BIG POMELO SDN BHD (975540-X)
|
|
分析現狀還不夠，預測未來更重要！
與其相信一個人的直覺，不如相信數千萬人的資料——
從圖解、案例，到策略與實戰，
一本書，徹底解讀大數據！
Facebook、Google、Amazon，
以及GREE、瑞可利（Recruit）等知名企業都在用的資料淘金術！
懂得找出資料的價值、萃取可用的資訊，
就能將大數據轉化為商業智慧（BI）；
嗅出趨勢、解決問題、創造商機，
進而創造「偶然的幸運」（serendipity），
正是大數據帶領企業持續前進的動力！
連上Facebook頁面，出現推薦「你可能認識的朋友……」的建議，妳因此而找到失聯已久國中同學。
到amazon.com網站購書，你看到「買這本書的人也買了這些書……」的清單，也正好是自己想讀的書。
只要打一個字，Google就出現「您是不是要查……」的資訊，正確預測到你想找的關鍵字。
事實上，這些「偶然的幸運」（Serendipity），都和善用大數據（Big Data，亦稱巨量資料、海量資料）有關。
上述的企業提供你需要的資料、精準預測到你的下一步，其實並非魔法、也不是憑空而來。這些企業將大數據轉化為商業智慧（BI，Business Intelligence），不僅分析現狀，更懂得預測未來。
大數據是「二十一世紀的新石油」，也是繼資料挖掘（data mining）、雲端運算、社群網站之後，最受矚目的趨勢。如何將龐雜的巨量資料理出脈絡、找到關聯、發掘價值，找出商機，成為決勝關鍵。
本書作者城田真琴，是野村總合研究所（簡稱野村總研）高級研究員，也是大數據領域的權威專家。在日本，野村總研被稱為最有影響力的民間智庫，作者以野村總研獨家調查的第一手資料為基礎，介紹Zynga、Centrica、Catalina Marketing等歐美企業，以及小松（KOMATSU）、瑞可利（Recruit）、GREE等日本企業如何應用大數據的實際案例。
一本書，讓你認清楚資料（data）、資訊（information）與情報（intelligence）的不同，不僅要看得到、看得懂，還要能用得出來，進而找到真正的商機所在！
作者簡介
城田真琴（Makoto SHIROTA）
野村總合研究所（NRI，Nomura Research Institute）創新開發部高級研究員、IT分析師，日本政府「智慧雲端運算研究會」智庫成員。負責高端技術趨勢調查研究、供應商戰略分析、國內外企業IT應用調查，專業領域為雲端運算、商務分析、M2M、IoT等。著作包括：《雲端運算的衝擊》、《你不可不知的雲端運算常識與非常識》、《2012年版IT年鑒》等。
譯者簡介
鐘慧真（前言、一至四章）
「上輩子」是軟體工程師，國立清華大學電機工程研究所畢業，曾任職於飛利浦半導體與宏達電。目前是從事日翻中筆譯的家庭主婦，定居於日本長野縣。譯作《不執著的生活工作術》（經濟新潮社出版）。
部落格：【黛博拉看日本】deborahjong.wordpress.com/。
梁世英（五至八章、謝詞）
日本一橋大學商學研究所碩士，專長財務金融，目前為專職日文譯者。譯作包括《這樣圖解就對了！》《鍛鍊你的策略腦》《想像的力量》《Facilitation引導學》（以上均由經濟新潮社出版）等。
【導讀】
創造「偶然的幸運」（serendipity），正是巨量資料技術不斷前進的動力（台灣野村總研諮詢顧問股份有限公司副總經理 陳志仁）
【推薦序】
當商業智慧隱藏在雲深不知處（國立交通大學經營管理研究所教授 楊千）
Big Data, Big Intelligence：從資料、資訊到情報（和沛科技股份有限公司總經理 翟本喬）
當巨量資料與社會脈絡交集（英國開放知識基金會地區大使 徐子涵 Schee）
Data、Data、Data：我們活在廣袤的資料流中（資深部落客 鄭緯筌Vista）
老大哥在看著你：Big Data□ Big Brother□（英商巴克萊銀行台北分行董事總經理 劉奕成）
前言
★第一章 什麼是巨量資料
資料洪流（The Data deluge）
巨量資料的3V特性
廣義的巨量資料
為什麼到現在巨量資料才受到眾人的矚目？（1）巨量資料的民主化
為什麼到現在巨量資料才受到眾人的矚目？（2）硬體性價比的提升與軟體技術的進化
為什麼到現在巨量資料才受到眾人的矚目？（3）雲端的普及
從「分析過去」到「預測未來」 商業智慧與巨量資料的交會
從點（交易資料）到線（互動資料）的分析
巨量資料分析的起源
本章重點整理
★第二章 支撐巨量資料的技術
人才短缺
什麼是Hadoop
與日俱增的套件
眾多套件版本並存的原因
NoSQL資料庫
創投也對Hadoop、NoSQL開發企業投以熱切的目光
巨量資料時代的資料處理基礎
備受矚目的分析資料庫
