大数据与智慧社会：数据驱动变革、构建未来世界 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

张克平，陈曙东 著

图书标签:

• 大数据
• 智慧社会
• 数据驱动
• 人工智能
• 数字化转型
• 未来科技
• 社会发展
• 信息技术
• 数据分析
• 创新未来

出版社： 人民邮电出版社

ISBN：9787115456243

版次：01

商品编码：12194960

包装：平装

开本：小16开

出版时间：2017-04-01

页数：264

正文语种：中文

编辑推荐

适读人群 ：　　本书适合政府决策者、企业管理者、IT实施者（CTO、CDO、技术人员等）以及高等院校相关专业的师生阅读。
大数据与云计算、可视化技术、数据挖掘技术、系统评价标准；
大数据对日常生活中的食、住、行、游、购有哪些影响？
大数据在政务、交通、医疗、金融等领域有哪些重大作为？如何造就智慧社会？
这本书的两位作者，一位是智慧城市领域专家，一位是大数据领域专家，二位结合各自的专长，共同打造了这本精品力作。

工业和信息化部原副部长杨学山、中国工程院院士倪光南倾情作序！

中国科学院微电子研究所所长叶甜春、井通网络科技有限公司执行董事兼总经理武源文、雪松控股CIO徐斌、Gartner全球高管合伙人赵光等多位行业专家联合推荐！

内容简介

　　大数据正在改变人们的生活、社会的运行方式以及各行业的竞争生态，是提升政府治理水平和企业竞争力的核心要素。然而，政府和企业如何才能抓住大数据带来的宝贵机遇，改善公共服务、激发商业创新？推进大数据应用的进程对现有技术框架、管理机制、评价体系又有哪些新的要求？
　　针对这一系列问题，《大数据与智慧社会》一书做出了系统的回答。《大数据与智慧社会：数据驱动变革、构建未来世界》从全局出发，对大数据的基本内涵进行了系统描述，概括了大数据的前世今生，揭示了其哲学本质；以技术为主线，深刻剖析了大数据的技术框架，预测了大数据的技术发展趋势；理论与实践相结合，形成大数据系统评价标准；选取大数据在生活、政务、交通、医疗、金融领域落地应用的实战案例，进行深入分析和解读，以期为我国的政府治理、经济发展、企业创新提供有效的指导和帮助。
　　《大数据与智慧社会：数据驱动变革、构建未来世界》适合政府决策者、企业管理者、IT实施者（CTO、CDO、技术人员等）以及高等院校相关专业的师生阅读。

作者简介

张克平
　　江苏省无锡市信息化和无线电管理局局长、北京邮电大学兼职教授、清华大学客座教授、2016中国智慧城市百城会首任执行会长，长期致力于无锡物联网和智慧城市建设并取得突出成绩，曾先后荣获“2009年中国创意策划领袖人物”“2010年中国物联网十大人物”“2011年中国城市信息化领军人物”“2011-2012年度推动中国云计算产业发展突出贡献人物”“2016中国智慧城市建设领军人物”等称号，以及“2012年中国物联网产业杰出贡献奖”“2013-2015年中国智慧城市推进杰出贡献奖”等奖项。

陈曙东
　　中科院微电子研究所百人计划研究员、博士生导师，长期从事分布式计算、数据挖掘领域的应用技术研究，主持了多项国家、省部级、欧盟等科技专项，发表学术论文40余篇，拥有专利与软件著作权20多项，入选国家、北京市大数据与云计算领域专家库。

目录

第1章 大数据概述 1
1．1 什么是大数据 2
1．1．1 大数据的定义和特征 2
1．1．2 大数据的发展历程 6
1．1．3 大数据的来源 11
1．2 大数据的哲学本质 12
1．2．1 大数据与世界观 13
1．2．2 大数据与认识论 14
1．2．3 大数据与方法论 15
1．2．4 大数据与价值观 18
1．3 大数据技术框架 19
1．3．1 大数据处理系统综述 19
1．3．2 大数据平台基础 20
1．3．3 大数据存储系统 22
1．3．4 大数据计算模型 23
1．4 大数据发展趋势 26
1．4．1 大数据的技术发展趋势 26
1．4．2 大数据的应用发展趋势 30

