本書共分為15章，具體內(nèi)容包括入門：大數(shù)據(jù)的基本概念；價值：大數(shù)據(jù)商業(yè)變革；架構(gòu)：大數(shù)據(jù)基礎(chǔ)設(shè)施；掌握：數(shù)據(jù)管理與挖掘；管理：用數(shù)據(jù)洞察一切；安全：擺脫大數(shù)據(jù)風(fēng)險；平臺：信息通信大數(shù)據(jù)；醫(yī)療：數(shù)據(jù)解決大難題；網(wǎng)絡(luò)：抓牢數(shù)據(jù)發(fā)源地；零售：打響大數(shù)據(jù)之戰(zhàn)；制造：更快更好地生產(chǎn)；餐飲：精準(zhǔn)營銷的數(shù)據(jù)；金融：大數(shù)據(jù)理財(cái)時代；交通：暢通無阻的數(shù)據(jù)；社會：用數(shù)據(jù)改變生活�！ �120個精彩應(yīng)用案例，圖片精美，闡述細(xì)致，在學(xué)習(xí)中找到賺錢商機(jī)，從入門到精通大數(shù)據(jù)！一本在手，輕松玩轉(zhuǎn)大數(shù)據(jù)，掌握應(yīng)用與營銷，實(shí)現(xiàn)從海量到精準(zhǔn)，從新手成為大數(shù)據(jù)應(yīng)用高手！ 本書主要有兩個特色：一是容易懂，讓抽象的大數(shù)據(jù)落地到具體行業(yè)上；二是接地氣，將宏觀的大數(shù)據(jù)與現(xiàn)實(shí)相結(jié)合，講解詳細(xì)，實(shí)用性強(qiáng)�！ ”緯�(xì)節(jié)特色：12大行業(yè)領(lǐng)域應(yīng)用＋15章大數(shù)據(jù)專題精講＋110多個經(jīng)典專家提醒＋120個大數(shù)據(jù)應(yīng)用案例＋150多張圖片全程圖解，幫助讀者在最短的時間內(nèi)掌控大數(shù)據(jù)的秘密�！ ∵m合閱讀本書的讀者：對數(shù)據(jù)、數(shù)據(jù)挖掘、數(shù)據(jù)分析感興趣的IT技術(shù)人員和決策者，以及實(shí)業(yè)家、企業(yè)高管、營銷人員、政府媒體工作人員、創(chuàng)業(yè)者、想創(chuàng)業(yè)的人和相關(guān)專業(yè)的學(xué)生等。
作者簡介：
本書作者浸諳互聯(lián)網(wǎng)多年，屬于第一代網(wǎng)迷網(wǎng)蟲，做過職業(yè)程序員、數(shù)據(jù)分析師，擁有10年以上數(shù)據(jù)分析、挖掘經(jīng)驗(yàn)，對商業(yè)數(shù)據(jù)敏感，能夠通過建模深入挖掘用戶或產(chǎn)品方面的有價值的信息，持續(xù)地改進(jìn)完善數(shù)據(jù)采集、處理、分析、報(bào)告等各個流程上的工作，熟悉hadoop、hive等數(shù)據(jù)分析工具及Oracle等主流數(shù)據(jù)庫，能夠?qū)Υ髷?shù)據(jù)條件下的消費(fèi)者行為分析，并進(jìn)行數(shù)據(jù)建模，實(shí)施結(jié)構(gòu)化數(shù)據(jù)的管理。
目錄：
第1章入門：大數(shù)據(jù)的基本概念3
1.1初步認(rèn)識，大數(shù)據(jù)究竟是什么4
1.1.1大數(shù)據(jù)基本定義6
1.1.2大數(shù)據(jù)結(jié)構(gòu)特征8
1.1.3大數(shù)據(jù)與云計(jì)算10
1.1.4大數(shù)據(jù)規(guī)模預(yù)測10
1.1.5大數(shù)據(jù)的發(fā)展史11
1.1.6大數(shù)據(jù)技術(shù)架構(gòu)12
1.1.7大數(shù)據(jù)重要的理由14
1.1.8大數(shù)據(jù)的解決方案16
1.2預(yù)測未來，大數(shù)據(jù)的發(fā)展趨勢16
1.2.1大數(shù)據(jù)撬動全世界17
