xxxfreesexmoves-haodiaocao这里只有精品视频-欧美性受黑人性爽-欧美性受xxxxxx黑人xyx性爽|www.jsyyzsb.com

《洞見數(shù)據(jù)價值：大數(shù)據(jù)挖掘要案紀實》是國際知名咨詢公司畢馬威的大數(shù)據(jù)團隊的集大成之作，內(nèi)容豐富，觀點新穎，貼近大眾生活、工作與學(xué)習(xí)實際場景，內(nèi)容不拘泥于技術(shù)闡釋，通過寓教于樂的方式，以豐富翔實的案例來解析大數(shù)據(jù)挖掘，盡量通過常見的場景來闡述數(shù)據(jù)的價值與意義。 第1章介紹大數(shù)據(jù)在銀行業(yè)、征信業(yè)、審計、傳統(tǒng)制造業(yè)、互聯(lián)網(wǎng)行業(yè)、輿情監(jiān)控、影視業(yè)、環(huán)保產(chǎn)業(yè)以及體育產(chǎn)業(yè)等多個領(lǐng)域的應(yīng)用方案和前景。第2章重點介紹大數(shù)據(jù)分析在商業(yè)工作和營銷推廣中的作用。第3章介紹大數(shù)據(jù)挖掘過程中涉及的數(shù)據(jù)的前期準備工作，重點介紹數(shù)據(jù)準備工作的要點和訣竅。第4章結(jié)合業(yè)務(wù)、生活、娛樂，寓教于樂，介紹大數(shù)據(jù)的實際應(yīng)用方式。附錄部分介紹一位數(shù)據(jù)工作者的成長之路，向感興趣的讀者介紹從事數(shù)據(jù)工作應(yīng)該具備的素質(zhì)和掌握的技能。 《洞見數(shù)據(jù)價值：大數(shù)據(jù)挖掘要案紀實》可作為企業(yè)管理人員、營銷主管、分析人員、IT 人員等理解大數(shù)據(jù)、應(yīng)用大數(shù)據(jù)為企業(yè)創(chuàng)造價值的指引，同時，《洞見數(shù)據(jù)價值：大數(shù)據(jù)挖掘要案紀實》也可供統(tǒng)計學(xué)、應(yīng)用數(shù)學(xué)及計算機專業(yè)學(xué)者和研究人員參考學(xué)習(xí)。

畢馬威亞太區(qū)及中國主席陶匡淳先生傾情作序推薦，畢馬威中國大數(shù)據(jù)團隊傾力打造，全面闡述大數(shù)據(jù)在各行各業(yè)的價值

序言

越是基本的理念，往往越能成為時代的標志、價值的度量，數(shù)據(jù)正是如此。

2020年，全球數(shù)據(jù)總量預(yù)計將超過44千萬億兆字節(jié)，數(shù)據(jù)之大，正如我們?nèi)粘：粑目諝庖话悴豢扇鄙佟＿@意味著世界上的一切都在產(chǎn)生數(shù)據(jù)，一切都在使用數(shù)據(jù)；萬事萬物都可以數(shù)據(jù)化，而數(shù)據(jù)也成為價值的新載體。大數(shù)據(jù)時代也就是說，這樣一個以數(shù)據(jù)衡量價值的時代，我們已經(jīng)置身其中。

今日，大數(shù)據(jù)已不僅僅是一個新興概念。國家、機構(gòu)、企業(yè)都擁有數(shù)據(jù)，也急需使用數(shù)據(jù)，而物聯(lián)網(wǎng)等理念的興起，云計算等技術(shù)的應(yīng)用，讓我們能夠幫助他們探索、挖掘、利用數(shù)據(jù)中的價值，能夠存儲、流通、關(guān)聯(lián)、交換、使用大數(shù)據(jù)，開發(fā)每一個環(huán)節(jié)中的能量。大數(shù)據(jù)是資源，是一座亟待開掘的金礦。

毫無疑問，大數(shù)據(jù)擁有巨大的商業(yè)潛力和創(chuàng)造力，而這樣的潛力和創(chuàng)造力，當然也屬于畢馬威中國大數(shù)據(jù)團隊。