第2章 大数据的云计算基础 33
2．1 虚拟化技术 34
2．1．1 虚拟化的概念 34
2．1．2 虚拟化技术分类 35
2．1．3 虚拟化解决方案 36
2．1．4 虚拟化技术与大数据 39
2．2 OpenStack 技术 40
2．2．1 OpenStack 概述 40
2．2．2 OpenStack 历史 41
2．2．3 OpenStack 系统架构 41
2．2．4 OpenStack 的优势和劣势 44
2．2．5 虚拟化与OpenStack 技术比较 46
2．3 IaaS 平台建设 47
2．3．1 IaaS 平台介绍 47
2．3．2 IaaS 云平台的种类 49
2．3．3 IaaS 平台设计 51
2．3．4 IaaS 平台解决方案 53
2．3．5 IaaS 平台搭建 55

第3章 Hadoop 基础组件 57
3．1 Hadoop 概述 58
3．1．1 Hadoop 简介 58
3．1．2 Hadoop 系统架构 59
3．1．3 Hadoop 的优势与不足 60
3．1．4 Hadoop 的适用场景 63
3．1．5 Hadoop 的商业模式 64
3．2 Hadoop 分布式文件系统HDFS 65
3．2．1 HDFS 的设计目标 65
3．2．2 HDFS 的基本架构 67
3．2．3 HDFS 的特点 68
3．2．4 HDFS 的优势与缺点 70
3．3 Hadoop 分布式计算框架MapReduce 72
3．3．1 MapReduce 简介 72
3．3．2 MapReduce 的运行流程 73
3．3．3 MapReduce 与DataFlow 比较 75
3．4 Hadoop 统一资源管理框架YARN 76
3．4．1 YARN 架构简介 76
3．4．2 YARN 架构框架 77
3．4．3 YARN 与旧MapReduce 框架对比 79
3．4．4 YARN 与Mesos 框架对比 79
3．5 Hadoop 分布式集群管理系统ZooKeeper 81
3．5．1 ZooKeeper 简介 81
3．5．2 ZooKeeper 总体架构 82
3．5．3 ZooKeeper 的运行模式 84
3．5．4 ZooKeeper 的设计要点 85
3．5．5 ZooKeeper 的使用 87

第4章 Hadoop 其他常用组件 89
4．1 Hadoop 数据仓库工具Hive 90
4．1．1 Hive 简介 90
4．1．2 Hive 架构设计 91
4．1．3 Hive 部署模式 92
4．1．4 Hive 与关系型数据库比较 94
4．2 Hadoop 分布式数据库HBase 97
4．2．1 HBase 简介 97
4．2．2 HBase 体系架构 97
4．2．3 HBase 性能分析 99
4．2．4 HBase 容错机制 101
4．3 Hadoop 实时流式处理引擎Storm-YARN 102
4．3．1 流式处理概述 102
4．3．2 Storm 简介 103
4．3．3 Storm 架构 105
4．3．4 Storm 与Spark Streaming 比较 106
4．4 Hadoop 交互式查询引擎 Impala 108
4．4．1 Impala 简介 108
4．4．2 Impala 架构分析 109
4．4．3 Impala 与Hive 比较 110

第5章 Spark 内存计算框架 113
5．1 内存计算与Spark 114
5．1．1 内存计算概念 114
5．1．2 内存计算分类 116
5．1．3 Spark 与内存数据处理系统 118
5．2 Spark 概述 119
5．2．1 Spark 架构 119
5．2．2 Spark 的RDD 模型 121
5．2．3 Spark 与Hadoop 的性能对比 121
5．3 Spark 核心组件介绍 122
5．3．1 Spark SQL 122
5．3．2 Spark MLlib 123
5．3．3 Spark GraphX 123
5．3．4 Spark Streaming 124
5．4 Spark 集群管理 125
5．4．1 Spark 部署方式 125
5．4．2 Spark 资源调度 126
5．4．3 Spark 任务调度 127