1.2.2大數(shù)據(jù)是大勢所趨18
1.2.3大數(shù)據(jù)將成為資產(chǎn)19
1.2.4大數(shù)據(jù)時代的轉(zhuǎn)變20第1章入門：大數(shù)據(jù)的基本概念 3
1.1 初步認(rèn)識，大數(shù)據(jù)究竟是什么 4
1.1.1 大數(shù)據(jù)基本定義 6
1.1.2 大數(shù)據(jù)結(jié)構(gòu)特征 8
1.1.3 大數(shù)據(jù)與云計(jì)算 10
1.1.4 大數(shù)據(jù)規(guī)模預(yù)測 10
1.1.5 大數(shù)據(jù)的發(fā)展史 11
1.1.6 大數(shù)據(jù)技術(shù)架構(gòu) 12
1.1.7 大數(shù)據(jù)重要的理由 14
1.1.8 大數(shù)據(jù)的解決方案 16
1.2 預(yù)測未來，大數(shù)據(jù)的發(fā)展趨勢 16
1.2.1 大數(shù)據(jù)撬動全世界 17
1.2.2 大數(shù)據(jù)是大勢所趨 18
1.2.3 大數(shù)據(jù)將成為資產(chǎn) 19
1.2.4 大數(shù)據(jù)時代的轉(zhuǎn)變 20
1.2.5 大數(shù)據(jù)的發(fā)展動力 22
1.2.6 展望2014的大數(shù)據(jù) 23
1.3 做好準(zhǔn)備，大數(shù)據(jù)面對的挑戰(zhàn) 24
1.3.1 大數(shù)據(jù)的12個不足之處 25
1.3.2 大數(shù)據(jù)挑戰(zhàn)的應(yīng)對策略 26
第2章價值：大數(shù)據(jù)商業(yè)變革 29
2.1 深度挖掘，大數(shù)據(jù)的商業(yè)機(jī)遇 30
2.1.1 挖掘大數(shù)據(jù)的商業(yè)價值 30
2.1.2 大數(shù)據(jù)已進(jìn)入4G時代 31
2.1.3 實(shí)現(xiàn)商業(yè)價值的新捷徑 33
2.1.4 挖掘大數(shù)據(jù)的商業(yè)機(jī)會 34
2.1.5 用大數(shù)據(jù)預(yù)測宏觀經(jīng)濟(jì) 35
2.1.6 企業(yè)用大數(shù)據(jù)獲取優(yōu)勢 36
2.1.7 大數(shù)據(jù)有待更深的挖掘 37
2.2 體現(xiàn)價值，大數(shù)據(jù)的4大變革 38
2.2.1 變革醫(yī)療衛(wèi)生 38
2.2.2 帶來商業(yè)革命 39
2.2.3 改變?nèi)藗兯季S 40
2.2.4 開啟時代轉(zhuǎn)型 40
2.3 價值轉(zhuǎn)型，大數(shù)據(jù)下的商業(yè)智能 41
2.3.1 大數(shù)據(jù)為商業(yè)智能構(gòu)建基礎(chǔ) 41
2.3.2 OracleBIEE商業(yè)智能系統(tǒng) 42
2.3.3 商業(yè)智能成就行業(yè)價值機(jī)會 43
2.3.4 BI導(dǎo)出商業(yè)潛能和社會走向 43
2.3.5 商業(yè)智能的6大發(fā)展前景 44
2.4 大數(shù)據(jù)商業(yè)變革應(yīng)用案例 45
2.4.1 【案例】大數(shù)據(jù)助力地產(chǎn)行業(yè) 45
2.4.2 【案例】大數(shù)據(jù)預(yù)測機(jī)票價格 46
2.4.3 【案例】用大數(shù)據(jù)增強(qiáng)競爭力 47
2.4.4 【案例】大數(shù)據(jù)助力企業(yè)管理 48
2.4.5 【案例】沃森人工智能計(jì)算機(jī) 49
第3章架構(gòu)：大數(shù)據(jù)基礎(chǔ)設(shè)施 51
3.1 探索全球，10大大數(shù)據(jù)部署方案 52
