陈利强、梁如见、张新宇编著的《金融大数据(战略规划与实践指南)》介绍了，在当今社会，理解金融需要理解其四大要素人(People)、资金(Capital)、交易(Transaction)、环境(Environment)。“金融”，我们在过往中往往只看到了资“金”，在互联网时代，更要看到“融”通资金的背后是行为，行为的控制主体是人，这些人在某些场所中完成行为。这四个要素合在一起时，发生的并非简单的加法，而是P(eople)×C(apital)×T(ransaction)×E(nvironment)笛卡尔乘积的关系。这四者的关系是本书诸多论点的核心，也是大数据思维的重要出发点。

大数据与金融企业之间的关系可以用“势在必行”、“得天独厚”来形容。从数据层面看，金融领域有着优质的数据资源：从技术层面看，金融企业的技术团队也有强大的实力；从专业层面看，金融行业拥有最专业的金融能力，可以研究和开发最专业的金融大数据的产品和服务。

未来的金融企业将以数据为中心，通过产品工厂、客户体验平台，融合产业链各环节，建立起销售和服务的新型生态链。

大数据与金融企业之间的关系可以用“势在必行”、“得天独厚”来形容。金融企业内部积累了丰富的用户数据和交易数据，是企业数据资产构成的核心内容；大数据技术的出现使企业可用的数据资产得到极大的扩展。本书分为三篇，分别从金融企业的大数据战略规划、场景实例以及常见问题与应对机制三个方面对金融企业在大数据时代面临的机遇与挑战做了深刻的分析，并给出了具体的实践思路。

陈利强、梁如见、张新宇编著的《金融大数据(战略规划与实践指南)》提出了金融四大要素人、资金、交易和环境之间在互联网时代的笛卡尔乘积关系的重要观点，并以此作为大数据思维的重要出发点来指导金融企业的转型之路。