第6章 大数据可视化技术 129
6．1 数据可视化的基本概念 131
6．2 数据可视化的发展趋势 132
6．3 数据可视化应用与设计 135

第7章 数据挖掘技术 139
7．1 什么是数据挖掘 140
7．2 数据挖掘的流程 142
7．3 数据挖掘典型算法 143
7．4 数据挖掘与大数据 151

第8章 大数据系统评价标准 153
8．1 大数据系统评价概述 154
8．1．1 信息时代的“云大物移” 154
8．1．2 大数据项目失败的常见原因 155
8．2 评价指标选取原则 157
8．3 大数据系统评价标准 159
8．3．1 通用评价要素 159
8．3．2 专有评价要素 160
8．4 大数据系统定位 161
8．4．1 与企业战略相匹配 161
8．4．2 与企业架构相匹配 162
8．4．3 与企业需求相匹配 162
8．5 大数据价值评估模型 164
8．6 大数据质量评价 165
8．6．1 数据流程视角 165
8．6．2 数据技术视角 167
8．6．3 数据管理视角 168
8．7 大数据安全评价 169

第9章 大数据在生活中的应用 173
9．1 食：食品安全 174
案例：阿里巴巴大数据协助食品安全风险控制 175
9．2 住：智能家居 176
案例：无锡市智能家居 177
9．3 行：智能交通 177
案例：深圳市智能综合交通运行指挥中心 180
9．4 游：智慧旅游 180
案例：无锡市智慧旅游立体化营销体系 181
9．5 购：电商营销 183
案例：京东大数据营销 185

第10章 大数据在政务领域的应用 187
10．1 条块分割拖累政务发展 188
10．2 数据统筹助力决策参考 190
案例：佛山市南海区数据统筹 192
10．3 服务整合创新社会管理 193
案例：无锡市智慧城管系统 194
10．4 资源整合强化公共服务 196
案例：无锡市政务服务平台 197
10．5 数据公开辅助政府监督 200
案例：上海市利用大数据实现市场监管 201

第11章 大数据在交通领域的应用 203
11．1 频繁拥堵造就城市顽疾 204
11．2 客流分析改进公交线路设计 205
案例：北京市大数据路线优化 206
11．3 多源数据辅助交通调查 206
案例：上海市综合交通特征分析 208
11．4 整合信息优化资源配置 210
案例：无锡市智慧交通信息工程 211
11．5 智能数据释难最后一公里 213
案例：共享单车便捷出行 214

第12章 大数据在医疗领域的应用 215
12．1 医疗数据挖掘行业价值 217
案例：无锡市智慧健康工程 218
12．2 海量数据助推远程医疗 221
案例：中日医院基于大数据让远程医疗、分级诊疗深入临床一线 222
12．3 移动医疗缓解资源紧缺 223
案例：春雨掌上医生 224
12．4 健康数据实现精准医疗 226
案例：微软亚洲研究院利用大数据推动癌症精准医疗 226

第13章 大数据在金融领域的应用 229
13．1 交易数据饱含金融商机 231
13．2 智能分析防范金融欺诈 232
案例：天下无贼反信息诈骗联盟 235
13．3 征信预测改善金融风控 236
案例：ZestFinance 公司 237
13．4 “互联网+”催生金融产品 239
案例：蚂蚁金服 239