3.1.1 Netflix：掌握視頻大數(shù)據(jù)煉金術(shù) 52
3.1.2 家譜網(wǎng)：建立更準(zhǔn)確的血緣關(guān)系 53
3.1.3 西奈山：更深刻地理解數(shù)據(jù)形態(tài) 55
3.1.4 CAIISO：實(shí)現(xiàn)電廠電網(wǎng)的智能化 56
3.1.5 HydroOne：把大數(shù)據(jù)放地圖上 57
3.1.6 OHSU：結(jié)合數(shù)據(jù)虛擬化技術(shù) 58
3.1.7 VTN：公共設(shè)施的實(shí)時3D模型 59
3.1.8 戴德縣：實(shí)現(xiàn)大型城市的智能化 60
3.1.9 澳網(wǎng)：利用大數(shù)據(jù)分析做出決策 61
3.1.10 DPR：結(jié)合3D技術(shù)與大數(shù)據(jù) 63
3.2 掘金紅海，10大大數(shù)據(jù)分析平臺 63
3.2.1 IBM：大數(shù)據(jù)領(lǐng)域的傳統(tǒng)巨頭 64
3.2.2 亞馬遜：完美結(jié)合大數(shù)據(jù)與云 65
3.2.3 甲骨文：高集成度大數(shù)據(jù)平臺 66
3.2.4 谷歌：價值無可估量的大數(shù)據(jù) 67
3.2.5 微軟：“端到端”大數(shù)據(jù)平臺 67
3.2.6 EMC：針對海量數(shù)據(jù)分析應(yīng)用 68
3.2.7 英特爾：用Hadoop靠攏大數(shù)據(jù) 69
3.2.8 NetApp：讓大數(shù)據(jù)變得更簡單 69
3.2.9 惠普：構(gòu)建靈活的“智能環(huán)境” 70
3.2.10 Sybase：徹底改變大數(shù)據(jù)分析 71
3.3 大數(shù)據(jù)基礎(chǔ)設(shè)施應(yīng)用案例 72
3.3.1 【案例】Streams監(jiān)控嬰兒ICU感染 72
3.3.2 【案例】沃爾瑪打造商業(yè)數(shù)據(jù)中心 73
3.3.3 【案例】Clustrix挖掘整合海量數(shù)據(jù) 74
3.3.4 【案例】長虹聯(lián)手IBM掘金大數(shù)據(jù) 74
3.3.5 【案例】LSI積極創(chuàng)新數(shù)據(jù)中心變革 75
第4章掌握：數(shù)據(jù)管理與挖掘 77
4.1 管理數(shù)據(jù)，解析開源框架Hadoop 78
4.1.1 Hadoop的主要特點(diǎn) 78
4.1.2 Hadoop的發(fā)展歷史 78
4.1.3 Hadoop的主要用途 79
4.1.4 Hadoop的項(xiàng)目結(jié)構(gòu) 80
4.1.5 Hadoop的體系結(jié)構(gòu) 82
4.2 挖掘數(shù)據(jù)，大數(shù)據(jù)如何去粗存精 83
4.2.1 準(zhǔn)備數(shù)據(jù) 84
4.2.2 挖掘過程 84
4.2.3 結(jié)果表示 85
4.3 大數(shù)據(jù)管理與挖掘應(yīng)用案例 86
4.3.1 【案例】用數(shù)據(jù)挖掘篩查高危病人 87
4.3.2 【案例】數(shù)據(jù)挖掘助力NBA賽事 87
4.3.3 【案例】用數(shù)據(jù)挖掘控制鮮花庫存 88
4.3.4 【案例】挖掘人類頭腦里的大數(shù)據(jù) 90
4.3.5 【案例】數(shù)據(jù)挖掘助力銀行的營銷 91
4.3.6 【案例】星系動物園里的數(shù)據(jù)挖掘 92
第5章管理：用數(shù)據(jù)洞察一切 95
5.1 不能再等，大數(shù)據(jù)時代的思維變革 96
5.1.1 利用所有的數(shù)據(jù) 96
5.1.2 充分利用這些數(shù)據(jù) 96
5.1.3 海量數(shù)據(jù)替代采樣 97
