第一部分 大数据揭秘
第1章 大数据的故事
到了21世纪初，是什么发生了改变
数据为什么变得这么多
产生数字化数据设备的广泛应用
正在迅速下降的磁盘存储成本
RAM成本的直线下降
处理能力成本的直线下降
为什么大数据成为如此火热的话题
成功的大数据先驱者
开源软件为软件开发人员提供了竞争环境
云计算让启动和扩展计划变得更加容易
小贴士
问题
第2章 人工智能、机器学习和大数据
什么是人工智能和机器学习
人工智能的起源
为何近来人工智能又再次兴起
人造神经网络和深度学习
人工智能如何帮助分析大数据
一些谨慎的话
小贴士
问题
第3章 为什么大数据有用
全新的数据使用方式
一种新的数据思维方式
遵循数据驱动的方法
更强的数据工具
小贴士
问题
第4章 大数据分析的应用案例
A/B测试
推荐引擎/下一个最佳购物建议
预测：需求和收入
节省IT成本
市场营销
社交媒体
定价
客户维系/客户忠诚度
购物车弃置管理（实时）
转化率优化
商品定制化（实时）
重新定位（实时）
诈骗检测（实时）
减少客户流失
预测维护
供应链管理
顾客终身价值
线索评分
人力资源
情绪分析
小贴士
问题
第5章 理解大数据生态系统
什么让数据变“大”
分布式数据存储
分布式计算
快速数据/流数据
雾计算/边缘计算
开源软件
许可
代码分发
开源的好处
大数据中的开源软件
云计算
小贴士
问题
第二部分 将大数据生态系统应用到组织中
第6章 大数据如何指导组织战略
你的客户
获取数据
使用数据
你的竞争者
外部的因素
你的产品
小贴士
问题
第7章 形成大数据和数据科学的战略
项目团队
启动会议
启动输出
范围界定阶段
小贴士
问题
第8章 实施数据科学——分析、算法和机器学习
四种分析方法
模型、算法和黑箱
人工智能和机器学习
分析软件
分析工具
敏捷分析
小贴士
问题
第9章 选择技术
交付给最终用户
选择技术时需要考虑的方面
小贴士
问题
第10章 组建团队
数据科学家
你需要的数据角色
领导力
雇用数据团队
大规模招聘和收购创业公司
外包
对于小型公司而言
小贴士
问题
第11章 数据治理与法律遵从
个人数据
数据科学和隐私披露
数据治理
治理报告
小贴士
问题
第12章 在组织中成功部署大数据
我们的项目为何失败了
总结
小贴士
问题
术语

　　大数据远不止于简单的数据和技术，大数据更侧重于其在商业、科学和社会等领域的应用。　　本书基于作者近20年大数据领域的咨询经验，分析了大数据的来源，数据范式的改变，人工智能、机器学习与大数据的关系等；通过对大数据相关的工具、应用和处理方法的总结，构建了一套大数据应用方法和体系，帮助人们构建大数据生态系统、形成大数据组织战略、选择模型和数据库、为大数据解决方案选择合适的技术、组建大数据团队等；还阐述了隐私原则、数据保护、监管合法性和数据治理等议题，并通过案例分析了因使用数据不当而陷入困境的公司；最后，结合一个备受瞩目的项目失败案例，阐述在组织中成功部署大数据应用的实践，以及在如何使组织转型为数据驱动、如何在组织中部署数据分析人员、如何有效地使用资源以整合数据方面给出建议。

本书包括两大部分。
第一部分关注大数据技术本身，共分为五章：第1章介绍了大数据的起源和基本概念，让读者了解大数据的重要性及其发展趋势；第2章以IBM所开发的深蓝计算机打败国际象棋世界冠军以及AlphaGo打败围棋世界冠军作为开篇案例，引出了人工智能和机器学习的概念，阐述了人工智能的起源及其发展；第3章和第4章通过塔吉特超市和《华盛顿邮报》的真实案例，阐述了大数据在精准预测、营销和客户关系管理方面所扮演的重要角色；第5章介绍了大数据生态系统的概念，并结合云计算模式的概念，阐述了大数据分析中硬件资源和软件资源开源的重要性。
第二部分介绍了大数据生态系统与企业运营和业务战略的关联，共分为六章：第6章和第7章从企业客户、产品性能、竞争对手和外部环境四个方面阐述了大数据技术如何帮助企业更好地制定并调整业务战略；第8章和第9章关注大数据分析技术的实施，阐述了企业如何有效地选择数据分析模型和分析方法、硬件资源和软件资源来支持业务战略，以获取竞争优势；第10章关注大数据团队的组建，介绍了平台工程师、数据工程师、业务分析师和算法专家等与大数据分析相关的职位及其工作职责；第11章关注大数据治理，阐述了大数据隐私准则、数据保护和规范遵守等相关的概念；第12章通过IBM开发的人工智能应用程序在医疗诊断中失败的案例，阐述了传统企业向数据驱动型企业转型时需要注意的事项。