产品特色
内容简介
在信息技术革命之后,我们将迎来数据革命。在大数据的概念、性质和价值已得到政府和社会的认可之后,大家关注的是数据如何获取,以及有了数据以后如何挖掘数据的价值。仅适合特定行业、满足特定需求的技术不足以应对一场革命,大数据不但是超出计算机软硬件处理的能力,更是超出人类的认知能力。只有实现对数据的认知,利用数据辅助决策,才是适合不同行业数据价值实现的通用手段。本书描述了数据革命的起源、实现的思路、所用的技术和要达到的目标,针对当今社会热点描述了在数据时代的应对之策。
本书宏观和微观、人文和技术、启迪思想和关注实用并举,既适合宏观层面的领导启迪思维,提出工作目标,又适合微观层次的执行人员找到实现的方法和路径。本书介绍的理论和技术均可在智慧城市、智能制造领域实际使用。
本书适合政府、企业决策者和CIO,及其他对大数据应用感兴趣的人阅读。
作者简介
范煜,江苏南通人,研究员级高级工程师,大数据软件专家,范思软件有限公司创始人,毕业于南京航空航天大学,喜爱阅读和旅行,对经济、管理、历史、地理等方面知识有浓厚兴趣。
目录
开编故事
第 1 章
迎接数据革命
1.1 信息技术革命 / 6
1.1.1 未完成的第三次工业革命 / 6
1.1.2 从智力替代到辅助决策、自主决策 / 7
1.1.3 三次工业革命的比较 / 8
1.1.4 数据是信息革命的主要遗产 / 10
1.2 为什么是数据革命 / 11
1.3 社会需要数据革命 / 13
1.3.1 发展需要资源配置均衡 / 13
1.3.2 数据促进社会平等 / 14
1.3.3 不均衡导致中国古代王朝更迭 / 15
1.3.4 熵增原理 / 16
1.3.5 中国国内市场的完善 / 17
1.3.6 新的就业机会 / 18
1.3.7 建立社会经济运行的反馈机制 / 19
1.3.8 权威的信息交换平台 / 20
1.3.9 分享经济模式的扩张 / 21
1.4 从海关数据看数据价值 / 23
1.5 美国的启示 / 27
1.6 数据的价值与变现 / 30
1.6.1 数据的变现 / 30
1.6.2 决策产生价值 / 31
1.6.3 数据的价值特点 / 32
1.6.4 数据服务的商业模式 / 33
1.7 信息时代遗留的问题 / 34
1.7.1 缺乏原始数据 / 34
1.7.2 难搞的需求 / 35
1.7.3 自助分析的陷阱 / 37
1.7.4 难以满足的客户 / 38
1.7.5 完全不一样的需求 / 40
1.7.6 心有余而力不足的数据挖掘 / 41
1.7.7 跳出事务处理的红海 / 43
第 2 章
认识数据革命
2.1 认识数据 / 46
2.1.1 数据分类 / 46
2.1.2 数据来源和存储 / 47
2.1.3 非结构化数据 / 49
2.1.4 数据处理的三个层次:产生、获取和分析 / 49
2.1.5 数据比图像、视频更有价值 / 50
2.1.6 数据与程序要分离 / 51
2.1.7 SQL是访问数据的通用语言 / 52
2.1.8 需要标准并开源的数据库设计 / 55
2.2 关于数据 / 56
2.2.1 数据和信息的区别 / 56
2.2.2 数据含金量 / 57
2.2.3 用于理解大数据的小数据 / 58
2.2.4 广义和狭义大数据技术 / 58
2.2.5 看懂数据的认知计算 / 60
2.2.6 数据的冷态、温态和热态 / 60
2.3 走出大数据应用误区 / 61
2.3.1 从个性化需求到普遍服务 / 61
2.3.2 走出结果导向 / 62
2.3.3 从有方向到无方向 / 64
2.3.4 自助分析工具与自助分析系统的区别 / 65
2.4 信息系统总体规划 / 67
2.4.1 基于数据的规划 / 67
2.4.2 用规划展示数据不足 / 69
2.4.3 以市长为核心的智慧城市总体规划 / 69
第3 章
推动数据革命
3.1 数据的立法 / 74
3.2 数据的公开 / 75
3.2.1 对信息公开的认识 / 75
3.2.2 政府开放数据 / 76
3.2.3 对开放数据的要求 / 77
3.2.4 政府主导的公共数据库 / 78
3.2.5 科研数据的公开 / 79