串流資料（即時資料）處理
自行開發串流資料處理技術的網路公司
機器學習、統計分析等
自然語言處理、其它
本章重點整理
★第三章 以巨量資料為核心競爭力的企業 歐美企業篇
快速成長之網路公司的巨量資料運用技巧
eBay：每天產生50 TB的資料
(1)遠超乎想像的巨量資料產生速度
(2)eBay的資料分析基礎
Zynga：披著遊戲開發商外皮的資料分析公司
(1)社群遊戲經濟的重要指標
(2)提升病毒係數的機制
(3)遊戲其實是資料驅動營運
(4)三次點擊原則
Centrica：藉由引進智慧電表分析能源消耗模式
(1)英國電費、瓦斯費收費的實際狀況
(2)引進智慧電表後的影響
卡特琳娜行銷集團：以「收銀台優待券」設計顧客的消費行為
(1)儲存了超過一億人份的消費紀錄
(2)預測顧客的消費行為，帶動門市買氣
本章重點整理
★第四章 以巨量資料為核心競爭力的企業 日本企業篇
日本國內也開始運用巨量資料
小松（KOMATSU）：日本運用巨量資料的先驅
瑞可利（Recruit）：徹底運用Hadoop資料分析，成功改造企業文化
(1)幾乎全公司上下都用Hadoop
(2)支撐瑞可利巨量資料分析的Hadoop基礎
(3)成功的祕訣在於組織體制
(4)對於瑞可利而言，Hadoop的「真正價值」究竟是什麼？
GREE：資料驅動型營運方式是快速成長的原動力
(1)與其相信一人的判斷，不如相信數千萬人的資料
(2)資料驅動型營運方式的根基來自對於日誌資料的執著
(3)具備多種技能的專業人士齊聚一堂
(4)將溝通不良減至最少的團隊體制
日本麥當勞：在現實世界實現一對一行銷 （One-To-One Marketing）
(1)劃時代優待券背後的周全準備
(2)把焦點集中在做為集點卡的行動電話與智慧型手機
本章重點整理
★第五章 巨量資料的運用模式★
巨量資料的運用案例
(1)精準推薦商品或服務
(2)行為定位廣告
(3)運用地點資訊的行銷
(4)糾出盜刷
(5)顧客流失分析
(6)預測設備故障
(7)驗出異常
(8)改善服務
(9)預測路況
(10)預測電力需求
(11)預測感冒流行
(12)預測股市行情
(13)油資成本的最佳化
巨量資料的運用模式分類
(1)個別優化×批次處理型
(2)個別優化×即時資訊型
(3)全體優化×批次處理型
(4)全體優化×即時資訊型
巨量資料的運用深度
(1)掌握過去與現狀
(2)發現行為模式
(3)預測
(4)優化
【專欄】動態定價
巨量資料運用的真正價值
本章重點整理
★第六章 巨量資料時代的隱私權問題★
隱私權與創新的兩難
美國國會也表示關注
製作網路個資檔案的是與非
請勿追蹤（Do Not Track）
消費者隱私權保護法案
採用選擇性參與方式的歐盟
資料保護綱領也進行修正
(1)引進「抹掉過去」的權利
(2)使用者尚未明確表示同意前，不得使用其個人資料
(3)制定資料可攜（Data Portability）的權利
(4)擴大說明責任
日本的法令架構是《個人資訊保護法》加上分別針對各領域訂定的指導原則
部分指導原則在提供資訊予第三人上採用選擇性參與方式
日本政府的評估狀況
以「資訊大航海計畫」為契機開始評估的經濟產業省
由生活紀錄的角度進行議論的總務省
線索就在與使用者的「對話」
實體世界裡的行為追蹤
本章重點整理
★第七章 開放資料時代的到來與資料市場的興盛★
「活用外部公開資料」的選項
風起雲湧的連結開放資料（LOD，Link Open Data）運動
影響擴及開放式政府
如雨後春筍般不斷出現的新創企業
透過比賽促進資料運用
落後一步的日本
日本國內因三一一大地震而略有進展的開放資料使用
資料市場的興盛
(1)Factual
(2)Windows Azure Marketplace
(3)Infochimps
(4)Public Data Sets on AWS
商業模式各有不同
熱絡的資料市場存在著不容忽視的課題
本章重點整理
★第八章 面對巨量資料時代該有的準備★
巨量資料時代的企業IT策略
開始邁向資料分享的日本企業
(1)LAWSON×Yahoo
( 2)KDDI×樂天
(3)COOKPAD×ID’s
擁有原創資料的好處
供應商的新商機在提供「資料整合服務」
誰能成為資料整合公司
美國的支付服務業者明顯朝「資料整合公司」發展
(1)VISA
(2)PayPal
(3)美國運通
讓原創資料搖身一變成為「貴重資料」的絕妙資料組合
全世界對資料科學家的需求愈來愈高
資料科學家需具備的技能
資料科學家需具備的資質
(1)溝通能力
(2)創業家精神
(3)好奇心
相關人才嚴重不足
相關研究所開始設立
鉅額資金流向巨量資料分析企業
日本也開始對資料科學家展開搶人大戰
最後的一道關卡－－組織體制與企業文化
朝向資料驅動型企業邁進
本章重點整理
謝詞
參考文獻
圖表索引
