《大数据分析：决胜互联网金融时代》第1章主要介绍了大数据分析的定义和由来、大数据的重要性，以及大数据时代的历史背景和发展趋势。第2章通过对成功企业领导者的采访，详细介绍了大数据分析在信息、金融、传媒、医疗等领域的使用案例，并通过这些案例帮助读者了解如何将大数据分析方法应用到商业活动中。第3章详细介绍了大数据分析采用的一系列技术手段及案例，并指出大数据技术应用到实际生活中的一些关键问题。第4章介绍了承载大数据应用的计算、存储等底层基础设施的关键技术，并讨论了大数据计算的瓶颈及近年来涌现出的新技术。第5章详细介绍了在大数据时代商业分析的方法及涉及的关键技能，以及如何对分析结果进行归纳总结，并最终对企业的决策产生影响。第6章主要介绍了数据科学家的定义，以及数据科学和决策科学人才培养的方法论。第7章讨论了涉及数据隐私及数据安全的相关问题。
《大数据分析：决胜互联网金融时代》可供企业经理和管理人员阅读，通过本书可以使他们学习如何最有效地利用信息资源。大数据领域的相关从业者通过本书可以了解如何在大数据方向进行成功的实践。由于《大数据分析：决胜互联网金融时代》在艰深的战略理论和通俗易懂的示例之间做到了平衡，对技术性很强的话题，通过故事、比喻和类比的方式使读者更容易理解和接受，因此对大数据领域感兴趣的读者也可进行阅读。
O’Reilly 媒体 总经理 Jim Stogdill 倾情作序推荐
IBM研究院首席科学家 Jeff Jonas
美国家得宝公司主席及CEO Frank Blake
美国凯悦酒店首席信息官 Mike Blake
美国职业棒球大联盟媒体公司首席技术官 Joe Choti
Kaggle公司创始人及CEO Anthony Goldbloom
佩斯大学客户智能硕士工程创始人之一 Tony Branda
联袂诚意推荐
大数据分析的时代来临了，这将是一场真正的变革。《大数据分析：决胜互联网金融时代》着眼于一些利用令人兴奋的大数据思路支持业务分析的新一代新锐企业。这是一个真正的飞跃，也是一个能实现在效率、生产力、收入和盈利能力等方面产生巨大收益的良机。
《大数据分析：决胜互联网金融时代》为企业经理和管理人员所写，使他们可以最有效地利用信息资源。本书在艰深的战略理论和通俗易懂的示例之间做到平衡，对技术性很强的话题，通过故事、比喻和类比的方式使读者更容易理解和接受。作者是一位决策科学家和分析专家，通过行业的具体例子来描述大数据相关的技术，并说明大数据的价值。在介绍了大数据领域有成功实践的个人和公司之后，《大数据分析：决胜互联网金融时代》还深入研究了要在大数据领域取得成功所需要的组织和角色的构成。
迈克尔?梅内里（Michael Minelli）是一个市场和销售专家，在商业分析解决方案领域有16年的经验。他是销售和全球联盟的副总裁，万事达卡公司的信息服务顾问。
米歇尔?钱伯斯（Michele Chambers）拥有诺瓦东南大学的计算机工程学士学位和杜克大学的MBA学位。她是一位有25年技术经验的创业高管。钱伯斯女士曾经是负责IBM公司大数据分析的副总裁。
安碧嘉?帝拉吉（Ambiga Dhiraj）是Mu Sigma公司客户交付部的经理，Mu Sigma是决策科学和分析解决方案的首席供应商。
目 录
第1章 什么是大数据，它为什么重要？ 1
1.1 创业的大洪水
1.2 大数据不仅仅是“大”
1.3 为什么是现在？
1.4 关键技术的融合
1.5 相对而言……
1.6 更丰富多样的数据
1.7 非结构化数据域的扩张
1.8 高层的声音
参考文献
第2章 大数据的工业实例 19
2.1 数字营销和离线世界
2.2 数据库营销，大数据的先驱
2.3 大数据和市场营销的新技能
2.4 欺诈和大数据
2.5 风险和大数据
2.6 信用卡风险管理
2.7 大数据和算法交易
2.8 大数据在健康医疗领域的应用
2.9 医药领域的前沿先锋
2.10 广告和大数据：从莎草纸到受众识别
2.11 从消费类产品作为入口
参考文献
第3章 大数据技术 59
3.1 房间里的大象：Hadoop并行计算世界
3.2 新旧技术对比
3.3 数据发现：沿着人类思维方式而工作
3.4 大数据分析的开源技术
3.5 云计算和大数据
3.6 预测分析崭露头角
3.7 软件即服务(SaaS)BI
3.8 移动商业智能将成为主流
3.9 众包分析
3.10 防火墙外部分析及跨防火墙分析
3.11 R&D方法帮助吸取新技术
3.12 大数据技术术语
3.13 二进制数据
参考文献
第4章 信息管理 87
4.1 大数据基础
4.2 大数据计算平台
4.3 大数据计算
4.4 更多关于大数据存储
4.5 大数据计算的局限性
4.6 大数据的新兴技术
第5章 商业分析 97
5.1 大数据分析的“最后一英里”
5.2 智能地理信息会让你的生活更美好
5.3 听：是信号还是噪声？
5.4 数据分析的实际使用
5.5 从生产到消费
5.6 可视化：如何将数据分析变得可用？
5.7 组织使用数据可视化作为采取即时行动的方法
5.8 从数据采样到数据分析
5.9 跳到盒子外思索
5.10 360°建模
5.11 速度需求
5.12 让我们变得具有竞争性
5.13 什么技术是有效的？
5.14 数据分析已经超越工具本身，并升级为大数据分析应用程序
参考文献
第6章 大数据行业角色 125
6.1 数据科学家的兴起
6.2 深度使用数学、科学以及计算机科学
6.3 10/90原则和批判性思考
6.4 分析师人才和行政支持
6.5 发展决策科学人才
6.6 数据分析的全局视图
6.7 培养决策科学人才
6.8 创建培养决策科学人才的文化
6.9 建立正确的组织结构进行有组织的分析
第7章 数据隐私与伦理 147
7.1 隐私涉及的主要领域
7.2 大数据抓取不是新鲜事
7.3 偏好、个性及关系
7.4 权利与义务
7.5 良心与责任意识
7.6 隐私可能是错误的焦点
7.7 数据可以匿名吗？
7.8 用户数据在情报安全部门的平衡
7.9 现在该做些什么？
参考文献
结语 165
推荐资源 171
译者后记 175
新书资讯