本書正是畢馬威中國大數(shù)據(jù)團隊的心血之作，匯聚了其微信公眾號中的精品文章。該大數(shù)據(jù)團隊建立幾年以來，我一直非常欣賞團隊的業(yè)務(wù)能力和業(yè)績表現(xiàn)，同樣，文如其人，他們在這本書中展現(xiàn)出的實力、動力和潛力也令人贊嘆。

學(xué)術(shù)成果一向是新興行業(yè)的驅(qū)動力，而業(yè)務(wù)能力是學(xué)術(shù)與實際工作的銜接點：大數(shù)據(jù)團隊是一個集合了這兩方面高端人才的團隊，本書中的作品，專注學(xué)術(shù)、扎根業(yè)務(wù)，也體現(xiàn)了不俗的行業(yè)發(fā)展眼光。何況，寫這樣的文章，一篇或許容易，但能在繁忙的日常工作之余堅持一年之久則殊為不易；如果不是對數(shù)據(jù)領(lǐng)域有深切的熱愛，又怎么會有這樣的動力呢？這本著作見證了團隊的成長，更是團隊潛力的明證。我相信，本書的讀者們也一定會有同樣的感覺。

大數(shù)據(jù)時代，誰掌握了數(shù)據(jù)，誰就掌握了價值，也掌握了世界的節(jié)奏。面對數(shù)據(jù)之潮，畢馬威中國一直力求一馬當先，而大數(shù)據(jù)團隊正是公司內(nèi)的行業(yè)先驅(qū)。大鵬一日同風(fēng)起，摶搖直上九萬里，我不由得心生期待，想要看看這樣一個出色的團隊還能給我和讀者們帶來怎樣的驚喜。

陶匡淳

畢馬威亞太區(qū)及中國主席

畢馬威中國大數(shù)據(jù)團隊，一個專注于大數(shù)據(jù)及數(shù)據(jù)挖掘的專業(yè)團隊，堅持有效結(jié)合分析、技術(shù)與業(yè)務(wù)三方面，多次幫助多家大型銀行、保險公司、老牌企業(yè)等重要客戶利用大數(shù)據(jù)創(chuàng)造價值。團隊中既有資深的數(shù)據(jù)科學(xué)家、統(tǒng)計學(xué)博士，也有深入了解業(yè)務(wù)的分析專家，在業(yè)界有一定影響力。團隊持續(xù)分享結(jié)合實際業(yè)務(wù)的精品大數(shù)據(jù)內(nèi)容，幫助眾多讀者實踐大數(shù)據(jù)挖掘。

