大数据正在改变我们的世界。互联网发展以及移动通信市场和相关技术的迅速扩张业已创建大量的数据，包括结构化数据和非结构化数据。数据可用性和数据应用对商业和更广泛的社会领域带来了巨大影响。有效使用大数据有助于公司更精准地对重要信息进行分析，最终提高运营效率、减少成本、降低风险、加快创新、增加收入。本书详细介绍了大数据策略的规划和执行，配以10个不同行业里不计其数的现实案例加以阐述。你将了解大数据的概念以及如何运用大数据——从计算投资回报率和促成商业案例到整体开发和具体项目的大数据策略。每一章都会解答关键问题，并给出你需要掌握的技能，以确保大数据项目成功。想要将大数据为自己和公司所用，请阅读这本《大数据策略如何成功使用大数据与10个行业案例分享》。

大数据时代策略就是一切
　　分析工具会随着时间的推移而老化
　　但大数据策略将胜出
　　知己知彼百战不殆
　　从了解各个行业案例开始
　　大数据是每个高管都愿意挂在嘴边的流行语
　　却几乎无人知晓如何成功地应用大数据
　　本书中可以找到答案！
　　如果没有强有力的数据策略，即便存储大量的数据或使用各种大数据工具，也无法帮助我们得到最终的分析结果

当下有关大数据的讨论、文章和会议演讲中，始终有一个悬而未决的问题：到底可以用大数据做什么？当然，给出的回答通常非常概括，字眼含义往往含糊不清。很少有人阐明大数据的来源，更不用说大数据应用了。相关问题的答案更是少见，比如从如何计算大数据项目的投资回报率(ROI)，将大数据化为实际收益到如何开发一个成功的策略和最终如何运用分析来改变整个组织和行业。本书将回答目前有关大数据的最紧迫的以及更高层次的问题。 
　　本书读者对象 
　　本书的读者对象是那些对大数据实际应用而非技术细节更感兴趣的人。无论你是独自经营公司还是跨国运营企业，都会在本书中找到切实可行的建议：何时以何种方式利用大数据为所在机构赢得最理想的效果。无论是数据科学家、部门主管、律师、小企业主、非营利机构负责人，还是企业高管或董事会成员，本书都可以帮助他们将大数据技术应用于工作中，进行辅助决策。 
　　此外，书中用大量篇幅描述了具体行业的大数据实际应用案例，用以指导不同行业和企业大数据的有效利用和潜在应用。不同的章节将针对10个不同行业有更详细的论述。本书将具体讨论大数据在包括政府、国防和情报、安全、医疗保健、小企业和农场、交通运输、能源、零售、银行保险及制造业等部门或领域的案例、策略、潜在因素和新兴趋势。然而，仅仅阅读论述所在行业的章节是不够的。不久的将来，大数据对其他行业的变化也将对你自身所处行业的未来发展产生影响。 
　　如果说到大数据的发展方向的话，那便是催生变革，促进行业发展进程全面转折。事实上，大数据正在促进整个产业的融合，可以说，跨行业融合正在以前所未有的态势高速发展。因此，有必要关注那些与所在行业正在融合的产业，关注哪类客户正在减少或完全取消所提供的服务。在这方面，本书极有可能带给你更多惊喜。

　　帕姆·贝克(Pam Baker)是一位著名的商业分析师、科技自由撰稿人，以及在线出版刊物和电子杂志FierceBigData的编辑。她著作等身，文章经常刊登在不同的出版物上，包括《机构投资者》(Institutional Investor)杂志、CIO(印刷版)等。她以前曾担任总部设在伦敦的VisionGain Research公司的签约分析师。她实践并撰写了几个知名的市场技术研究。她曾任研究员、作家以及总部设在纽约的市场研究公司ABI Research的执行主编。 


　　鲍勃·格雷(Bob Gourley)是CTOvision.com网站的主编，也是技术研究和顾问公司Crucial Point LLC的创始人和首席技术官。他以前曾在美国国防部计算机网络防御联合特遣部队JTF-CND担任任情报总监和国防情报局首席技术官。格雷发表了40多篇文章，涉及主题广泛，他也是Threats in the Age of Obama一书的特约作者。他的博客CTOvision被WashingtonTech网站评为美国技术类博客之一。 

第1章 何为真正的大数据 1 
1.1 技术层面的定义 1 
1.2 为什么数据规模无关紧要 4 
1.3 大数据对管理层意味着什么 4 
1.3.1 “大数据是万能的” 4 
1.3.2 “数据只是另一种电子表格” 5 
1.4 大数据的执行方式 5 
1.5 小结 10 
第2章 如何制定成功的大数据策略 11 
