大數據的衝擊：野村綜研大數據專家權威解析（簡體書）

《大數據的衝擊》是日本最暢銷的大數據商業應用指南。書中結合野村綜合研究獨家披露的調查數據，網羅了美國、日本標杆企業與政府的應用案例，總結了大數據的商業模式，以及在大數據應用中需要注意的隱私問題，並就如何為大數據時代做好準備展開了深入的探討，提出了諸多有益的建議。《大數據的衝擊》適合商業人士以及與大數據相關的IT 從業者閱讀。

城田真琴，野村綜合研究所高端IT創新部高級研究員、IT分析師，日本政府“智能雲計算研究會”智囊團成員。負責高精尖技術趨勢調研、供應商戰略分析、國內外企業IT運用調查，專業領域為雲計算、商務分析、M2M、IoT等。著有暢銷書《雲計算的衝擊》、《你不可不知的雲計算常識與非常識》、《IT大趨勢 全球信息技術導航圖 2012年版》。譯者簡介：周自恒，IT、編程愛好者，技術宅，初中時曾在NOI（國家信息學奧賽）天津賽區獲一等獎，大學畢業後曾任IT諮詢顧問，精通英語和日語，譯著有《30天自製操作系統》、《代碼的未來》、《Android應用開發入門》。

第1章　什麼是大數據1.1 The data deluge1.2 用3V來描述大數據的特徵1.3 廣義的大數據1.4 為什麼現在要談大數據？①大數據的民主化1.5 為什麼現在要談大數據？②硬件性價比的提高以及軟件技術的進步1.6 為什麼現在要談大數據？③雲計算的普及1.7 從“看到過去”到“預測未來”BI與大數據的交叉1.8 從點（交易數據）分析到線（交互數據）分析1.9 大數據的分析工具本章小結第2章　支撐大數據的技術2.1 人手不足2.2 什麼是Hadoop2.3 發行版本的增加2.4 發行版本眾多的原因2.5 NoSQL數據庫2.6 風投資本對Hadoop、NoSQL企業的熱切關注2.7 大數據時代的數據處理基礎2.8 備受關注的分析型數據庫2.9 流數據處理（實時數據處理）2.10 自行開發流數據處理技術的互聯網企業2.11 機器學習、統計分析等2.12 自然語言處理及其他本章小結第3章　以大數據為武器的企業歐美企業篇3.1 大步邁進的互聯網企業對大數據的運用3.2 eBay：每天產生50TB的數據3.2.1 超乎尋常的數據產生速度3.2.2 eBay的數據分析基礎架構3.3 Zynga：披著遊戲公司外衣的分析公司3.3.1 社交遊戲經濟的重要指標3.3.2 提高病毒係數的方法3.3.3 數據驅動遊戲3.3.4 三次點擊法則3.4 Centrica：通過智能電錶分析能源消耗模式3.4.1 英國電力、燃氣收費的實際情況3.4.2 使用智能電錶所帶來的影響3.5 Catalina Marketing：通過收銀台優惠券對顧客的購買行為進行設計3.5.1 存儲超過1億人的購物記錄3.5.2 預測顧客的購買行為，刺激來店消費本章小結第4章　以大數據為武器的企業日本企業篇4.1 對大數據的運用正在日本興起4.2 小松：在日本運用大數據的先驅者4.3 Recruit：通過對Hadoop的充分運用，成功實現對數據分析的觀念革新4.3.1 幾乎整個公司都在運用Hadoop4.3.2 支撐Recruit大數據分析的Hadoop基礎架構4.3.3 成功的秘訣在於組織體制4.3.4 在Recruit眼中Hadoop的真正價值是什麼4.4 GREE：快速成長的原動力在於數據驅動型工作方式4.4.1 比起個人的感覺，數千萬人的數據更可信4.4.2 數據驅動型工作方式的支撐力是對日誌數據的執著4.4.3 集結了擁有多種技能的專業人員4.4.4 將信息丟失控制在最低限度的團隊體制4.5 麥當勞：在現實世界中實現一對一營銷4.5.1 創新性的優惠券背後是周到的準備4.5.2 關注將手機用作積分卡的模式本章小結第5章　大數據的運用模式5.1 大數據的運用實例5.2 大數據運用模式的分類5.2.1 個別優化．批處理型（圖表5-2）5.2.2 個別優化．實時型（圖表5-4）5.2.3 整體優化．批處理型（圖表5-5）5.2.4 整體優化．實時型（圖表5-8）5.3 大數據的運用級別5.3.1 對過去/現狀的把握5.3.2 發現模式5.3.3 預測5.3.4 優化5.4 專欄：動態定價5.5 大數據運用的真正價值本章小結第6章　大數據時代的隱私問題6.1 在隱私與創新的夾縫中生存6.2 美國國會的關注6.3 建立社交化檔案的是非6.4 Do Not Track6.5 消費者隱私權法案6.6 採用主動許可方式的歐盟6.7 數據保護指令同樣面臨修訂6.8 在日本需要考慮個人信息保護法及各行業領域的指導方針6.9 在向第三方提供信息上採用主動許可方式的指導方針6.10 日本政府的討論情況6.11 經濟產業省以“信息大航海計劃”為契機展開討論6.12 總務省從生活日誌的角度展開討論6.12.1 個人信息保護的角度6.12.2 與隱私等的關係6.13 關鍵在於與用戶的溝通6.14 線下行為跟蹤本章小結第7章　開放數據時代的到來與數據市場的興起7.1 運用公開數據也是一種選擇7.2 興盛的LOD運動7.3 對政府公開的影響7.4 層出不窮的創業型公司7.5 通過舉辦競賽來促進數據運用7.6 輸在起跑線上的日本7.7 以震災為契機逐步發展的日本開放數據工作7.8 數據市場的興起7.8.1 Factual7.8.2 Windows Azure Marketplace7.8.3 Infochimps7.8.4 Public Data Sets on AWS7.9 不同的商業模式7.10 數據市場興盛背後的課題本章小結第8章　為大數據時代做好準備8.1 大數據時代的企業IT戰略8.2 共享數據的日本企業8.2.1 羅森和雅虎8.2.2 KDDI和樂天8.2.3 COOKPAD和ID‘s8.3 擁有原創數據的優勢8.4 供應商企業的新商機：數據聚合商8.5 誰能成為數據聚合商8.6 在美國備受矚目的支付服務商向數據聚合商的演化8.6.1 VISA8.6.2 PayPal8.6.3 美國運通8.7 數據整合之妙：將原創數據變為增值數據8.8 日益搶手的數據科學家8.9 數據科學家所需的技能8.10 數據科學家所需的素質8.11 嚴重的人才匱乏8.12 研究生院的成立8.13 大數據分析企業吸引了大量的資金8.14 日本也開始了對數據科學家的爭奪8.15 最後的問題：組織結構和企業文化8.16 目標：成為數據驅動型企業本章小結致 謝參考文獻版權聲明