幫助中心 | 我的帳號 | 關於我們

洞見數據價值(大數據挖掘要案紀實)(精)

  • 作者:畢馬威中國大數據團隊
  • 出版社:清華大學
  • ISBN:9787302491804
  • 出版日期:2018/02/01
  • 裝幀:精裝
  • 頁數:298
人民幣:RMB 69 元      售價:
放入購物車
加入收藏夾

內容大鋼
    畢馬威中國大數據團隊著的《洞見數據價值(大數據挖掘要案紀實)(精)》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,內容不拘泥於技術闡釋,通過寓教於樂的方式,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、徵信業、審計、傳統製造業、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,寓教於樂,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。
    本書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,本書也可供統計學、應用數學及電腦專業學者和研究人員參考學習。

作者介紹
畢馬威中國大數據團隊

目錄
第1章 大數據在各行各業
  1.1 什麼是大數據?
    1.1.1 非常流行的大數據概念
    1.1.2 不那麼流行的大數據概念
    1.1.3 也許會帶給你靈感的大數據概念
  1.2 大數據在銀行業
    1.2.1 業界展望:大數據,銀行業未來的核心動力
    1.2.2 創新方向:大數據助力銀行網點實現轉型
  1.3 大數據在徵信業
    1.3.1 業界展望:FICO 評分與芝麻信用,傳統徵信向大數據徵信的轉變
    1.3.2 創新方向一:從拒絕推斷看個人徵信業的大有可為
    1.3.3 創新方向二:論大中型客戶數字化授信的可行性
  1.4 大數據在審計業
    1.4.1 業界展望:大數據分析如何支撐審計工作
    1.4.2 創新方向:大數據能否代替傳統審計?
  1.5 大數據在傳統製造業
    業界展望:數字化企業進階指南
  1.6 大數據在互聯網行業
    創新方向:從滴滴收購優步看壟斷企業的馬太效應
  1.7 大數據在輿情行業
    創新方向:數據分析幫你掌握話語權
  1.8 大數據在汽車行業
    業界展望:征服汽車後市場,大數據與你同行
  1.9 大數據在影視業
    創新方向:星期幾上映的電影最具有票房號召力
  1.10 大數據在環保產業
    創新方向:北京治霾,能為你做點什麼
  1.11 大數據在體育產業
    創新方向:歐洲杯,跟著西班牙隊學數據挖掘!
  小結
第2章 大數據在商業領域的應用
  2.1 推薦演算法在傳統銷售渠道中的應用模式
  2.2 巧用運籌優化,提升整合營銷管理水平
  2.3 關聯規則的應用
    2.3.1 小談關聯規則
    2.3.2 購物籃分析:絕不只是「啤酒與尿布」
    2.3.3 創新方向:靠關聯規則重獲新生的東北小館
  2.4 智能薦食模型:大數據告訴你今天吃什麼
    智能薦食模型
  2.5 顧客時空模型:其實天下沒有免費的 WiFi
    2.5.1 無處不在的免費 WiFi
    2.5.2 顧客時空模型
    2.5.3 進一步挖掘
  2.6 社會網路分析法,助力信貸反欺詐
  2.7 數據可視化利器:SAS Visual Analytics
    2.7.1 為什麼需要數據可視化?
    2.7.2 數據可視化的幾個常見例子
  2.8 文本挖掘,幫你識別網購評論是真是假
  2.9 路徑優化:如何改良快遞送貨路線?
第3章 數據前期準備

  3.1 從抗日武裝的發展談到數據治理
    3.1.1 數據質量問題
    3.1.2 數據應用問題
    3.1.3 實施策略和路徑問題
  3.2 如何生成你需要的基礎數據?
  3.3 如何利用數據倉庫優化數據分析?
  3.4 二分類變數的數據缺失插補
  3.5 數據離散化,如何避免丟失信息?
  3.6 如何避免數據離散化影響自變數的重要性?
  3.7 二分類模型中如何應對分類自變數取值過多?
第4章 技術案例
  4.1 建模變數太多怎麼辦?
  4.2 信用評級模型怎麼評估?
  4.3 觀察窗口怎麼選?
  4.4 K折交叉驗證怎麼做?
  4.5 如何衡量變數之間的相關性?
  4.6 決策樹演算法真的越複雜越好嗎?
  4.7 如何精選分類模型指標?
  4.8 當數據分析遇上超級奶爸
  4.9 深度挖掘,你的工資拖後腿了嗎?
  4.10 用分位數回歸看你的工資水平
附錄A 一位數據工作者的成長之路
  A.1 數據分析師入門攻略
  A.2 如何做一名「稱職」的數據專家?
  A.3 一個數據倉庫轉型者眼中的數據挖掘
  A.4 預測科學:三點經驗談實際應用
  A.5 數據模型多了,應該怎麼管?
  A.6 手握數據挖掘模型,你一定要知道怎麼用
  A.7 淺談以史為鑒與數據分析
後記

  • 商品搜索:
  • | 高級搜索
首頁新手上路客服中心關於我們聯絡我們Top↑
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話:02-2381-2033 02-2381-1863 時間:週一-週五 10:00-17:00
 服務信箱:bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證:浙B2-20060032