随着云计算、大数据等的快速发展，越来越多的组织用信息化手段进行流程管理。如何提升流程执行的智能化程度、动态性和柔性，以提高对非标准业务的管理效率，是流程管理面临的一个重要问题。本书基于流程管理系统积累的日志，提出了3种流程管理的工作流活动推荐方法，分别为基于用户类别近邻的活动推荐方法、基于Pearson相关系数的活动推荐方法和基于协同过滤的活动推荐方法，并介绍了一种流程信息的可视化算法，实现了一个
电子书
内容简介
本书首先参阐述大数据出现的背景，解释数据资产、数据驱动等基本概念，剖析数据分析的重要性，介绍了大分析的内容和范围、关键点等；其次，阐述了大数据建设的基本内容和有关应用领域等，涉及收集、存储、标准、技术选择等内容，重点介绍了数据质量、安全管理等数据管控的内容；结尾，给出了大数据建设配套的人才、管理结构等方面的内容和经验，分享如何引入互联网思维，开辟新视野的理念。
章节目录
- 第1章 背景
- 1.1 大数据的引出和影响
- 1.1.1 “大数据，大商机”
- 1.1.2 “数据资产”的引出
- 1.1.3 数据量庞大
- 1.1.4 数据结构复杂
- 1.1.5 数据价值有待挖掘
- 1.1.6 “数据驱动”的变革
- 1.1.7 互联网发展中的“数联网”
- 1.2 为何需要大分析
- 1.2.1 数据价值评估
- 1.2.2 “数据资产”变现问题
- 1.2.3 大分析的技术基础
- 1.2.4 大分析面临的问题
- 1.3 大分析的应用案例
- 1.3.1 新的“啤酒和尿布”
- 1.3.2 KPI 信息地图
- 1.3.3 “大数据、超细分、微营销”
- 1.4 小结
- 第2章 大数据基础
- 2.1 大数据的基本理念
- 2.1.1 概念和定义探索
- 2.1.2 大数据的技术基础
- 2.1.3 没有大分析，大数据就是大垃圾
- 2.1.4 大数据如何借鉴“数据仓库”的经验
- 2.1.5 企业级数据中心
- 2.2 大数据与数据仓库的关系
- 2.2.1 大数据扩展数据仓库理论架构
- 2.2.2 大数据继承数据仓库数据管理的经验
- 2.2.3 大数据开启了非结构化数据的处理
- 2.2.4 大数据要借鉴数据仓库的生态圈
- 2.2.5 大数据应继承数据分析技术
- 2.2.6 与数据库的关系
- 2.2.7 数据仓库借鉴大数据的营销模式
- 2.3 大数据的基本特点
- 2.3.1 “4V”特点
- 2.3.2 大分析角度的大数据特征
- 2.4 大数据的价值和意义
- 2.4.1 围绕客户信息，提供全方位服务
- 2.4.2 构筑“虚拟团队”，提升团队管理水平
- 2.4.3 让“智慧城市”“智能交通”变为可能
- 2.4.4 构筑“理性社会”终于成为可能
- 2.4.5 中国前所未有的一次“弯道超车”机遇
- 2.5 大数据的问题和挑战
- 2.5.1 数据质量问题越发突出
- 2.5.2 数据分析技术尚缺实质突破
- 2.5.3 大数据应用水平需要逐步演进、逐步深化
- 2.5.4 大数据技术架构面临突破
- 2.5.5 数据理念与国外仍然相距甚远
- 2.5.6 大数据是一项系统工程
- 2.6 小结
- 第3章 大数据的管理
- 3.1 数据如何收集
- 3.1.1 能获取哪些数据
- 3.1.2 基于数据价值，决定数据的收集、存放策略
- 3.1.3 没有应用时，是否收集数据
- 3.2 数据的标准
- 3.2.1 数据接口
- 3.2.2 数据模型
- 3.3 大数据的ETL 过程
- 3.4 大数据如何存储
- 3.4.1 数据库/ 数据仓库
- 3.4.2 分布式文件系统（HDFS）
- 3.4.3 混搭模式
- 3.4.4 Hive /Hbase 等
- 3.4.5 MPP
- 3.5 数据如何估值和计费
- 3.5.1 什么数据最好卖
- 3.5.2 市场价格
- 3.5.3 数据的开放
- 3.6 大数据的“数据资产”管理
- 3.7 数据如何保障安全
- 3.8 小结
- 第4章 大数据的技术架构
- 4.1 大数据处理架构
- 4.1.1 大数据处理层级和域
- 4.1.2 哪些计算适合并行
- 4.2 为何是混搭架构
- 4.2.1 大数据混搭架构的利弊分析
- 4.2.2 架构是否去IOE