目錄

第1章 大數(shù)據(jù)在各行各業(yè) // 001

1.1 什么是大數(shù)據(jù)？ // 002

1.1.1 非常流行的大數(shù)據(jù)概念 // 002

1.1.2 不那么流行的大數(shù)據(jù)概念 // 006

1.1.3 也許會帶給你靈感的大數(shù)據(jù)概念 // 007

1.2 大數(shù)據(jù)在銀行業(yè) // 029

1.2.1 業(yè)界展望：大數(shù)據(jù)，銀行業(yè)未來的核心動力 // 029

1.2.2 創(chuàng)新方向：大數(shù)據(jù)助力銀行網(wǎng)點實現(xiàn)轉(zhuǎn)型 // 036

1.3 大數(shù)據(jù)在征信業(yè) // 041

1.3.1 業(yè)界展望：FICO 評分與芝麻信用，傳統(tǒng)征信向大數(shù)據(jù)征信的轉(zhuǎn)變 // 042

1.3.2 創(chuàng)新方向一：從拒絕推斷看個人征信業(yè)的大有可為 // 046

1.3.3 創(chuàng)新方向二：論大中型客戶數(shù)字化授信的可行性 // 054

1.4 大數(shù)據(jù)在審計業(yè) // 057

1.4.1 業(yè)界展望：大數(shù)據(jù)分析如何支撐審計工作 // 057

1.4.2 創(chuàng)新方向：大數(shù)據(jù)能否代替?zhèn)鹘y(tǒng)審計？ // 061

1.5 大數(shù)據(jù)在傳統(tǒng)制造業(yè) // 065

業(yè)界展望：數(shù)字化企業(yè)進階指南 // 066

1.6 大數(shù)據(jù)在互聯(lián)網(wǎng)行業(yè) // 069

創(chuàng)新方向：從滴滴收購優(yōu)步看壟斷企業(yè)的馬太效應(yīng) // 069

1.7 大數(shù)據(jù)在輿情行業(yè) // 076

創(chuàng)新方向：數(shù)據(jù)分析幫你掌握話語權(quán) // 077

1.8 大數(shù)據(jù)在汽車行業(yè) // 086

業(yè)界展望：征服汽車后市場，大數(shù)據(jù)與你同行 // 086

1.9 大數(shù)據(jù)在影視業(yè) // 089

創(chuàng)新方向：星期幾上映的電影最具有票房號召力？ // 090

1.10 大數(shù)據(jù)在環(huán)保產(chǎn)業(yè) // 098

創(chuàng)新方向：北京治霾，能為你做點什么？ // 098

1.11 大數(shù)據(jù)在體育產(chǎn)業(yè) // 104

創(chuàng)新方向：歐洲杯，跟著西班牙隊學(xué)數(shù)據(jù)挖掘！ // 105

小結(jié) // 109

第2章 大數(shù)據(jù)在商業(yè)領(lǐng)域的應(yīng)用 // 111

2.1 推薦算法在傳統(tǒng)銷售渠道中的應(yīng)用模式 // 112

2.2 巧用運籌優(yōu)化，提升整合營銷管理水平 // 116

2.3 關(guān)聯(lián)規(guī)則的應(yīng)用 // 121

2.3.1 小談關(guān)聯(lián)規(guī)則 // 121

2.3.2 購物籃分析：絕不只是啤酒與尿布 // 124

2.3.3 創(chuàng)新方向：靠關(guān)聯(lián)規(guī)則重獲新生的東北小館 // 128

2.4 智能薦食模型：大數(shù)據(jù)告訴你今天吃什么 // 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(wǎng)絡(luò)分析法，助力信貸反欺詐 // 142

2.7 數(shù)據(jù)可視化利器：SAS Visual Analytics // 145

2.7.1 為什么需要數(shù)據(jù)可視化？ // 145

2.7.2 數(shù)據(jù)可視化的幾個常見例子 // 146

2.8 文本挖掘，幫你識別網(wǎng)購評論是真是假 // 151

2.9 路徑優(yōu)化：如何改良快遞送貨路線？ // 156

第3章 數(shù)據(jù)前期準備 // 171

3.1 從抗日武裝的發(fā)展談到數(shù)據(jù)治理 // 172

3.1.1 數(shù)據(jù)質(zhì)量問題 // 173

3.1.2 數(shù)據(jù)應(yīng)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(chǔ)數(shù)據(jù)？ // 182

3.3 如何利用數(shù)據(jù)倉庫優(yōu)化數(shù)據(jù)分析？ // 189

3.4 二分類變量的數(shù)據(jù)缺失插補 // 193

3.5 數(shù)據(jù)離散化，如何避免丟失信息？ // 201

3.6 如何避免數(shù)據(jù)離散化影響自變量的重要性？ // 204

3.7 二分類模型中如何應(yīng)對分類自變量取值過多？ // 206

第4章 技術(shù)案例 // 211

4.1 建模變量太多怎么辦？ // 212

4.2 信用評級模型怎么評估？ // 215

4.3 觀察窗口怎么選？ // 219

4.4 K折交叉驗證怎么做？ // 223

4.5 如何衡量變量之間的相關(guān)性？ // 230

4.6 決策樹算法真的越復(fù)雜越好嗎？ // 235

4.7 如何精選分類模型指標？ // 245

4.8 當數(shù)據(jù)分析遇上超級奶爸 // 250

4.9 深度挖掘，你的工資拖后腿了嗎？ // 253

4.10 用分位數(shù)回歸看你的工資水平 // 258

附錄A 一位數(shù)據(jù)工作者的成長之路 // 265

A.1 數(shù)據(jù)分析師入門攻略 // 266

A.2 如何做一名稱職的數(shù)據(jù)專家？ // 269

A.3 一個數(shù)據(jù)倉庫轉(zhuǎn)型者眼中的數(shù)據(jù)挖掘 // 271

A.4 預(yù)測科學(xué)：三點經(jīng)驗談實際應(yīng)用 // 276

A.5 數(shù)據(jù)模型多了，應(yīng)該怎么管？ // 277

A.6 手握數(shù)據(jù)挖掘模型，你一定要知道怎么用 // 281

A.7 淺談以史為鑒與數(shù)據(jù)分析 // 286

后記 // 297