2.1 转不出的死命循环 11 
2.2 如何解开“谁是第一次”这个难题 13 
2.2.1 改变大数据视角 13 
2.2.2 用户认知与数据采集 13 
2.2.3 Facebook预测性分析的现实 14 
2.2.4 Facebook数据收集走得更远 15 
2.2.5 使用Facebook坦诚认知大数据发展潜力 16 
2.2.6 专业认知与大数据现实 16 
2.2.7 从感知到认知偏差 17 
2.2.8 寻找大数据占卜师 17 
2.3 下一步：拥抱无知 19 
2.4 始于何处 19 
2.4.1 在结束时开始 20 
2.4.2 当行动变为无为时 21 
2.5 确认目标，瞄准目标 22 
2.6 如何获得最佳实践方法，让落后观念远离前进的道路 24 
2.6.1 解决人们对大数据的恐慌 24 
2.6.2 终结未知的恐惧 24 
2.6.3 接受改变，融入改变 25 
2.6.4 机器统治并不确定，人类仍然起作用 26 
2.6.5 接触少数固执的人 26 
2.7 回答没人提出的问题 26 
2.7.1 持续询问可能性 27 
2.7.2 寻找最终目标 27 
2.8 与解说团队交叉合作 28 
2.8.1 为团队增加业务分析师和关键终端用户 28 
2.8.2 为收集和管理数据增加首席数据官 29 
2.9 小处着手、逐步发展并扩张 30 
2.10 原型和迭代策略 31 
2.11 谈谈向数据策略中添加预测分析 31 
2.12 民主化数据，但预计几乎无人使用(目前) 31 
2.13 策略就是一个活的文档；充实它、滋养它 32 
2.14 小结 32 
第3章 提出“正确”的问题 33 
3.1 协作努力，提出问题 34 
3.2 魔法8号球效应 35 
3.3 用数学软件来分析现实问题 36 
3.4 “正确”问题的清单 36 
3.5 小结 36 
第4章 选择“正确”数据源的方法 37 
4.1 需要更多的数据源(数据类型)而非数据本身(数据容量) 37 
4.2 为什么无论数据规模多大，生成的数据量都会不足且永远不足 38 
4.3 数据囤积与先捉再放 38 
4.4 不可思议的大数据案例：购买尿布的狗主人 39 
4.5 升级事务性数据的价值 39 
4.6 社交媒体数据分析的局限性 40 
4.7 大数据买卖的货币价值 40 
4.8 利用黑客技术赚钱碰到麻烦 41 
4.9 评估数据源 42 
4.10 过时的模型招致竞争对手 42 
4.11 购买数据时的考量 43 
4.12 确定所需的外围数据 43 
4.13 谈谈结构化与非结构化数据 44 
4.14 防止人为偏见对数据选择的影响 46 
4.15 数据孤岛的危险 46 
4.16 使用所需数据源的必要步骤 47 
4.17 小结 48 
第5章 解答大数据问题如同玩魔方 49 
5.1 可行性数据的概念 49 
5.2 描述性、预测性和规范性数据分析类型的差异 51 
5.2.1 描述性数据分析 52 
5.2.2 预测性数据分析 53 
5.2.3 规范性数据分析 53 
5.3 已有明确答案的问题 54 
5.4 解释会导致更多的问题 55 
5.5 需要解读的问题——魔方 55 
5.6 小结 57 
第6章 实时分析在动态化策略中的作用 59 
6.1 检查实时错觉和时间胶囊 60 
6.2 静态策略与动态策略 61 
6.3 谈谈转向动态策略的变革管理 62 
6.4 选择分析方式 62 
6.5 利用专家经验，加速数据分析 65 
6.6 实时分析来得太迟时该怎么办 66 
6.7 小结 66 
第7章 大数据的价值主张和货币化 67 
7.1 确定未知领域的投资回报率(ROI) 67 
7.2 滥发的货币和模糊的投资回报率 69 
7.3 成本核算的困惑 70 
7.4 成本不是问题 71 
7.5 先考虑大数据项目再谈商业案例 71 
7.6 计算实际成本 72 
7.7 价值所在 73 
7.7.1 从技术角度看待商业案例 73 
7.7.2 从非技术角度看待商业案例 74 
7.8 项目回报率的计算公式 74 
7.9 重要问题：是否应该出售数据 76 
7.9.1 销售数据解析 77 
7.9.2 物以稀为贵 77 
7.10 小结 78 
第8章 协同经济的兴起和盈利方式 79 
8.1 数据等于知识和财富 79 
8.2 大数据带来的最大冲击：颠覆原有模式 80 