参考文献 241

深耕细作：新媒体时代的品牌传播策略与实践 第一章 媒介生态的重塑与品牌传播的挑战 在信息爆炸与技术迭代的驱动下，传统媒体的边界日益模糊，取而代之的是一个高度碎片化、互动性极强的多屏新媒体生态系统。本章将深入剖析这一深刻的媒介变革，探讨社交媒体、短视频平台、播客、直播以及新兴的沉浸式技术（如增强现实与虚拟现实）如何重塑了受众的注意力分配与信息获取路径。 1.1 传统叙事范式的瓦解 回顾上世纪末至本世纪初，品牌传播高度依赖于“推式”策略，即通过电视广告、平面媒体等中心化渠道，自上而下地向大众灌输品牌信息。然而，在新媒体环境下，受众的主动权被空前放大。他们不再是被动的接收者，而是内容的共同创作者、评论者乃至传播的节点。本章将详细阐述这种权力转移对品牌信息控制力的冲击，并提出品牌必须从“告知”转向“对话”的核心策略转变。 1.2 注意力经济下的稀缺性竞争 在信息过载的时代，用户的时间和注意力成为最昂贵的资源。我们分析了“信息茧房”和“算法推荐”机制如何进一步加剧了品牌间争夺注意力的白热化竞争。本节将引用最新的用户行为研究数据，量化分析不同媒介渠道（如 TikTok、Instagram、微信公众号、垂直论坛）的用户停留时间、互动深度与转化效率的差异。重点探讨品牌如何在高频更新的流量洪流中，设计出具有“粘性”和“可分享性”的内容结构。 1.3 信任的重建与去中心化传播 新媒体的去中心化特性使得意见领袖（KOL/KOC）的影响力急剧上升，但同时也带来了“信任危机”——虚假信息、过度商业化等问题削弱了公众对传统广告的信任。本章将聚焦于“真实性”（Authenticity）在现代品牌传播中的核心地位。我们将探讨品牌如何通过透明化运营、价值共享以及与核心用户群体的深度共创，逐步重建在数字原生代群体中的信任基础。 --- 第二章 内容为王的新范式：从创意到效果的转化路径 如果说媒介是河流，那么内容就是驱动河流流向的动力。本章将超越传统广告创意的界限，深入探讨在新媒体环境下，如何系统化地设计、生产和优化能引发实际商业转化的内容资产。 2.1 叙事结构的适应性设计 针对不同媒介的特性，内容叙事结构必须进行“像素级”的适配。我们将区分“长尾深度叙事”（适用于播客、深度文章）与“即时高能叙事”（适用于短视频、信息流广告）。具体分析以下结构要素的应用： 微瞬间冲击（Micro-Moment Impact）： 如何在前三秒内最大化信息密度和情感唤醒度。 系列化与连载化： 如何利用平台的推送机制，设计具有“追剧感”的内容矩阵，维持用户长期关注。 互动嵌入式叙事： 探讨如何将投票、问答、AR 滤镜等互动元素无缝融入品牌故事中，使用户成为叙事的一部分，而非旁观者。 2.2 数据驱动的内容优化（Content Optimization Loop） 内容生产不再是“拍完即止”的线性过程，而是一个持续反馈、迭代优化的闭环。本节详细阐述一套基于 A/B 测试、实时数据监控和用户行为路径分析的内容优化流程： 指标体系的重构： 区分虚荣指标（如点赞数）与驱动业务的核心指标（如有效停留时间、分享率、站外引流贡献）。 热点捕捉与快速反应机制： 建立一套流程化的机制，确保品牌能够迅速、合规地切入突发热点事件，并将其转化为正面声量。 跨平台内容的“母版”与“衍生品”策略： 如何设计一套核心创意母版，然后根据不同平台的特性，快速生成符合平台调性的衍生内容版本，实现效率最大化。 2.3 媒介融合中的“沉浸式体验”构建 随着元宇宙概念的升温，品牌传播开始触及更深层次的体验经济。本章分析了品牌如何利用 3D 建模、AR/VR 技术，将原本平面的品牌信息转化为可供用户“进入”和“操作”的体验空间，例如虚拟试穿、品牌主题的线上密室逃脱等，以此深化用户与品牌的情感联结。 --- 第三章 整合传播的艺术：跨渠道的体验一致性与协同效应 在新媒体时代，传播不再是孤立战役的集合，而是构建一个无缝衔接的用户旅程。本章的核心在于探讨如何实现跨渠道、跨触点（Online-to-Offline/O2O）的传播体验一致性，并最大化各个渠道的协同增效。 3.1 用户旅程地图（Customer Journey Mapping）的数字化重构 传统的营销漏斗已无法准确描绘现代用户的复杂路径。本节指导读者如何绘制多触点、非线性的用户旅程地图，识别关键的“痛点”与“高光时刻”。重点分析： 发现阶段（Awareness）： 如何利用短视频和信息流广告进行高效触达。 兴趣与评估阶段（Consideration）： 如何通过垂直社群、专业评测（KOL/KOC）和用户生成内容（UGC）建立专业形象。 转化与忠诚阶段（Conversion & Loyalty）： 如何通过私域流量（如企业微信群、小程序）进行精细化运营与复购引导。 3.2 私域流量池的精耕细作与价值挖掘 公域流量的成本日益高昂，将用户沉淀到自有可控的私域空间是品牌存续的关键。本章详细剖析了私域运营的三个核心支柱： 用户分层与标签化管理： 如何根据用户的购买历史、互动偏好进行精细化分类，实现“千人千面”的精准推送。 社群价值的持续供给： 社区维护的核心是提供超越产品本身的附加价值（如独家知识、社群荣誉感、优先参与权）。 从“销售阵地”到“情感社区”的转型： 强调私域运营应以建立长期信任关系为目标，避免过度营销导致的快速流失。 3.3 跨界合作与联盟营销的协同效能 在新媒体生态中，孤军奋战的成本极高。本章探讨了品牌如何策略性地选择合作伙伴，通过资源置换和品牌价值的相互赋能，实现超出单方面投入的传播效果。分析成功的案例中，品牌在调性匹配、用户画像重叠度、以及内容共创的深度上是如何进行严格筛选的。 --- 第四章 风险管控与危机公关的数字化预案 新媒体环境的即时性与放大效应，使得任何一次失误都可能演变为一场全国性的危机。本章专注于构建一套前瞻性、响应迅速的数字化风险管理和危机公关体系。 4.1 舆情预警与早期识别机制 有效的危机公关始于危机发生之前。本节介绍如何利用自然语言处理（NLP）技术和专业舆情监测工具，建立实时监控体系，重点关注： 情绪指数异动监测： 识别负面评论的“量变到质变”的临界点。 关键意见节点（KOL）的负面发声追踪： 确定负面信息的主要扩散源头，以便精准应对。 “黑公关”与恶意攻击的识别与应对策略。 4.2 危机响应的“黄金一小时”与信息发布矩阵 在信息爆炸的时代，官方声音的发布速度和透明度决定了后续舆论走向。本章详细规划了危机发生后的多层级响应矩阵： 第一阶段（定性与安抚）： 快速发布简短声明，表明已在关注，并对受影响方表示关切。 第二阶段（信息核实与透明化）： 明确信息来源，避免“传言”战胜“事实”。 第三阶段（修复与展望）： 提出具体的补救措施和长远改进计划，将焦点从错误本身转移到解决方案上。 4.3 危机后的品牌声誉修复与长期价值重塑 危机公关并非在危机平息后就结束。本章强调了利用“透明化运营”和“社区共建”来修复受损信任的长期策略。通过有计划地释放积极信号、鼓励建设性反馈，逐步将用户注意力重新引导回品牌的核心价值与产品优势上，实现“危中有机”的品牌形象升华。 --- 结论：面向未来的品牌韧性建设 新媒体时代是充满不确定性、但也孕育着无限创意的时代。本书所阐述的策略并非固定公式，而是指导品牌建立“数字韧性”的思维框架。成功的品牌传播者必须具备持续学习的能力，敏捷地适应媒介的每一次跃迁，将技术视为赋能叙事、深化连接的工具，最终目标是构建起一个能够抵抗噪音、赢得用户长期忠诚的品牌生态系统。

