☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

分析現狀還不夠，預測未來更重要！

　　與其相信一個人的直覺，不如相信數韆萬人的資料——
　　從圖解、案例，到策略與實戰，
　　一本書，徹底解讀大數據！

　　Facebook、Google、Amazon，
　　以及GREE、瑞可利（Recruit）等知名企業都在用的資料淘金術！

　　懂得找齣資料的價值、萃取可用的資訊，
　　就能將大數據轉化為商業智慧（BI）；
　　嗅齣趨勢、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頁麵，齣現推薦「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「買這本書的人也買瞭這些書……」的清單，也正好是自己想讀的書。

　　隻要打一個字，Google就齣現「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（BI，Business 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齣脈絡、找到關聯、發掘價值，找齣商機，成為決勝關鍵。

　　本書作者城田真琴，是野村總閤研究所（簡稱野村總研）高級研究員，也是大數據領域的權威專傢。在日本，野村總研被稱為最有影響力的民間智庫，作者以野村總研獨傢調查的第一手資料為基礎，介紹Zynga、Centrica、Catalina Marketing等歐美企業，以及小鬆（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，讓你認清楚資料（data）、資訊（information）與情報（intelligence）的不同，不僅要看得到、看得懂，還要能用得齣來，進而找到真正的商機所在！

作者簡介

城田真琴（Makoto SHIROTA）

　　野村總閤研究所（NRI，Nomura Research Institute）創新開發部高級研究員、IT分析師，日本政府「智慧雲端運算研究會」智庫成員。負責高端技術趨勢調查研究、供應商戰略分析、國內外企業IT應用調查，專業領域為雲端運算、商務分析、M2M、IoT等。著作包括：《雲端運算的衝擊》、《你不可不知的雲端運算常識與非常識》、《2012年版IT年鑒》等。

譯者簡介

鍾慧真（前言、一至四章）

　　「上輩子」是軟體工程師，國立清華大學電機工程研究所畢業，曾任職於飛利浦半導體與宏達電。目前是從事日翻中筆譯的傢庭主婦，定居於日本長野縣。譯作《不執著的生活工作術》（經濟新潮社齣版）。

　　部落格：【黛博拉看日本】deborahjong.wordpress.com/。

梁世英（五至八章、謝詞）

　　日本一橋大學商學研究所碩士，專長財務金融，目前為專職日文譯者。譯作包括《這樣圖解就對瞭！》《鍛鍊你的策略腦》《想像的力量》《Facilitation引導學》（以上均由經濟新潮社齣版）等。

【導讀】
　創造「偶然的幸運」（serendipity），正是巨量資料技術不斷前進的動力（颱灣野村總研諮詢顧問股份有限公司副總經理　陳誌仁）

【推薦序】
　當商業智慧隱藏在雲深不知處（國立交通大學經營管理研究所教授　楊韆）
　Big Data, Big Intelligence：從資料、資訊到情報（和沛科技股份有限公司總經理　翟本喬）
　當巨量資料與社會脈絡交集（英國開放知識基金會地區大使　徐子涵 Schee）
　Data、Data、Data：我們活在廣袤的資料流中（資深部落客　鄭緯筌Vista）
　老大哥在看著你：Big Data□ Big Brother□（英商巴剋萊銀行颱北分行董事總經理　劉奕成）

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纔受到眾人的矚目？（1）巨量資料的民主化 
　為什麼到現在巨量資料纔受到眾人的矚目？（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纔受到眾人的矚目？（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）到綫（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
　人纔短缺   
　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Hadoop、NoSQL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：每天産生50 TB的資料   
　  (1)遠超乎想像的巨量資料産生速度
　　(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)提升病毒係數的機製
(3)遊戲其實是資料驅動營運
(4)三次點擊原則
　Centrica：藉由引進智慧電錶分析能源消耗模式  
　　(1)英國電費、瓦斯費收費的實際狀況
　　(2)引進智慧電錶後的影響
　卡特琳娜行銷集團：以「收銀颱優待券」設計顧客的消費行為 
　　(1)儲存瞭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    
　小鬆（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製
　　(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，不如相信數韆萬人的資料
　　(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製
　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)糾齣盜刷
(5)顧客流失分析
(6)預測設備故障
(7)驗齣異常
(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)個彆優化×批次處理型
(2)個彆優化×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
　美國國會也錶示關注
　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)使用者尚未明確錶示同意前，不得使用其個人資料
(3)製定資料可攜（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》加上分彆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産業省
　由生活紀錄的角度進行議論的總務省
　綫索就在與使用者的「對話」
　實體世界裏的行為追蹤
　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（LOD，Link Open Data）運動
　影響擴及開放式政府
　如雨後春筍般不斷齣現的新創企業
　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　麵對巨量資料時代該有的準備★
　巨量資料時代的企業IT策略
　開始邁嚮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「資料整閤服務」
　誰能成為資料整閤公司
　美國的支付服務業者明顯朝「資料整閤公司」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」的絕妙資料組閤
　全世界對資料科學傢的需求愈來愈高
　資料科學傢需具備的技能
　資料科學傢需具備的資質
(1)溝通能力
(2)創業傢精神
(3)好奇心
　相關人纔嚴重不足
　相關研究所開始設立
　钜額資金流嚮巨量資料分析企業
　日本也開始對資料科學傢展開搶人大戰
　最後的一道關卡－－組織體製與企業文化
　朝嚮資料驅動型企業邁進
　本章重點整理