5.2 知己知彼，數(shù)據(jù)分析的演變與現(xiàn)狀 99
5.2.1 大數(shù)據(jù)分析的商業(yè)驅(qū)動力 99
5.2.2 大數(shù)據(jù)分析環(huán)境的演變 100
5.2.3 大數(shù)據(jù)分析與處理方法 102
5.3 企業(yè)管理中的大數(shù)據(jù)分析應(yīng)用案例 104
5.3.1 【案例】機(jī)場用大數(shù)據(jù)管理節(jié)省數(shù)百萬美元 104
5.3.2 【案例】國藥集團(tuán)打造全方位的管理模式 105
5.3.3 【案例】迪士尼樂園用大數(shù)據(jù)提升游客樂趣 107
5.3.4 【案例】Farmeron用大數(shù)據(jù)促成農(nóng)業(yè)增產(chǎn) 109
5.3.5 【案例】西爾斯著眼于大數(shù)據(jù)以降低成本 110
5.4 能源管理中的大數(shù)據(jù)分析應(yīng)用案例 112
5.4.1 【案例】用“大數(shù)據(jù)”預(yù)測風(fēng)電和太陽能 112
5.4.2 【案例】電力增長情況反映宏觀經(jīng)濟(jì)形勢 113
5.4.3 【案例】石油公司用大數(shù)據(jù)追求最大利益 114
5.4.4 【案例】大數(shù)據(jù)管理更準(zhǔn)確、一致、及時 116
5.4.5 【案例】大數(shù)據(jù)幫助消費(fèi)者提高能源效率 117
第6章安全：擺脫大數(shù)據(jù)風(fēng)險 119
6.1 問題凸顯，大數(shù)據(jù)存在5大風(fēng)險 120
6.1.1 風(fēng)險1：個人隱私泄露 120
6.1.2 風(fēng)險2：數(shù)據(jù)管理困難 121
6.1.3 風(fēng)險3：成本難以控制 122
6.1.4 風(fēng)險4：網(wǎng)絡(luò)安全漏洞 123
6.1.5 風(fēng)險5：數(shù)據(jù)人才缺乏 124
6.2 步步小心，大數(shù)據(jù)項(xiàng)目7大誤區(qū) 125
6.2.1 誤區(qū)1：盲目跟風(fēng) 126
6.2.2 誤區(qū)2：思路太過僵硬 126
6.2.3 誤區(qū)3：不注重他人的經(jīng)驗(yàn) 127
6.2.4 誤區(qū)4：把大數(shù)據(jù)當(dāng)“門面” 127
6.2.5 誤區(qū)5：過度夸大數(shù)據(jù)成果 128
6.2.6 誤區(qū)6：想要獲得所有數(shù)據(jù) 128
6.2.7 誤區(qū)7：認(rèn)為軟件是萬能的 129
6.3 踏雪無痕，徹底逃離大數(shù)據(jù)監(jiān)視 129
6.3.1 碼頭：讓網(wǎng)絡(luò)行為一目了然 130
6.3.2 上游：截取全球互聯(lián)網(wǎng)數(shù)據(jù) 130
6.3.3 棱鏡：備份全球互聯(lián)網(wǎng)數(shù)據(jù) 131
6.3.4 星風(fēng)：監(jiān)視全球通信大數(shù)據(jù) 133
6.3.5 小甜餅：竊取個人網(wǎng)絡(luò)隱私 134
6.3.6 間諜軟件：讓我們無處藏身 135
6.4 有備無患，做好大數(shù)據(jù)風(fēng)險管理 137
6.4.1 風(fēng)險管理利器1：IBMStorWizeV7000 137
6.4.2 風(fēng)險管理利器2：EMCVNX系列 138
6.4.3 風(fēng)險管理利器3：戴爾EqualLogic平臺 139
6.4.4 風(fēng)險管理利器4：NetAppFAS平臺 140
6.5 大數(shù)據(jù)風(fēng)險管理應(yīng)用案例 141
6.5.1 【案例】“閃電計(jì)劃”為數(shù)據(jù)護(hù)航 141