评分☆☆☆☆☆

《大数据与智慧社会：数据驱动变革、构建未来世界》这本书，在我看来，更像是一本指南，它引领着我思考大数据时代下，我们应该如何调整认知，如何拥抱变革。它可能并没有直接给出所有问题的答案，而是提出了一系列引人深思的问题，激发读者自身的探索欲。比如，面对海量的数据，我们应该如何培养数据素养，才能更好地理解和利用它们？在由数据驱动的决策过程中，我们如何确保公平和公正？如何平衡技术发展与人文价值，避免技术异化？书中或许会分享一些成功案例背后的经验教训，也可能探讨一些前瞻性的研究方向。这种开放式的探讨，让我感觉自己不仅仅是一个被动的接受者，更是一个积极的参与者，参与到塑造未来智慧社会的进程中。它让我明白，大数据和智慧社会并非遥不可及的未来，而是正在我们身边发生、需要我们共同努力去构建的现实。

评分☆☆☆☆☆

《大数据与智慧社会：数据驱动变革、构建未来世界》在论述“数据驱动变革”时，着实让我眼前一亮。它并没有停留在概念层面，而是深入到了具体的行业应用，展现了数据是如何颠覆传统模式，催生新的商业形态。我想象书中会详细阐述，在零售业，大数据如何帮助企业精准预测消费者需求，实现个性化推荐，从而提升销售额和顾客忠诚度；在金融领域，大数据分析被用于风险评估、反欺诈，以及更精准的信贷审批，降低了金融风险，提高了效率；在工业制造领域，物联网和大数据相结合，实现了设备的预测性维护，减少了停机时间，提高了生产效率，甚至催生了智能工厂的概念。更让我感到兴奋的是，书中可能还触及到了教育、文化、农业等各个领域，展示了数据如何赋能传统产业，为其注入新的活力，创造出前所未有的价值。它让我深刻理解到，数据不再仅仅是数字的堆砌，而是驱动社会进步和经济发展的核心引擎。