- 4.2.3 大数据混搭架构实例
- 4.3 数据集市的模式
- 4.3.1 数据沙盒模式
- 4.3.2 贴近角色的平台及应用
- 4.3.3 文件集市
- 4.4 数据管控模块
- 4.4.1 元数据
- 4.4.2 数据质量
- 4.5 大数据的“爬虫”技术
- 4.5.1 定制爬虫Nutch
- 4.5.2 分词技术—庖丁分词
- 4.5.3 索引及全文检索—Splunk
- 4.5.4 上网数据解析流程
- 4.6 大数据安全管理框架
- 4.6.1 安全管控技术架构
- 4.6.2 管理制度建设
- 4.6.3 去隐私化技术举例
- 4.7 小结
- 第5章 大数据的数据质量管控
- 5.1 数据质量概念
- 5.1.1 基本概念
- 5.1.2 大数据就不考虑质量了吗
- 5.2 元数据
- 5.2.1 数据的数据
- 5.2.2 元数据的CWM 标准
- 5.2.3 元数据分类
- 5.3 数据质量管控
- 5.3.1 数据质量管控目标
- 5.3.2 数据质量子系统架构
- 5.4 如何建立数据质量管理制度
- 5.4.1 数据质量分工管理流程
- 5.4.2 及时监控和告警
- 5.5 数据质量管控产品的客户体验
- 5.5.1 降低技术门槛
- 5.5.2 产品的手机App 化
- 5.6 小结
- 第6章 大数据如何带来大分析
- 6.1 没有应用的数据是垃圾数据
- 6.1.1 应用的广度
- 6.1.2 应用的深度
- 6.1.3 应用的实时性/ 融合性
- 6.2 大分析（BA）的概念
- 6.2.1 “大分析”的发展变化
- 6.2.2 大分析的“群众路线”
- 6.3 大分析（BA）的产品开发
- 6.3.1 基于数据分析，解决实际问题
- 6.3.2 BA 产品和分析工具产品的区隔
- 6.3.3 自助分析
- 6.3.4 导航式分析
- 6.4 应用推广问题
- 6.4.1 市场的“冬天”就是大分析的“春天”
- 6.4.2 为何需要应用推广
- 6.4.3 如何证明分析的独特价值
- 6.4.4 如何解决员工实际的问题
- 6.4.5 电信和互联网行业应用推广对比
- 6.4.6 不同的企业用不同的推广方法
- 6.5 大分析的“闭环”问题
- 6.5.1 分析和执行的闭环执行
- 6.5.2 营销流程的设计—营销管理平台
- 6.6 小结
- 第7章 大分析应用案例
- 7.1 大分析的应用阶段
- 7.2 非结构化数据的分析
- 7.2.1 客户投诉内容分析
- 7.2.2 互联网舆情监控分析
- 7.3 客户分析
- 7.3.1 客户生命周期
- 7.3.2 客户内容属性
- 7.3.3 客户行为属性
- 7.3.4 客户新业务分析
- 7.3.5 客户满意度分析
- 7.3.6 客户流失分析
- 7.4 产品分析
- 7.4.1 建设背景和目的
- 7.4.2 整体流程
- 7.4.3 建设中涉及的模型
- 7.5 内容营销分析
- 7.5.1 手机视频产品营销触发
- 7.5.2 手机视频内容分析
- 7.5.3 目标客户筛选和细分
- 7.5.4 方案设计
- 7.5.5 营销脚本设计
- 7.5.6 营销方式选择
- 7.5.7 营销方式使用效果
- 7.5.8 效益评估
- 7.6 网格化管理分析
- 7.7 社会渠道欺诈分析
- 7.7.1 概述
- 7.7.2 模型方法
- 7.7.3 模型定义
- 7.7.4 业务应用
- 7.7.5 优化方法
- 第8章 大数据中的互联网思维
- 8.1 互联网思维介绍
- 8.1.1 九大特征
- 8.1.2 大数据为何需要互联网思维
- 8.1.3 大数据如何借助互联网思维
- 8.2 BA 产品定义
- 8.3 BA 产品的客户体验
- 8.3.1 客户是谁
- 8.3.2 客户的体验是什么
- 8.3.3 提升客户体验的展示形式
- 8.3.4 提升客户体验的解决问题能力
- 8.4 BA 产品迭代开发
- 8.4.1 如何构建共享方式
- 8.4.2 提供API 接口
- 8.4.3 提供类似App Store 开发环境
- 8.5 BA 产品的“客户入口”把控
- 8.5.1 抓住客户的入口
- 8.5.2 让客户参与BA 产品开发