6.5.2 【案例】智慧存儲化解大數(shù)據(jù)風(fēng)險 143
6.5.3 【案例】谷歌循環(huán)利用“數(shù)據(jù)廢氣” 145
6.5.4 【案例】借助淘寶大數(shù)據(jù)控制風(fēng)險 146
精準(zhǔn)行業(yè)聚焦篇
第7章平臺：信息通信大數(shù)據(jù) 151
7.1 信息通信平臺大數(shù)據(jù)解決方案 152
7.1.1 運(yùn)營商在大數(shù)據(jù)時代的認(rèn)識轉(zhuǎn)變 152
7.1.2 運(yùn)營商在大數(shù)據(jù)時代的模式轉(zhuǎn)型 153
7.1.3 運(yùn)營商在大數(shù)據(jù)時代的機(jī)遇前景 154
7.1.4 運(yùn)營商在大數(shù)據(jù)時代的應(yīng)對方案 157
7.2 信息通信平臺大數(shù)據(jù)應(yīng)用案例 158
7.2.1 【案例】西班牙電話公司的數(shù)據(jù)再利用 158
7.2.2 【案例】德國電信的大數(shù)據(jù)營銷新策略 159
7.2.3 【案例】Verizon利用大數(shù)據(jù)精準(zhǔn)營銷 160
7.2.4 【案例】中國聯(lián)通開啟大數(shù)據(jù)探索之路 162
7.2.5 【案例】法國電信大力發(fā)掘大數(shù)據(jù)價值 164
7.2.6 【案例】中國移動大數(shù)據(jù)全新戰(zhàn)略定位 165
7.2.7 【案例】中國電信大數(shù)據(jù)聚焦商業(yè)模式 167
第8章醫(yī)療：數(shù)據(jù)解決大難題 169
8.1 醫(yī)療行業(yè)大數(shù)據(jù)解決方案 170
8.1.1 大數(shù)據(jù)在醫(yī)療行業(yè)的應(yīng)用場景 170
8.1.2 如何從大數(shù)據(jù)中獲取醫(yī)療價值 172
8.1.3 醫(yī)療領(lǐng)域大數(shù)據(jù)的挑戰(zhàn)和前景 172
8.2 醫(yī)療行業(yè)大數(shù)據(jù)應(yīng)用案例 174
8.2.1 【案例】利用大數(shù)據(jù)進(jìn)行基因組測序 174
8.2.2 【案例】利用大數(shù)據(jù)來預(yù)防流感疫情 175
8.2.3 【案例】用大數(shù)據(jù)預(yù)測心臟病發(fā)作率 177
8.2.4 【案例】大數(shù)據(jù)BI促進(jìn)醫(yī)院智能化 178
8.2.5 【案例】用大數(shù)據(jù)“魔毯”改善健康 179
8.2.6 【案例】用大數(shù)據(jù)分析找出治療方案 180
8.2.7 【案例】手表成為大數(shù)據(jù)的有力武器 181
8.2.8 【案例】中南大學(xué)啟動臨床大數(shù)據(jù)系統(tǒng) 182
第9章網(wǎng)絡(luò)：抓牢數(shù)據(jù)發(fā)源地 185
9.1 互聯(lián)網(wǎng)大數(shù)據(jù)解決方案 186
9.1.1 傳統(tǒng)互聯(lián)網(wǎng)大數(shù)據(jù)解決方案 186
9.1.2 移動互聯(lián)網(wǎng)大數(shù)據(jù)解決方案 188
9.2 互聯(lián)網(wǎng)大數(shù)據(jù)應(yīng)用案例 189
9.2.1 【案例】大數(shù)據(jù)與互聯(lián)網(wǎng)助力競選總統(tǒng) 189
9.2.2 【案例】Acxiom用數(shù)據(jù)洞悉你的心理 191
9.2.3 【案例】大數(shù)據(jù)為個性化用戶體驗(yàn)撐腰 193
9.2.4 【案例】人人游戲網(wǎng)用大數(shù)據(jù)了解玩家 194