评分☆☆☆☆☆

阅读《大数据与智慧社会：数据驱动变革、构建未来世界》，让我对“构建未来世界”的构想有了更具象化的认识。这本书不仅仅是描绘一个理想化的图景，更是探讨实现这一目标所面临的挑战和应对策略。我预期书中会深入剖析数据隐私保护、信息安全等关键议题，因为在享受大数据带来的便利的同时，我们也必须警惕潜在的风险。它可能会详细讲解如何通过法律法规、技术手段以及伦理规范，来保障个人数据的安全，防止滥用和泄露。同时，书中也会探讨如何解决数字鸿沟问题，确保智慧社会的建设能够惠及每一个人，避免加剧社会的不平等。它可能还会涉及人工智能伦理、算法的公平性等问题，引导我们思考如何构建一个既智能又有人文关怀的未来社会。这种对挑战的审慎思考和对解决方案的探索，让这本书的价值更加凸显，它不仅仅是关于“是什么”，更是关于“怎么做”。

评分☆☆☆☆☆

读完《大数据与智慧社会：数据驱动变革、构建未来世界》，我脑海中描绘出的智慧社会景象，与其说是冰冷的技术堆砌，不如说是温暖的人文关怀。这本书让我看到了大数据如何渗透到社会治理的方方面面，让城市运行更智能、更高效。想象一下，交通拥堵成为历史，智能交通系统根据实时人流、车流数据，动态调整信号灯配时，规划最佳路线，让出行变得流畅而便捷；公共安全得到前所未有的提升，通过大数据分析，可以提前预警潜在的犯罪活动，精准部署警力，守护城市的安全；医疗健康领域也迎来了革命性的变革，基于海量健康数据，个性化医疗方案得以实现，疾病的早期诊断和预防将变得更加普遍，人们可以享受到更优质、更贴心的健康服务。而这一切，都离不开对数据的深度挖掘和科学应用，让技术真正服务于民，提升每一个个体的生活品质。这本书让我对未来充满了乐观与期待，科技不再是遥不可及的冰冷代码，而是切实改善我们生活的有温度的力量。

评分☆☆☆☆☆

终于有机会读到这本《大数据与智慧社会：数据驱动变革、构建未来世界》，从书名上就足以点燃我对这个领域的无限好奇。迫不及待地翻开，我想象中的开篇，应当是关于大数据技术演进的宏大叙事，从早期统计学、数据库的雏形，一路铺陈到如今的云计算、人工智能的蓬勃发展。它会以一种严谨的学术态度，回顾那些奠定基石的理论和技术突破，比如分布式计算的经典案例，或者是机器学习算法的起源与演变，详细剖析它们如何一步步为大数据时代的到来做好准备。我期待书中能够深入浅出地解读“大数据”这一概念的内涵，不仅仅是量大，更是指其多样性、高速性以及其中蕴含的价值。或许还会描绘出一些早期先驱者们在信息爆炸的洪流中，如何凭借敏锐的洞察力和不懈的探索，一步步挖掘出数据的潜在力量，从而为后来的智慧社会建设埋下伏笔。这样的开篇，定能让我对整个大数据生态有一个清晰的认知，理解技术发展的脉络，为后续内容的深入理解打下坚实的基础。

评分☆☆☆☆☆

书收到了，是正版，质量好，内容棒！

评分☆☆☆☆☆

不错不错不错不错不错

评分☆☆☆☆☆

速度超快，包装不错，看了之后再评价内容

评分☆☆☆☆☆

内容翔实，纸质很好，正在学习之中。

评分☆☆☆☆☆

还不错的书哦，慢慢看了。。。

评分☆☆☆☆☆

有用

评分☆☆☆☆☆

区块链这么火爆，买几本书了解一下先

评分☆☆☆☆☆

支持东哥做大做强，鄙视假货马！

评分☆☆☆☆☆

可以的，用着挺好用哦，推荐～