一本书读懂大数据

《一本书读懂大数据》由黄颖编著。大数据无处不在。今天，掌握大数据已经成为提升企业竞争优势的必要条件。得数据者得天下，知己知彼才能为企业和个人的发展提供关键制胜点。拨云见日，把高深的大数据原理简单说，让每个人都能读懂大数据，会用大数据。

第一章 身处数据时代，揭开大数据的面纱
大数据到底是什么？
“大”是重点，还是“数据”是重点？
与众不同的大数据
大数据方式下的云计算
大数据的奥秘
当下是大数据发展的很好时机
第二章 大数据如此重要，引无数英雄竞折腰
多样的非结构性数据
大数据的价值发掘
大数据的结构化、非结构化、半结构化及多结构化
大数据是扩展性的下一代传统数据
是什么构成了大数据价值链？
大数据时代真的来了
第三章 求挖掘与分析，电子商务与大数据
大数据时代中的电子商务
亚马逊在大数据时代的实践
小米手机在大数据时代的实践
小米手机对“米粉”需求的文化挖掘
阿里巴巴数据化运营的那些“大招”
大数据中的企业价值及客户价值
第四章 数据和企业管理，高层更看重大数据
沃尔玛如何用数据构建管理模式
让大数据进入企业管理
职业乞丐脑袋里的大数据
职业经理人与大数据
企业组织管理不介入大数据，就要被淘汰
第五章 生活无处不数据，大数据真的能算命？
未来的先兆――大数据
大数据带来的经营理念的转变
大数据的舆情服务
大数据预测你的下一步行动
数据也会骗人，从人的动作推导数据
网络数据背后的价值
第六章 颠覆与重塑思维，大数据与思维革命
大数据时代的综合人才
飞利浦的大数据营销策略
阿里小贷的“不可能的任务”
第三方支付业务的另一种思路
P2P网络借贷动了谁的奶酪
大数据带来的智能化与柔性化
生活、工作、思维的颠覆重构
第七章 得数据者得天下，商业竞争中的大数据
大型公司的垂直一体化趋势
客户形象的丰富源于对客户的全面理解
量化奠定了数据化的内核
文字的数据化进程
地理位置的数据化构建
数据化的沟通方式
企业竞争力的关键――大数据
第八章 让数据张口说话，管理决策中的大数据
客观数据拥有发言权
挖掘潜力股的数据化进程
时代因大数据而变革
大数据时代的风险规避策略
企业文化的数据化构建
第九章 更自由，更开放，大数据的机遇和挑战
人机结合的未来发展趋势
数据时代，引发时代大变革
数据可以表示世间万物，会带来惊喜
数据化带来的挑战靠前

    与众不同的大数据
    有别于传统数据源的大数据有不少重要的特征，不是每个大数据源都有这些特征存在，绝大多数的大数据或多或少地都存在一些这样的特征。
    **个特征是大数据的来源往往是机器自动的结果。人工不会干涉到新数据的产生过程，接近是机器自动的结果。如果拿传统数据源进行分析的话，就会发现它们的形成过程中会有人工的痕迹，像是零售业和银行交易、电话呼叫记录、产品发票等等，和某个人做的事情都有关系，无论什么情形，都会有人参与到新数据的形成过程中。可是大数据不是这样产生的，它不会在产生过程中与人互动，像是引擎中内置的传感器，即便没有人干预周围数据也会自动生成。
    第二个特征是大数据作为一个全新的数据源，不仅仅是已有数据的收集扩展，比如在互联网中，顾客与银行、零售商之间可以直接在线交易。事实上这种交易方式和传统交易差异不大，不过是换一种渠道而已。企业通过收集网络交易数据就会发现这样情形下的数据和多年来他们得到的传统数据差异不大，不过是数量增加了而已。如果收集的是客户浏览行为的数据，那就会产生本质上全然不同的数据。
    上面提到的相同类型数据，不过是数量多了的说法也会因为达到另一个*端，成为*新的数据，比如说传统读电表都是人工方式，也就是说自动读取用电数据的智能电表所产生的数据就是类型相同，不过是数量增加了。不过这种数据在某种程度上也能成为一种有别于人工读取的数据，应用更为深层次的分析方式，这样一来它们就可以称作是新的数据源。
    第三个特征是大数据中的大多数设计并非友好。实际上这些数据并未经过设计。就拿社交媒体网站上的文本流举例，用户不一定会被要求用标准的语序、语法和词汇表。人们的信息一经发布，社交平台就能够获得数据。这些不太规范的数据处理起来还是有一定困难的。在设计之初，大多数的传统数据都尽量要友好一些，就比如收集交易信息的系统*早生成数据会以整洁或是预先规范的方式来操作，这样形成的数据就更有利于加载和使用。还有一部分原因是由于要对空间进行高效利用，以避免出现空间不够的局面。
    大数据有时候还会是凌乱和丑陋的。通常*开始传统数据就已经被严格地定义。每一比特的数据都存在重要的价值，这是必需的。一般大数据源一开始不会被严格定义，这和存储空间的开销越来越微乎其微有关，必须对各种有用的信息进行收集。所以说大数据分析的时候，各种凌乱丑陋的数据都有可能遇见。
    *后的特征是海量数据并非有大量价值。实际的数据很多都是毫无价值的。在一篇网页日志当中，**重要的数据就包含其中，当然也有好多没价值的数据也在其中。很有必要从中提炼*有价值的部分。定义传统数据源的起初就要求数据是很大程度上有用。这是因为可扩展性受到了，所以如果有没价值的信息在当中的话代价会**昂贵。除了*初定义的有数据记录的格式外，数据内容和价值也被定义和约束了。当下存储空间的问题已经不存在了。大数据所收集的是所有的信息，然后再去解决这些冗余信息所带来的问题。只有这样才会不遗漏所有的信息，与此同时在分析数据时的麻烦也会让人头疼不已。
    P8-9