掃一掃
關(guān)注中圖網(wǎng)
官方微博
>
>>
洞見(jiàn)數(shù)據(jù)價(jià)值-大數(shù)據(jù)挖掘要案紀(jì)實(shí)
包郵 洞見(jiàn)數(shù)據(jù)價(jià)值-大數(shù)據(jù)挖掘要案紀(jì)實(shí)
開(kāi)本：
32開(kāi)
頁(yè)數(shù)：
298
溫馨提示：5折以下圖書(shū)主要為出版社尾貨，大部分為全新（有塑封/無(wú)塑封），個(gè)別圖書(shū)品相8-9成新、切口
有劃線標(biāo)記、光盤(pán)等附件不全詳細(xì)品相說(shuō)明>>
有劃線標(biāo)記、光盤(pán)等附件不全詳細(xì)品相說(shuō)明>>
本類五星書(shū)更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(shū)(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
買過(guò)本商品的人還買了
中圖價(jià):¥25.2
加入購(gòu)物車
洞見(jiàn)數(shù)據(jù)價(jià)值-大數(shù)據(jù)挖掘要案紀(jì)實(shí) 版權(quán)信息
- ISBN：9787302491804
- 條形碼：9787302491804 ; 978-7-302-49180-4
- 裝幀：一般純質(zhì)紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類：>>
洞見(jiàn)數(shù)據(jù)價(jià)值-大數(shù)據(jù)挖掘要案紀(jì)實(shí) 本書(shū)特色
《洞見(jiàn)數(shù)據(jù)價(jià)值：大數(shù)據(jù)挖掘要案紀(jì)實(shí)》是國(guó)際知名咨詢公司畢馬威的大數(shù)據(jù)團(tuán)隊(duì)的集大成之作，內(nèi)容豐富，觀點(diǎn)新穎，貼近大眾生活、工作與學(xué)習(xí)實(shí)際場(chǎng)景，內(nèi)容不拘泥于技術(shù)闡釋，通過(guò)寓教于樂(lè)的方式，以豐富翔實(shí)的案例來(lái)解析大數(shù)據(jù)挖掘，盡量通過(guò)常見(jiàn)的場(chǎng)景來(lái)闡述數(shù)據(jù)的價(jià)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(jì)、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(gè)領(lǐng)域的應(yīng)用方案和前景。第2章重點(diǎn)介紹大數(shù)據(jù)分析在商業(yè)工作和營(yíng)銷推廣中的作用。第3章介紹大數(shù)據(jù)挖掘過(guò)程中涉及的數(shù)據(jù)的前期準(zhǔn)備工作，重點(diǎn)介紹數(shù)據(jù)準(zhǔn)備工作的要點(diǎn)和訣竅。第4章結(jié)合業(yè)務(wù)、生活、娛樂(lè)，寓教于樂(lè)，介紹大數(shù)據(jù)的實(shí)際應(yīng)用方式。附錄部分介紹一位數(shù)據(jù)工作者的成長(zhǎng)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(jiàn)數(shù)據(jù)價(jià)值：大數(shù)據(jù)挖掘要案紀(jì)實(shí)》可作為企業(yè)管理人員、營(yíng)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(jià)值的指引，同時(shí)，《洞見(jiàn)數(shù)據(jù)價(jià)值：大數(shù)據(jù)挖掘要案紀(jì)實(shí)》也可供統(tǒng)計(jì)學(xué)、應(yīng)用數(shù)學(xué)及計(jì)算機(jī)專業(yè)學(xué)者和研究人員參考學(xué)習(xí)。
洞見(jiàn)數(shù)據(jù)價(jià)值-大數(shù)據(jù)挖掘要案紀(jì)實(shí) 內(nèi)容簡(jiǎn)介
畢馬威亞太區(qū)及中國(guó)主席陶匡淳先生傾情作序推薦，畢馬威中國(guó)大數(shù)據(jù)團(tuán)隊(duì)傾力打造，全面闡述大數(shù)據(jù)在各行各業(yè)的價(jià)值
洞見(jiàn)數(shù)據(jù)價(jià)值-大數(shù)據(jù)挖掘要案紀(jì)實(shí) 目錄
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(huì)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(lái)的核心動(dòng)力 // 029
1.2.2 創(chuàng)新方向：大數(shù)據(jù)助力銀行網(wǎng)點(diǎn)實(shí)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(píng)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(gè)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(jì)業(yè) // 057