8.2.1 分享经济 82 
8.2.2 创客运动 83 
8.2.3 合作创新 84 
8.3 新模式在新协同经济中兴起 85 
8.4 强调流畅性，摒弃灵活度 87 
8.5 应用大数据制定战略新模式 89 
8.6 小结 90 
第9章 隐私难题 91 
9.1 真相揭开的那天预示着个人隐私神话的失败 92 
9.1.1 危险汇总 94 
9.1.2 可在世界各地接听的手机通话 94 
9.1.3 公民和退伍军人的数据如何帮助其他国家策划袭击 96 
9.1.4 数据扩散逐步升级 97 
9.1.5 为个人隐私画一条底线 98 
9.1.6 企业的隐私难题 101 
9.2 数据收集中的4大转变 102 
9.2.1 数据入侵性改变 103 
9.2.2 数据多样性的改变 104 
9.2.3 数据整合性的改变 105 
9.2.4 数据作用范围的改变 105 
9.3 必须质疑的商业问题 110 
9.4 谁是真正的数据拥有者 110 
9.5 当前法律和措施在设定先例中的作用 111 
9.6 授权允许的误区 113 
9.7 个人价值与混合数据 113 
9.8 匿名数据的误区 114 
9.9 个人隐私与个人利益之间的平衡 115 
9.10 数据收集何时会使你或你的公司承担责任 115 
9.11 商业价值的透明度 117 
9.12 数据从业人员必须铭记的事实 118 
9.13 小结 118 
第10章 国防情报部门中的用例 119 
10.1 态势感知和可视化 120 
10.2 信息相关性问题处理(“了解情况”问题) 121 
10.3 海量数据中信息搜索和发现(“海底捞针”问题) 124 
10.4 企业网络安全数据管理 127 
10.5 后勤信息(包括粗放型/动态性企业资产目录) 127 
10.6 加强卫生保健 127 
10.7 开源信息 129 
10.8 内存数据的现代化 130 
10.9 企业数据中心 130 
10.10 武器装备与战争中的大数据用例 130 
10.11 小结 131 
第11章 政府大数据管理用例 133 
11.1 大数据趋势对政府数据的影响 134 
11.2 联合国“全球脉动”计划用例 135 
11.3 联邦政府(非国防部或情报界)用例 137 
11.4 州政府用例 139 
11.5 当地政府用例 142 
11.6 法律实施用例 144 
11.7 小结 145 
第12章 安全行业用例 147 
12.1 一切都在互联网上 147 
12.2 亦敌亦友的数据 148 
12.3 防病毒/反恶意软件用例 149 
12.4 目标如何击中要害 151 
12.5 虚拟和现实世界的碰撞 156 
12.6 纷乱的机器数据 157 
12.6.1 农民面临的信息安全困境 157 
12.6.2 物联网中农民面临的安全困境周而复始 158 
12.7 当前和未来信息安全分析法 159 
12.8 小结 162 
第13章 医疗保健领域用例 163 
13.1 解决抗生素危机 163 
13.2 使用大数据治病 165 
13.3 从谷歌到疾病预防控制中心 165 
13.3.1 美国疾病预防控制中心(CDC)的糖尿病交互图谱 168 
13.3.2 项目数据领域 171 
13.3.3 赛智生物网络 172 
13.4 另一方：生物黑客 173 
13.5 电子健康记录(EHR)、电子病历(EMR)和大数据 175 
13.6 公布医疗保健数据 176 
13.7 小结 179 
第14章 小企业和农场用例 181 
14.1 大数据适用于小企业 181 
14.2 炒作和真实世界局限性之间的界限 182 
14.3 为工作选择合适的工具 182 
14.4 可能会使用的外部数据源示例 187 
14.5 给使用共用或共享数据农民的一句忠告 192 
14.5.1 说法一：数据属于农民 193 
14.5.2 说法二：数据只用于“帮助”农民从农场中更加受益 194 
14.5.3 说法三：农民的数据将会保密 194 
14.6 钱、钱、钱：大数据扩大借贷能力的方式 195 
14.6.1 PayPal信贷 196 
14.6.2 亚马逊资本服务 196 
14.6.3 数据驱动型贷款公司Kabbage 197 
14.7 小结 197 
第15章 交通运输中的用例 199 
15.1 加速发展大数据赚取利润 199 
15.1.1 美中不足的事 200 