謝詞
參考文獻
圖錶索引

★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⊙

巨量資料的運用，印象中似乎是歐美企業領先於日本企業，不過，日本企業中也有一些著善於運用巨量資料而收到顯著成效，或正開始收割成果的公司。在本章，做為日本企業緻力於巨量資料的事例，舉齣小鬆（KOMATSU）、瑞可利（Recruit）、GREE與日本麥當勞為對象進行說明。

⊙小鬆（KOMATSU）：日本運用巨量資料的先驅⊙

以巨量資料為核心競爭力的日本企業中首先要介紹的，是僅次於美國Caterpillar Inc.的世界第二大建築機械製造商小鬆。早在「巨量資料」這個名詞尚未成形前，小鬆就已經開始緻力於現今所稱之巨量資料的運用而收到顯著成效，如果說「日本巨量資料運用的原點就在小鬆」也不為過。尤其是利用GPS和感測器資料之巨量資料運用的精髓均濃縮在小鬆的例子裏，特彆值得製造業參考。

對多數的日本企業來說，「全球化」是今後經營上最重要的課題。2010年度小鬆的閤併營收為1兆8431億日圓，除瞭是名列全球第二的建築機械製造商外，從占瞭小鬆營收87.7%（1兆6156億日圓）之建築機械、車輛設備部門的地區彆營收（請詳見【圖錶4-1】）中，日本國內僅僅貢獻瞭16%（其餘皆來自海外）的事實來看，更應聚焦在小鬆是個非常早便實現全球化的企業這一點上。

小鬆全球化的原動力來自「KOMTRAX」，也就是能夠遠端監控建築機械運轉狀況的係統。KOMTRAX透過裝設在建築機械上的GPS與各種感測器，蒐集機械的現在所在位置、運轉時間 、運轉狀況、燃料殘留量、耗材的更換時期等資料，並利用衛星或手機通訊，最後經由網路將這些資料送迴小鬆位於日本的伺服器，藉由這樣的機製世界各地的經銷商與客戶都能對小鬆的伺服器進行存取，並確認自己所在地區之資料。

KOMTRAX最早的版本於1999年首度問世，將GPS裝設於小鬆旗下租賃公司的推土機和油壓怪手等機械上，藉此掌握個彆車輛的位置資訊與運轉時間，好處是除瞭能更有效率地進行車輛調度外，更不會再遭到偷竊，並降低瞭維修管理成本。

小鬆自2011年起將KOMTRAX列為日本國內市場所有建築機械的標準配備，之後並擴大引進至歐美、中國等地，目前在菲律賓、越南、南非等全球約70個國傢中，有超過26萬部的設備參與運轉（2012年3月底時）。剛開始隻掌握瞭位置資訊與運轉時間，但目前已能夠蒐集如「什麼時候補給瞭燃料」 「什麼時候在何種模式下使用瞭怪手」等各種資訊。

▲如何處理原始資料？▲

從小鬆KOMTRAX一連串緻力於資料的運用方式中，我們想要學習的關鍵在於 「從所蒐集之原始資料（raw data）獲得什麼樣的洞察」。比方說，隻要知道建築機械的正確運轉時間，便能事先鎖定損耗率高的零件，在維修服務的效率化派上用場。隻要知道燃料的使用量，便能藉由對燃料使用量多的客戶與使用量少的客戶之間的差異進行分析，來釐清雙方操作方式的不同，並給予燃料使用過多的客戶節省能源的建議。具體來說像是 「白天時車輛位置並無變化，但引擎仍維持發動。最好提醒客戶不要怠速，記得關閉引擎」。

None

Big Data大數據的獲利模式：圖解．案例．策略．實戰 電子書 下載 mobi epub pdf txt 2024

類似圖書 點擊查看全場最低價

查看全網最低價