×
思维导图备注
驾驭大数据
首页
下载
阅读记录
书签管理
我的书签
添加书签
移除书签
第四部分整合：分析文化
来源 Bill Franks
浏览
18
扫码
分享
2025-01-31 21:12:06
第四部分
整合：分析文化
上一篇:
下一篇:
内容提要
对本书的赞誉
驾驭未来的价值发现之旅
序言
前言
第一部分大数据的兴起
第1章什么是大数据，大数据为什么重要
1.1 什么是大数据
1.3 大数据有何不同
1.5 大数据的风险
1.6 你为什么需要驾驭大数据
1.7 大数据的结构
1.8 探索大数据
1.9 很多大数据其实并不重要
1.10 有效过滤大数据
1.11 将大数据和传统数据混合
1.12 对大数据标准的需求
1.13 今天的大数据将不再是明天的大数据
1.14 本章小结
第2章网络数据：原始的大数据
2.1 网络数据概观
2.2 网络数据揭示了什么
2.3 行动中的网络数据
2.4 本章小结
第3章典型大数据源及其价值
3.10 本章小结
第二部分驾驭大数据：技术、流程以及方法
第4章分析可扩展性的演进
4.1 分析可扩展性的历史
4.2 分析与数据环境的关联性
4.3 海量并行处理系统
4.4 云计算
4.5 网格计算
4.6 MapReduce
4.7 这不是一个单选题
4.8 本章小结
第5章分析流程的演进
5.1 分析沙箱
5.2 什么是分析数据集
5.3 企业分析数据集
5.4 嵌入式评分
5.5 本章小结
第6章分析工具与方法的演进
6.1 分析方法的演进
6.2 分析工具的演进
6.3 本章小结
第三部分驾驭大数据：人和方法
第7章如何提供优质分析
7.1 分析与报表
7.3 核心分析方法与高级分析方法
7.4 坚持你的分析
7.5 正确地分析问题
7.6 统计显著性与业务重要程度
7.7 样本VS全体
7.8 业务推断与统计计算
7.9 本章小结
第8章如何成为优秀的分析专家
8.1 哪些人是分析专家
8.2 对分析专家常见的误解
8.3 每一位优秀的分析专家都是独特的
8.4 优秀分析专家身上经常被低估的特质
8.6 本章小结
第9章如何打造优秀的分析团队
9.1 各个行业并非生而平等
9.2 行动起来
9.3 人才紧缩
9.4 团队组织结构
9.5 持续更新团队技能
9.6 应该由谁来做高级分析工作
9.7 IT人员和分析专家为何相处不好
9.8 本章小结
第四部分整合：分析文化
第10章促进分析创新
10.1 商业需要更多创新
10.2 传统的方法阻碍了创新
10.3 定义分析创新
10.4 在创新分析中使用迭代方法
10.5 考虑换个角度
10.6 你是否为建立分析创新中心做好了准备
10.7 本章小结
第11章营造创新和探索的文化氛围
11.1 做好准备
11.2 关键原则概述
11.3 本章小结
结论：再敢想一些
TERADATA.
暂无相关搜索结果！
本文档使用
Sou.st
构建
×
分享，让知识传承更久远
×
文章二维码
手机扫一扫，轻松掌上读
×
文档下载
请下载您需要的格式的文档，随时随地，享受汲取知识的乐趣！
PDF
文档
EPUB
文档
MOBI
文档
×
书签列表
×
阅读记录
阅读进度:
0.00%
(
0/0
)
重置阅读进度
我的书签
添加书签
移除书签