包郵 洞見數據價值：大數據挖掘要案紀實 企業與個人大數據簡明讀本 畢馬威中國大數據團隊 epub pdf mobi txt 電子書 下載 2024

包郵 洞見數據價值：大數據挖掘要案紀實 企業與個人大數據簡明讀本 畢馬威中國大數據團隊 epub pdf mobi txt 電子書 下載 2024

包郵 洞見數據價值：大數據挖掘要案紀實 企業與個人大數據簡明讀本 畢馬威中國大數據團隊 epub pdf mobi txt 電子書 下載 2024

《洞見數據價值：大數據挖掘要案紀實》是國際知ming谘詢公司畢馬威的大數據團隊的集大成之作，內容豐富，觀點新穎，貼近大眾生活、工作與學習實際場景，內容不拘泥於技術闡釋，通過寓教於樂的方式，以豐富翔實的案例來解析大數據挖掘，盡量通過常見的場景來闡述數據的價值與意義。

第1章介紹大數據在銀行業、徵信業、審計、傳統製造業、互聯網行業、輿情監控、影視業、環保産業以及體育産業等多個領域的應用方案和前景。第2章重點介紹大數據分析在商業工作和營銷推廣中的作用。第3章介紹大數據挖掘過程中涉及的數據的前期準備工作，重點介紹數據準備工作的要點和訣竅。第4章結閤業務、生活、娛樂，寓教於樂，介紹大數據的實際應用方式。附錄部分介紹一位數據工作者的成長之路，嚮感興趣的讀者介紹從事數據工作應該具備的素質和掌握的技能。

《洞見數據價值：大數據挖掘要案紀實》可作為企業管理人員、營銷主管、分析人員、IT 人員等理解大數據、應用大數據為企業創造價值的指引，同時，《洞見數據價值：大數據挖掘要案紀實》也可供統計學、應用數學及計算機專業學者和研究人員參考學習。

目錄

第1章 大數據在各行各業 // 001

1.1 什麼是大數據？ // 002

1.1.1 非常流行的大數據概念 // 002

1.1.2 不那麼流行的大數據概念 // 006

1.1.3 也許會帶給你靈感的大數據概念 // 007

1.2 大數據在銀行業 // 029

1.2.1 業界展望：大數據，銀行業未來的核心動力 // 029

1.2.2 創新方嚮：大數據助力銀行網點實現轉型 // 036

1.3 大數據在徵信業 // 041

1.3.1 業界展望：FICO 評分與芝麻信用，傳統徵信嚮大數據徵信的轉變 // 042

1.3.2 創新方嚮一：從拒絕推斷看個人徵信業的大有可為 // 046

1.3.3 創新方嚮二：論大中型客戶數字化授信的可行性 // 054

1.4 大數據在審計業 // 057

1.4.1 業界展望：大數據分析如何支撐審計工作 // 057

1.4.2 創新方嚮：大數據能否代替傳統審計？ // 061

1.5 大數據在傳統製造業 // 065

業界展望：數字化企業進階指南 // 066

1.6 大數據在互聯網行業 // 069

創新方嚮：從滴滴收購優步看壟斷企業的馬太效應 // 069

1.7 大數據在輿情行業 // 076

創新方嚮：數據分析幫你掌握話語權 // 077

1.8 大數據在汽車行業 // 086

業界展望：徵服汽車後市場，大數據與你同行 // 086

1.9 大數據在影視業 // 089

創新方嚮：星期幾上映的電影具有票房號召力 // 090

1.10 大數據在環保産業 // 098

創新方嚮：北京治霾，能為你做點什麼 // 098

1.11 大數據在體育産業 // 104

創新方嚮：歐洲杯，跟著西班牙隊學數據挖掘！ // 105

小結 // 109

第2章 大數據在商業領域的應用 // 111

2.1 推薦算法在傳統銷售渠道中的應用模式 // 112

2.2 巧用運籌優化，提升整閤營銷管理水平 // 116

2.3 關聯規則的應用 // 121

2.3.1 小談關聯規則 // 121

2.3.2 購物籃分析：絕不隻是“啤酒與尿布” // 124

2.3.3 創新方嚮：靠關聯規則重獲新生的東北小館 // 128

2.4 智能薦食模型：大數據告訴你今天吃什麼 // 133

智能薦食模型 // 134

2.5 顧客時空模型：其實天下沒有免費的 WiFi // 138

2.5.1 無處不在的免費 WiFi // 138

2.5.2 顧客時空模型 // 139

2.5.3 進一步挖掘 // 141

2.6 社會網絡分析法，助力信貸反欺詐 // 142

2.7 數據可視化利器：SAS Visual Analytics // 145

2.7.1 為什麼需要數據可視化？ // 145

2.7.2 數據可視化的幾個常見例子 // 146

2.8 文本挖掘，幫你識彆網購評論是真是假 // 151

2.9 路徑優化：如何改良快遞送貨路綫？ // 156

第3章 數據前期準備 // 171

3.1 從抗日武裝的發展談到數據治理 // 172

3.1.1 數據質量問題 // 173

3.1.2 數據應用問題 // 174

3.1.3 實施策略和路徑問題 // 176

3.2 如何生成你需要的基礎數據？ // 182

3.3 如何利用數據倉庫優化數據分析？ // 189

3.4 二分類變量的數據缺失插補 // 193

3.5 數據離散化，如何避免丟失信息？ // 201

3.6 如何避免數據離散化影響自變量的重要性？ // 204

3.7 二分類模型中如何應對分類自變量取值過多？ // 206

第4章 技術案例 // 211

4.1 建模變量太多怎麼辦？ // 212

4.2 信用評級模型怎麼評估？ // 215

4.3 觀察窗口怎麼

包郵 洞見數據價值：大數據挖掘要案紀實 企業與個人大數據簡明讀本 畢馬威中國大數據團隊 epub pdf mobi txt 電子書 下載 2024