資料分析企業

 日本也開始對資料科學家展開搶人大戰

 最後的一道關卡--組織體制與企業文化

 朝向資料驅動型企業邁進

 本章重點整理


謝詞

參考文獻

圖表索引