- 8.5.3 BA 产品的内部客户营销
- 第9章 大数据的管理架构及探索
- 9.1 BA 产品生态圈的建设
- 9.1.1 生态圈组成
- 9.1.2 生态圈盈利模式
- 9.1.3 生态圈的“共赢”
- 9.2 管理架构举例
- 9.2.1 互联网企业架构
- 9.2.2 电信运营公司的架构
- 9.2.3 架构的特点分析
- 9.3 人才的培养
- 9.3.1 知识结构要求
- 9.3.2 交际（团队）能力要求
- 9.3.3 耐压能力要求
- 9.4 团队的构建及激励
- 9.4.1 技术人员转型业务人员
- 9.4.2 业务经验的培养和积累
- 9.4.3 待遇激励
- 第10章
展开全部
大数据和大分析是2015年由人民邮电出版社出版,作者段云峰。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《大数据和大分析》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
电子书
随着企业数字化转型不断深化，企业对数据库工程师的需求越来越大。本书结合实际工作场景，将企业数据库运维的相关工作分为10个项目，内容包括了解数据库运维工作，安装和配置MySQL，管理MySQL权限与安全，分析MySQL日志，备份与恢复MySQL，监控、测试并优化MySQL性能，MySQL复制，搭建及运维MySQLCluster，结合Redis的MySQL运维，数据库自动化运维。本书配套教学PPT、题
电子书
本书重点描述了5G技术的发展历程、特征、应用场景、未来趋势等，剖析了5G在工业、教育、医疗、VR/AR等传统产业转型升级中的落地应用，勾勒了交通、医疗、工业等因5G而产生的深刻变革，并围绕全球格局等做了清晰的介绍，介绍了中国5G的发展战略。
电子书
《Python程序设计——编程基础、Web开发及数据分析》系统讲述了Python程序设计的基础知识。全书共15章，内容包括：Python概述、Python基本语法、Python的基本流程控制、Python的四种典型序列结构、Python函数、Python文件和数据库操作、面向对象程序设计、模块和包、字符串操作与正则表达式的使用、错误及异常处理、GUI编程、网络和多线程编程、基于Flask框架的We
电子书
本书主要介绍如何使用Python处理Excel数据。本书内容分为三大部分：第一部分主要介绍数据分析的概念和Python基础；第二部分通过蜂蜜电商数据分析案例详细介绍数据分析的技术要点，包括读写Excel文件所需的xlwings库和openpyxl库、数据分析的pandas核心库，以及数据可视化常用的Matplotlib库和Seaborn库；第三部分包括个人消费贷款数据分析和螺蛳粉连锁店销售数据分析
电子书
本教材共介绍7个项目，项目1为云数据中心认知，主要介绍了什么是数据中心、云数据中心的特点、体系结构、云数据中心和传统数据中心的区别、绿色数据的概念以及发展趋势。项目2介绍了云数据中心的规划与设计，主要包括云数据中心的设计建设的指标、基础设施的规划以及云数据中心的优化策略。项目3介绍了云数据中心的硬件选型，主要包括服务器设备、网络设备以及存储设备的介绍和选型。项目4到项目6则重点介绍了虚拟化技术、云
电子书
本书系统介绍了在AWS云平台上进行数据分析和可视化开发常备的知识和技能。全书包含6个项目，分别介绍了搭建AWS数据分析开发环境、在数据分析中使用AmazonS3存储桶、使用Flask框架设计网站并进行数据分析、在Notebook中进行数据分析及可视化、Web应用程序的数据可视化和航空数据分析及可视化。每个项目之后还提供了课后练习，帮助读者巩固所学的内容。本书可以作为高职高专软件技术相关专业和非计算
电子书
本书全面讲解Python数据分析的相关知识和技术，内容包括Python数据分析概述、NumPy数值计算、Matplotlib数据可视化、Pandas数据分析、数据预处理、Sklearn机器学习。 本书以培养学生编程能力和数据分析能力为目标，注重技术应用能力的培养。 本书内容充实、结构合理、实用性强，具有明确的应用能力培养目标，易于接受和理解，学完本书后，可以具备数据分析的基本能力。 本书适合