9.2.5 【案例】迅雷用大數(shù)據(jù)抓“網(wǎng)絡(luò)票房” 196
9.2.6 【案例】騰訊用微信展開大數(shù)據(jù)“首戰(zhàn)” 197
第10章零售：打響大數(shù)據(jù)之戰(zhàn) 199
10.1 零售行業(yè)大數(shù)據(jù)解決方案 200
10.1.1 大數(shù)據(jù)對零售行業(yè)的影響 200
10.1.2 大數(shù)據(jù)對零售行業(yè)的挑戰(zhàn) 201
10.1.3 大數(shù)據(jù)對零售行業(yè)的價值 202
10.2 零售行業(yè)大數(shù)據(jù)應(yīng)用案例 203
10.2.1 【案例】ZARA：可以預(yù)見未來的時尚圈 203
10.2.2 【案例】沃爾瑪：大數(shù)據(jù)幫你選好購物單 205
10.2.3 【案例】淘寶：開放“數(shù)據(jù)魔方”的秘密 207
10.2.4 【案例】Target：準(zhǔn)確判斷哪位顧客懷孕 208
10.2.5 【案例】上品折扣：用大數(shù)據(jù)做全渠道營銷 210
10.2.6 【案例】阿迪達(dá)斯：用大數(shù)據(jù)帶來利潤 211
第11章制造：更快更好地生產(chǎn) 215
11.1 生產(chǎn)制造業(yè)大數(shù)據(jù)解決方案 216
11.1.1 大數(shù)據(jù)對生產(chǎn)制造業(yè)的影響 216
11.1.2 生產(chǎn)制造業(yè)如何利用大數(shù)據(jù) 218
11.2 生產(chǎn)制造業(yè)大數(shù)據(jù)應(yīng)用案例 219
11.2.1 【案例】大數(shù)據(jù)結(jié)合ERP助力生產(chǎn) 220
11.2.2 【案例】大數(shù)據(jù)改變福特汽車的制造 221
11.2.3 【案例】長安汽車數(shù)據(jù)與制造的結(jié)合 223
11.2.4 【案例】樂百氏BI系統(tǒng)助力企業(yè)成長 226
11.2.5 【案例】大數(shù)據(jù)可以破解“豬周期” 227
11.2.6 【案例】鋼鐵企業(yè)用大數(shù)據(jù)擺脫困境 229
11.2.7 【案例】大數(shù)據(jù)提高企業(yè)核心競爭力 231
第12章餐飲：精準(zhǔn)營銷的數(shù)據(jù) 235
12.1 餐飲行業(yè)大數(shù)據(jù)解決方案 236
12.1.1 大數(shù)據(jù)在餐飲業(yè)的市場現(xiàn)狀 236
12.1.2 餐飲行業(yè)面臨的大數(shù)據(jù)挑戰(zhàn) 237
12.1.3 大數(shù)據(jù)對餐飲企業(yè)有何作用 239
12.1.4 餐飲企業(yè)該如何應(yīng)用大數(shù)據(jù) 240
12.2 餐飲行業(yè)大數(shù)據(jù)應(yīng)用案例 241
12.2.1 【案例】農(nóng)夫山泉用大數(shù)據(jù)賣礦泉水 241
12.2.2 【案例】絕味鴨脖的大數(shù)據(jù)經(jīng)營模式 243
12.2.3 【案例】“哆啦寶”打造精準(zhǔn)營銷平臺 244
12.2.4 【案例】打造適合你的找餐館手機(jī)APP 246
第13章金融：大數(shù)據(jù)理財(cái)時代 249
13.1 金融行業(yè)大數(shù)據(jù)解決方案 250
13.1.1 大數(shù)據(jù)對傳統(tǒng)金融行業(yè)的影響 250
13.1.2 大數(shù)據(jù)時代下金融業(yè)的機(jī)遇和面臨的挑戰(zhàn) 251
13.1.3 金融業(yè)該如何“迎戰(zhàn)”大數(shù)據(jù) 252
13.2 金融行業(yè)大數(shù)據(jù)應(yīng)用案例 254