3.3 有时数据隐私只是借口 / 80
3.4 数据基础设施 / 82
3.4.1 数据作为基础设施 / 83
3.4.2 数据垄断的“滑铁卢” / 84
3.4.3 公共数据服务与中介 / 85
3.4.4 农产品交易数据的案例 / 86
3.5 建立数据图书馆 / 88
第 4 章
进行数据革命
4.1 数据用于决策支持 / 94
4.1.1 数据分析需要统计而不是检索 / 94
4.1.2 数据通过辅助决策产生价值 / 95
4.1.3 两类完全不同的程序 / 96
4.1.4 传统商业智能模式的沦落 / 97
4.1.5 像鹰一样看数据 / 99
4.1.6 数据一致性不是分析的先决条件 / 100
4.1.7 从数据比较中发现价值 / 101
4.1.8 保障决策者的决策思维流 / 102
4.1.9 建立基于可视化数据的指挥室 / 104
4.1.10 组织的决策支持流程 / 105
4.1.11 宏观和微观的融合 / 107
4.1.12 用过度设计满足任意需求 / 108
4.2 建立数据模型 / 110
4.2.1 存储数据的数据仓库 / 110
4.2.2 可以推导需求的维度模型 / 112
4.2.3 维度模型原理 / 114
4.2.4 分主题进行数据分析 / 120
4.2.5 离不开的时间维度 / 121
4.2.6 通过时间分析数据 / 122
4.2.7 空间维度直观地显示数据 / 124
4.2.8 数据的可视化钻取 / 125
4.2.9 用OLAP提升统计速度 / 127
4.2.10 数据可视化加快对数据的认知 / 129
4.2.11 用内存数据库实现实时数据分析 / 131
4.3 改变思路 / 132
4.3.1 建立基于真实数据的KPI / 132
4.3.2 为实现工业4.0建立数据基础设施 / 133
4.3.3 主动抽取数据实现数据集中 / 136
4.3.4 统计数据从报送到抽取 / 137
4.3.5 改进数据分析工作流程 / 137
4.4 适应数据分析的硬件 / 140
第5 章
实现数据革命
5.1 数据革命的作用 / 144
5.1.1 对国家治理的作用 / 144
5.1.2 对国有企业改革的作用 / 145
5.1.3 对政府“三公”经费管理的作用 / 148
5.1.4 对“一带一路”战略的作用 / 149
5.1.5 对医疗改革的作用 / 150
5.1.6 对银行信贷风控的作用 / 153
5.1.7 对降低社会成本的作用 / 156
5.1.8 对防止欺诈上市的作用 / 158
5.2 数据革命的后果 / 159
5.2.1 竞争机制的替代 / 159
5.2.2 计划经济和市场经济的融合 / 161
5.2.3 经济危机的消除 / 162
5.3 数据革命后的技术 / 163
5.3.1 以数据检索为主的搜索引擎 / 163
5.3.2 基于数据的云服务 / 164
5.3.3 可以检索数据的浏览器 / 165
第 6 章
工业数据革命
6.1 智能制造首先要解决数据问题 / 172
6.2 工业企业数据总体架构 / 175
6.3 财务数据分析 / 177
6.3.1 四个层次 / 177
6.3.2 阿特曼Z-score模型 / 178
6.3.3 财务比率 / 179
6.4 经营数据分析 / 180
6.4.1 名词解释 / 181
6.4.2 经营数据中心 / 182
6.4.3 销售数据分析 / 186
6.4.4 毛利数据分析 / 189
6.4.5 应收款数据分析 / 190
6.4.6 采购数据分析 / 192
6.4.7 应付款数据分析 / 193
6.4.8 库存数据分析 / 195
6.5 与上市公司外部数据比较 / 197
6.6 控制数据分析 / 199
6.6.1 从工业大数据中找到故障 / 199
6.6.2 从检测大数据中发现质量问题 / 201
第7 章
设计案例
7.1 政府房产数据分析 / 206
7.1.1 监控中心 / 206
7.1.2 预售数据分析 / 208
7.1.3 成交数据分析 / 209
7.2 医院管理决策支持系统 / 211
7.2.1 监控中心 / 212
7.2.2 医药收费数据分析 / 213