本书适合大数据、金融领域的相关从业者阅读，同时也是相关企业管理人员厘清思路、洞察数据和金融本质的一本不可多得的参考著作。

第1篇 大数据战略规划

 1 背景

1.1 大数据是什么

1.2 大数据关键推动事件

1.3 国家相关政策意见

1.4 金融大数据应运而生

1.5 金融大数据的现状与前瞻

1.6 金融大数据的衡量标准

 2 金融大数据的战略定位

2.1 必要性

2.2 可行性

2.3 主要问题

2.4 大数据价值所在

2.5 大数据思维转变

2.6 大数据战略行动

 3 金融企业大数据应用规划构建

3.1 制定规划原则

3.2 选择规划方法

3.3 制定目标蓝图

3.4 识别规划风险

3.5 明确数据规划

3.6 制定目标计划

3.7 明确组织规划

3.8 选择技术方案

3.9 确定人才规划

3.10 回顾实施风险

 4 大数据的技术解决方案

4.1 应对场景

4.2 当前主要的大数据技术模型

4.3 深入分析

4.5 大数据硬件技术规划

4.6 未来推荐技术模型

4.7 数据资产治理

 5 大数据可视化

5.1 背景

 5.1.1 发展历程

 5.1.2 可视化分析的能力要素

 5.1.3 可视化分析与传统分析的差异

5.2 可视化分析的过程及方法

5.3 可视化分析应用场景

 5.3.1 社交网络分析

 5.3.2 矢量地图分析

 5.3.3 词云分析

 5.3.4 流量流向（桑基图）分析

 5.3.5 客户全网画像

第2篇 场景实例详解

 6 客户大数据实例：客户全景视图应用

6.1 客户全景视图的互联网基因

6.2 客户全景视图是金融大数据应用的基础

6.3 关键技术设计

 6.3.1 NoSQL 数据库的选择

 6.3.2 Hbase 的模型设计

 6.3.3 源表数据的增量导出

 6.3.4 数据写入 HBase 的方法

6.4 主要技术实现

 6.4.1 架构设计

 6.4.2 环境搭建

 6.4.3 数据的抽取和整合

 6.4.4 保单视图查询

6.5 扩展分析

 6.5.1 回顾

 6.5.2 扩展

 6.5.4 风险防范

 7 网站大数据实例：点击流分析与应用

7.1 点击流分析的业务目标

7.2 关键技术

 7.2.1 数据的获取

 7.2.2 数据的预处理

 7.2.3 用户行为数据的建模

7.3 案例：某保险公司电商网站点击流分析

 7.3.1 数据获取及预处理

 7.3.2 会话识别

 7.3.3 网页基本情况分析

7.5 舆情分析应用简介

 7.5.1 确定挖掘算法

 7.5.2 网络爬虫技术

 7.5.3 主要实现过程

 8 健康大数据实例：医疗费用监控应用

8.1 国内外医疗保险欺诈和监管情况

8.2 医保欺诈类型介绍

8.3 医保欺诈监控技术介绍

8.4 基于数据分析风险审核实现

 8.4.1 日平均医疗费用合规度分析

 8.4.2 单病种治疗方法分析

 8.4.3 单病种非常规治疗方法筛选

8.5 数据分析监控技术挑战

 9 语音大数据实例：电销中心质检应用

9.1 呼叫中心业务现状

9.2 语音识别与语音分析

9.3 语音分析业务模型

 9.3.1 自动质检

 9.3.2 业务分析

9.4 技术实现过程

 9.4.1 逻辑架构设计

 9.4.2 项目实施指引

9.5 效果和风险总结

 9.5.1 预期效果

 9.5.2 实施风险

 10 影像大数据实例：影像数据迁移应用

10.1 企业内容管理的概念及应用

10.2 基于大数据技术的内容管理平台

10.3 内容管理平台的应用案例：影像系统

 10.3.1 业务背景

 10.3.2 技术关键

 10.3.3 实现过程

 10.3.4 案例的业务价值分析

 11 日志大数据实例：日志备份查询应用

11.1 日志数据的类型

11.2 日志数据管理

 11.2.1 日志的记录和产生

 11.2.2 日志的采集和传输

 11.2.3 日志的存储

 11.2.4 日志的应用

11.3 关键技术设计

 11.3.1 日志数据的存储技术

 11.3.2 采集传输技术

 11.3.3 数据分析技术

11.4 日志管理系统的案例

 11.4.1 系统建设目标

 11.4.2 使用 Flume 建立日志传输管道

 11.4.3 日志文件的保存和 HBase 日志索引的创建

 11.4.4 关于日志规范

11.5 日志管理的价值分析

 11.5.1 系统运行监控

 11.5.2 违规分析

 11.5.3 用户行为分析

第3篇 常见问题与应对机制

 12 大数据安全

12.1 数据安全事件回顾

12.2 安全体系

 12.1.2 服务器安全

 12.1.3 数据安全

12.2 法律安全

12.3 可用性

 13 大数据来源

13.1 内部数据源

13.2 政府数据源

13.3 外部大数据

13.4 现状与趋势

 14 关乎胜负与生死的决战

14.1 客户价值之战

14.2 企业利润之战

14.3 管理平台之战

14.4 人才队伍之争

14.5 决战场景推演一

14.6 决战场景推演二

 15 大数据的人才需求与培育路线

15.1 人才需求

15.2 选人

 15.2.1 人员类型

 15.2.2 人员水平

15.3 育人

15.4 用人

15.5 留人

 16 大数据的合作资源

16.1 产业链整体情况

16.2 专业领域划分

16.3 合作商近况

 16.3.1 基础平台提供商

 16.3.2 Hadoop 提供商

 16.3.3 可视化分析软件

 16.3.4 数据中心提供商

 16.3.5 集成服务提供商

 16.3.6 系统安全提供商

 16.3.7 多媒体识别与分析

 16.3.8 数据分析提供商

 16.3.9 数据管理提供商