● 大數據時代已經來臨，每個人都將參與這場世紀革命！

　　● 能夠藉由大數據掌握消費者行為的公司，就能夠掌握整個產業界！

　　● 帶您一窺歐巴馬是如何在美國總統大選中利用大數據成功掌握當選的秘密！



　　大數據正以前所未有的速度，顛覆人們探索世界的方法，無論是星羅密布的人造衛星或是數以千萬計的各種感測器，隨時都在源源不絕地偵測、創建和傳輸大量的數據資料。人們的喜怒哀樂、食衣住行等人性化的表徵和行為都已在虛擬的網路空間中再現和昇華。本書將帶您一探蘋果、微軟、谷歌、淘寶網等企業是如何利用大數據成為產業龍頭，宣告人類正式進入大數據時代！

第一章　大數據概述

?? 第一節　大數據產生的歷史背景

?? 第二節　大數據的定義和特徵

?? 第三節　大數據的認知框架

?? 第四節　資料科學─改變探索世界的方法

?? 第五節　大數據面臨的挑戰和機遇



第二章　大數據時代已經到來

?? 第一節　國內外產業界的先聲

?? 第二節　美國政府的手筆

?? 第三節　Splunk上市的影響

?? 第四節　資料科學與資訊產業大會的召開

?? 第五節　大數據創新的策源地─雲端基地大數據實驗室



第三章　數據成為資產

?? 第一節　數據資產價值及評估

?? 第二節　大數據飛輪效應是驅動產業融合的關鍵因素

?? 第三節　一家「傳統」公司的大數據飛輪戰略

?? 第四節　以數據資產為核心的商業模式



第四章　大數據顛覆媒體行業

?? 第一節　資訊獲取方式的變革─資訊聚合

?? 第二節　資訊推送方式的變革─線上廣告

?? 第三節　行為廣告領域將孕育「新谷歌」

?? 第四節　大數據驅動的精準營銷



第五章　大數據衝擊金融行業

?? 第一節　第三方支付的「逆襲」

?? 第二節　網路小額信貸來勢兇猛

?? 第三節　網路巨頭推動供應鏈金融進一步發展

?? 第四節　中國P2P網路借貸野蠻生長

?? 第五節　傳統金融機構積極應變



第六章　大數據加劇產業的垂直整合趨勢

?? 第一節　形成以消費者為中心的產業格局

?? 第二節　資訊產業的垂直整合趨勢

?? 第三節　產品層面軟硬一體化重獲青睞



第七章　 普及網路化是發揮大數據價值的最佳範式

?? 第一節　蘋果─終端崛起

?? 第二節　雲端筆記本（EverNote）的啟示

?? 第三節　旺鋪助手─小軟體的大夢想

?? 第四節　普及網路化範本啟動大數據飛輪效應



第八章　大數據掀起的企業組織變革

?? 第一節　大數據重塑企業內部價值鏈

?? 第二節　大數據改變組織的外部邊界

?? 第三節　大數據推動企業組織管理變革

?? 第四節　企業領導人要為組織變化做好準備



第九章　資料科學

?? 第一節　資料科學的基本內容

?? 第二節　對學科發展的影響

?? 第三節　科學能從谷歌那兒學到什麼？

?? 第四節　資料科學的教育體系



第十章　資料技術：當前進展及關鍵問題

?? 第一節　大數據管理系統─Hadoop

?? 第二節　資料挖掘技術和流程

?? 第三節　如何成為資料專家



第十一章　巨頭碰撞

?? 第一節　傳統巨擘

?? 第二節　新興巨頭



第十三章　創新兇猛

?? 第一節　數據即服務

?? 第二節　操作基礎設施

?? 第三節　商業智慧

?? 第四節　垂直應用

?? 第五節　其他



附錄　大資料發展大事記

後記

參考文獻

序



大數據總統歐巴馬



　　2012年8月份，美國總統大選正進行的如火如荼。一次，歐巴馬總統的數據資料團隊要求他前往一家名為Reddit新聞網站去接受訪問。對許多人來講，Reddit是一個陌生的名字，總統的幕僚們對它也不甚瞭解。但是他的數據資料團隊卻給他一個非常簡單的答案：「因為我們需要動員的一些人，經常會在Reddit上。」



　　雖然這僅僅是選戰過程中一件毫不起眼的資料決策案例。事實上，歐巴馬的數據資料團隊非常神秘、低調，但其觸角又無處不在，幾乎左右了整個大選，他們被內部人士戲稱為「核編碼」。他們創建了單一的巨大系統，可以將從民調專家、籌款人、選戰一線員工、消費者資料庫、以及「游離州」民主黨主要選民檔案的社會化媒體聯絡人與手機聯絡人那裡得到的所有資料都聚合到一塊。這個組合起來的巨大資料庫令歐巴馬的數據資料團隊工作極富成效，令人驚歎。在這個組合的資料庫中，每個選民甚至被精確地劃分為1000多個特點，通過建模和演算法分析，系統能為每個選民找出一個最能說服他的理由；每晚進行6.6萬次類比選舉，在個體水準上，計算出歐巴馬在任何一個游離州的勝率。事實上不僅如此：



　　他們建立的模型能夠預測誰會在線捐款。

　　他們用來網上籌款的郵件，也充分利用了資料蒐集和分析。

　　他們借助模型幫助歐巴馬募集到創紀錄的10億美元。

　　他們幫助優化電視精準投放廣告的模式。

　　他們創造出了遊離州選民的精細模型。

　　他們計算出第一夫人發的拉票郵件在春天最受歡迎。

　　他們利用資料來詳細分析關鍵州的選民。深入分析各個族群的選民在任何時刻的趨勢。在總統候選人的第一次辯論之後，他們分析出哪些選民倒戈，哪些沒有。

　　他們利用熟人效應，開發Facebook App拉票。

　　他們為競選團隊購買的廣告提供決策參考。

　　他們通過一些複雜的模型來精準定位不同選民，他們購買了一些冷門節目的廣告時段，而沒有採用購買本地新聞時段廣告的傳統做法。廣告效率卻相比2008年提高了14%。

　　他們導致經驗主義的競選專家的功用急劇下降，能夠分析大數據的量化分析專家和程式工程師的地位卻大幅提升。

　　他們讓政客們(尤其是對手)知道政治領域的大數據時代已經到來。