7.2.3 门诊数据分析 / 216
7.2.4 住院数据分析 / 220
7.2.5 手术数据分析 / 221
7.2.6 用药数据分析 / 223
7.2.7 医疗项目收入数据分析 / 224
7.2.8 大型诊断检查数据分析 / 224
7.2.9 体检数据分析 / 224
7.2.10 物资出入库数据分析 / 225
7.3 政府财政数据分析 / 227
7.3.1 监控中心 / 227
7.3.2 收入数据分析 / 228
7.3.3 支出数据分析 / 229
7.3.4 收支执行数据分析 / 230
7.3.5 预算执行用款数据分析 / 231
7.3.6 政府采购数据分析 / 231
致谢
参考文献
精彩书摘
《数据革命:大数据价值实现方法、技术与案例》:
1.1信息技术革命
数据成为重塑国家竞争优势的新机遇。在全球信息化快速发展的大背景下,大数据已成为国家重要的基础性战略资源,正引领新一轮科技创新。充分利用我国的数据规模优势,实现数据规模、质量和应用水平同步提升,发掘和释放数据资源的潜在价值,有利于更好发挥数据资源的战略作用,增强网络空间数据主权保护能力,维护国家安全,有效提升国家竞争力。
国务院《促进大数据发展行动纲要》
1.1.1未完成的第三次工业革命
18世纪中叶以来,人类历史上先后发生了三次工业革命。目前,大家一致认为第三次工业革命已经结束,并期待第四次工业革命的到来。
有人把第四次工业革命,定义为以互联网产业化、工业智能化、工业一体化为代表,以人工智能、清洁能源、无人控制技术、量子信息技术、虚拟现实为主的全新技术革命。显然,一次工业革命不可能是一些新技术的杂烩,而且这些新技术还依赖数据技术的发展,比如工业智能化,在数据认知还没有完成时,智能决策和执行无从谈起。
从第一次工业革命的蒸汽机和第二次工业革命的电力设备来看,蒸汽机的发明、制造、安装和维护虽然是一个巨大的产业,但产生的社会影响远不如其带来的规模化生产(比如钢铁厂和纺织厂的生产以及铁路的铺设)来得深远。同样,从电力的发明来看,电力本身有发电机以及发电机的生产、制造和服务,但它的影响不如后来电力输送线的铺设和大量电器的使用以及生产中动力从蒸汽机转变为电力带来的影响大。
综上所述,每一次工业革命都由两个或多个部分组成:第一个部分是作为引起革命标志的技术的发展;第二个部分是由这个革命的技术导致的社会更深层次的影响。
同样,我们来审视一下第三次工业革命。第三次工业革命是以计算机的发明使用为基础,计算机本身已经产生了一个非常大的产业,对人类社会也产生了巨大影响,但这不是第三次工业革命的最终结果。计算机产生的大量数据以及由于我们对数据的应用而产生的变革才是第三次工业革命更大的成果。
数据革命也不是人们传说中的第四次工业革命,只是第三次工业革命的下半场。第三次工业革命分为两部分,上半场是信息技术革命,下半场是数据革命。原因有两个:一是这两场革命的联系如此密切,难以分开;二是数据革命实现的是信息技术革命未完成的理想。
1.1.2从智力替代到辅助决策、自主决策
蒸汽机发明的重要意义,在于人类首次从只能依靠人力或者畜力作为动力,变为可以以机器作为动力,从而对人类的生产经营活动产生了巨大的影响。原来只能小规模生产的产品因为机器的发明能够进行大规模的生产,火车头或者轮船可以通过蒸汽机来驱动把人或货物运送到很远的地方。
计算机的发明,同样拥有一个相似的重要意义,人类首次以机器来代替人类的智力活动。蒸汽机以机器代替人类的体力活动,计算机以机器代替人类的脑力劳动。
但是,仔细分析从计算机发明以来人们所取得的成就,不难发现,计算机的发展还没有完全达到预期的目标。
机器代替人类智力的活动有三个阶段。
第一个阶段是智力替代,即原来是人可以实现的智力活动,用计算机来替代。比如,原来必须用心算或者笔算进行的计算,用计算机可以自动进行;原来必须依靠个别智力超群、经验丰富的人才能完成的工作,可由计算机来完成。第三次工业革命基本上完美地实现了这个阶段的目标。
……
数据革命:大数据价值实现方法、技术与案例 epub pdf mobi txt 电子书 下载 2024
数据革命:大数据价值实现方法、技术与案例 下载 epub mobi pdf txt 电子书 2024