1.4.1 業(yè)界展望：大數(shù)據(jù)分析如何支撐審計(jì)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(jì)？ // 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(jìn)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(gòu)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(yǔ)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(chǎng)，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*具有票房號(hào)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(diǎn)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(duì)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(yùn)籌優(yōu)化，提升整合營(yíng)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(gòu)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(shí)空模型：其實(shí)天下沒(méi)有免費(fèi)的 WiFi // 138
2.5.1 無(wú)處不在的免費(fèi) WiFi
// 138
2.5.2 顧客時(shí)空模型 // 139
2.5.3 進(jìn)一步挖掘 // 141
2.6 社會(huì)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(gè)常見(jiàn)例子
// 146
2.8 文本挖掘，幫你識(shí)別網(wǎng)購(gòu)評(píng)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(zhǔn)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(wèn)題 // 173
3.1.2 數(shù)據(jù)應(yīng)用問(wèn)題 // 174
3.1.3 實(shí)施策略和路徑問(wèn)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(cāng)庫(kù)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(bǔ) //
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(duì)分類自變量取值過(guò)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(píng)級(jí)模型怎么評(píng)估？ //
215
4.3 觀察窗口怎么選？ // 219
4.4 K折交叉驗(yàn)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(shù)算法真的越復(fù)雜越好嗎？
// 235
4.7 如何精選分類模型指標(biāo)？ //
245
4.8 當(dāng)數(shù)據(jù)分析遇上超級(jí)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(zhǎng)之路 //
265
A.1 數(shù)據(jù)分析師入門(mén)攻略 //
266
A.2 如何做一名“稱職”的數(shù)據(jù)專家？ // 269
A.3 一個(gè)數(shù)據(jù)倉(cāng)庫(kù)轉(zhuǎn)型者眼中的數(shù)據(jù)挖掘 // 271
A.4 預(yù)測(cè)科學(xué)：三點(diǎn)經(jīng)驗(yàn)談實(shí)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
展開(kāi)全部
洞見(jiàn)數(shù)據(jù)價(jià)值-大數(shù)據(jù)挖掘要案紀(jì)實(shí) 作者簡(jiǎn)介
畢馬威中國(guó)大數(shù)據(jù)團(tuán)隊(duì)，一個(gè)專注于大數(shù)據(jù)及數(shù)據(jù)挖掘的專業(yè)團(tuán)隊(duì)，堅(jiān)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(xiǎn)公司、老牌企業(yè)等重要客戶利用大數(shù)據(jù)創(chuàng)造價(jià)值。團(tuán)隊(duì)中既有資深的數(shù)據(jù)科學(xué)家、統(tǒng)計(jì)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(tuán)隊(duì)持續(xù)分享結(jié)合實(shí)際業(yè)務(wù)的精品大數(shù)據(jù)內(nèi)容，幫助眾多讀者實(shí)踐大數(shù)據(jù)挖掘。
書(shū)友推薦
- >
姑媽的寶刀
- >
中國(guó)歷史的瞬間
- >
小考拉的故事-套裝共3冊(cè)
- >
龍榆生：詞曲概論/大家小書(shū)
- >
山海經(jīng)
- >
新文學(xué)天穹兩巨星--魯迅與胡適/紅燭學(xué)術(shù)叢書(shū)(紅燭學(xué)術(shù)叢書(shū))
- >
朝聞道
- >
羅曼·羅蘭讀書(shū)隨筆-精裝
本類暢銷