13.2.1 【案例】淘寶網(wǎng)掘金大數(shù)據(jù)金融市場 255
13.2.2 【案例】IBM用大數(shù)據(jù)預(yù)測股價走勢 256
13.2.3 【案例】匯豐銀行采用SAS管理風(fēng)險 257
13.2.4 【案例】Kabbage用大數(shù)據(jù)開辟新路徑 258
13.2.5 【案例】大數(shù)據(jù)時代信用卡該怎么玩 259
第14章交通：暢通無阻的數(shù)據(jù) 261
14.1 交通行業(yè)大數(shù)據(jù)解決方案 262
14.1.1 5大日益突出的城市交通難題 262
14.1.2 大數(shù)據(jù)為交通難題開出的藥方 263
14.1.3 大數(shù)據(jù)解決交通難題4大優(yōu)勢 265
14.1.4 如何應(yīng)用大數(shù)據(jù)解決交通問題 265
14.1.5 大數(shù)據(jù)在智能交通行業(yè)的挑戰(zhàn) 267
14.2 交通行業(yè)大數(shù)據(jù)應(yīng)用案例 268
14.2.1 【案例】大數(shù)據(jù)解決波士頓堵車難題 268
14.2.2 【案例】谷歌街景帶你在家環(huán)游世界 270
14.2.3 【案例】騰訊SOSO讓地圖更“真實(shí)” 272
14.2.4 【案例】用大數(shù)據(jù)APP緩解交通壓力 274
14.2.5 【案例】ETC電子收費(fèi)系統(tǒng)加大通行力 275
第15章社會：用數(shù)據(jù)改變生活 279
15.1 教育領(lǐng)域大數(shù)據(jù)應(yīng)用案例 280
15.1.1 【案例】大數(shù)據(jù)讓在線教育變?yōu)楝F(xiàn)實(shí) 280
15.1.2 【案例】無孔不入的數(shù)字化學(xué)習(xí)平臺 281
15.1.3 【案例】用云平臺全面推進(jìn)素質(zhì)教育 281
15.1.4 【案例】美國政府用大數(shù)據(jù)改善教育 283
15.1.5 【案例】大數(shù)據(jù)有效地指導(dǎo)學(xué)生學(xué)習(xí) 283
15.1.6 【案例】用大數(shù)據(jù)管理上海大學(xué)招生 284
15.2 體育領(lǐng)域大數(shù)據(jù)應(yīng)用案例 285
15.2.1 【案例】Nike記錄運(yùn)動中的數(shù)據(jù)價值 285
15.2.2 【案例】大數(shù)據(jù)助力NBA賽事全過程 287
15.2.3 【案例】大數(shù)據(jù)顛覆網(wǎng)球的游戲規(guī)則 289
15.2.4 【案例】從大數(shù)據(jù)中獲得寶貴洞察力 290
15.2.5 【案例】用預(yù)測分析軟件來防止受傷 290
15.2.6 【案例】普通球迷也能成為分析專家 291
15.3 影音媒體大數(shù)據(jù)應(yīng)用案例 292
15.3.1 【案例】《爸爸去哪兒》成口碑之王 292
15.3.2 【案例】用大數(shù)據(jù)來挖掘《小時代》 293
15.3.3 【案例】《紙牌屋》變革傳統(tǒng)電視業(yè) 294
15.3.4 【案例】《紐約時報(bào)》讓報(bào)紙智能化 295
15.3.5 【案例】大數(shù)據(jù)帶來逼真的影視特效 296
15.4 生活中的大數(shù)據(jù)應(yīng)用案例 298
15.4.1 【案例】大數(shù)據(jù)讓你的生活更智能 298
15.4.2 【案例】數(shù)據(jù)能夠開口說話當(dāng)紅娘 299
15.4.3 【案例】大數(shù)據(jù)保障人身財(cái)產(chǎn)安全 300
15.4.4 【案例】用大數(shù)據(jù)安全保管門鑰匙 301
15.4.5 【案例】地圖APP成為生活好助手 302
|