15.1.2 依靠数据获胜不会长久 201 
15.1.3 火车、飞机和船舶中的数据使用 201 
15.2 车联网：很可能不是你以为的那样 203 
15.2.1 数据引导创新和自动化 206 
15.2.2 智能城市的崛起 206 
15.2.3 正在发生的交通创新实例 207 
15.3 数据和无人驾驶汽车 208 
15.4 互联的基础设施 210 
15.5 汽车保险品牌数据收集设备 212 
15.6 交通领域无法预料的数据可靠性 214 
15.7 小结 215 
第16章 能源领域中的用例 217 
16.1 关于能源神话和假设的大数据 217 
16.2 美国能源信息署(EIA)能源数据存储库 219 
16.3 EIA能源数据表格浏览器 220 
16.4 失踪的智能电表数据 222 
16.5 EIA的API和数据集 222 
16.6 国际意义与合作 223 
16.7 公私合作下的能源数据变革 224 
16.8 公用事业用例 225 
16.9 小结 227 
第17章 零售业大数据用例 229 
17.1 在大数据中重新运用老战术 229 
17.1.1 零售业没搞砸，对象客户发生了变化 231 
17.1.2 品牌叛变和恶魔客户 231 
17.1.3 客户体验又成为一个问题 232 
17.1.4 大数据与恶魔客户复兴 232 
17.2 零售业与大数据博弈的原因 234 
17.3 大数据帮助零售业的方式 234 
17.3.1 产品选择和定价 235 
17.3.2 当前市场分析 236 
17.3.3 利用大数据开发新的定价模式 236 
17.3.4 寻找更好的方法获取更多、更好和更清洁的客户数据 237 
17.3.5 研究和预测客户接受度和反应 237 
17.3.6 预测并规划应对更广泛的市场发展趋势 241 
17.4 预测零售业未来 243 
17.5 小结 244 
第18章 银行和金融服务业用例 245 
18.1 定义问题 245 
18.2 银行和贷款机构的用例 246 
18.3 大数据如何在借贷领域点燃新竞争 248 
18.4 新型可选择贷款方式 248 
18.4.1 贝宝(PayPal)贷款项目 248 
18.4.2 人人贷和贷款俱乐部 249 
18.5 零售商与银行的较量；信用卡品牌规避银行 250 
18.6 征信局所面临的大数据问题 250 
18.7 谈谈保险公司 252 
18.8 小结 254 
第19章 制造业用例 255 
19.1 经济形式与机会展望 256 
19.2 制造业的十字路口 258 
19.3 3D打印与大数据的相交点 260 
19.4 3D打印是如何影响制造业并扰乱客户的 261 
19.4.1 盈创公司一天打印10所住宅 261 
19.4.2 3D打印的景观别墅 262 
19.4.3 3D打印的傍水小宅 263 
19.4.4 3D家庭打印对制造业的影响 263 
19.5 增材制造的转变将是巨大的，并会波及所有部门 263 
19.6 个性化制造将如何改变一切，甚至创造更多的大数据 265 
19.7 制造业内部新数据源涌出 266 
19.8 此行业的用例 267 
19.9 小结 267 
第20章 下放权力 269 
20.1 数据民主化 269 
20.2 4步措施 270 
20.3 其他4步 272 
20.4 小结 273 
第21章 摘要 275 
21.1 何为真正的大数据 275 
21.2 如何制定成功的大数据策略 276 
21.3 提出“正确”的问题 276 
21.4 选择“正确”数据源的方法 277 
21.5 解答大数据问题如同玩魔方 277 
21.6 实时分析在动态化策略中的作用 278 
21.7 大数据的价值主张和货币化 279 
21.8 协同经济的兴起和盈利方式 279 
21.9 隐私难题 280 
21.10 政府大数据管理用例 280 
21.11 国防情报部门中的用例 281 
21.12 安全行业用例 282 
21.13 医疗保健领域用例 282 
21.14 小企业和农场用例 283 
21.15 能源领域中的用例 284 
21.16 交通运输中的用例 285 
21.17 零售业大数据用例 286 
21.18 银行和金融服务业用例 287 
21.19 制造业用例 288 
21.20 下放权力 289