包邮 洞见数据价值：大数据挖掘要案纪实 企业与个人大数据简明读本 毕马威中国大数据团队 epub pdf mobi txt 电子书 下载 2024

包邮 洞见数据价值：大数据挖掘要案纪实 企业与个人大数据简明读本 毕马威中国大数据团队 epub pdf mobi txt 电子书 下载 2024

包邮 洞见数据价值：大数据挖掘要案纪实 企业与个人大数据简明读本 毕马威中国大数据团队 epub pdf mobi txt 电子书 下载 2024

《洞见数据价值：大数据挖掘要案纪实》是国际知ming咨询公司毕马威的大数据团队的集大成之作，内容丰富，观点新颖，贴近大众生活、工作与学习实际场景，内容不拘泥于技术阐释，通过寓教于乐的方式，以丰富翔实的案例来解析大数据挖掘，尽量通过常见的场景来阐述数据的价值与意义。

第1章介绍大数据在银行业、征信业、审计、传统制造业、互联网行业、舆情监控、影视业、环保产业以及体育产业等多个领域的应用方案和前景。第2章重点介绍大数据分析在商业工作和营销推广中的作用。第3章介绍大数据挖掘过程中涉及的数据的前期准备工作，重点介绍数据准备工作的要点和诀窍。第4章结合业务、生活、娱乐，寓教于乐，介绍大数据的实际应用方式。附录部分介绍一位数据工作者的成长之路，向感兴趣的读者介绍从事数据工作应该具备的素质和掌握的技能。

《洞见数据价值：大数据挖掘要案纪实》可作为企业管理人员、营销主管、分析人员、IT 人员等理解大数据、应用大数据为企业创造价值的指引，同时，《洞见数据价值：大数据挖掘要案纪实》也可供统计学、应用数学及计算机专业学者和研究人员参考学习。

目录

第1章 大数据在各行各业 // 001

1.1 什么是大数据？ // 002

1.1.1 非常流行的大数据概念 // 002

1.1.2 不那么流行的大数据概念 // 006

1.1.3 也许会带给你灵感的大数据概念 // 007

1.2 大数据在银行业 // 029

1.2.1 业界展望：大数据，银行业未来的核心动力 // 029

1.2.2 创新方向：大数据助力银行网点实现转型 // 036

1.3 大数据在征信业 // 041

1.3.1 业界展望：FICO 评分与芝麻信用，传统征信向大数据征信的转变 // 042

1.3.2 创新方向一：从拒绝推断看个人征信业的大有可为 // 046

1.3.3 创新方向二：论大中型客户数字化授信的可行性 // 054

1.4 大数据在审计业 // 057

1.4.1 业界展望：大数据分析如何支撑审计工作 // 057

1.4.2 创新方向：大数据能否代替传统审计？ // 061

1.5 大数据在传统制造业 // 065

业界展望：数字化企业进阶指南 // 066

1.6 大数据在互联网行业 // 069

创新方向：从滴滴收购优步看垄断企业的马太效应 // 069

1.7 大数据在舆情行业 // 076

创新方向：数据分析帮你掌握话语权 // 077

1.8 大数据在汽车行业 // 086

业界展望：征服汽车后市场，大数据与你同行 // 086

1.9 大数据在影视业 // 089

创新方向：星期几上映的电影具有票房号召力 // 090

1.10 大数据在环保产业 // 098

创新方向：北京治霾，能为你做点什么 // 098

1.11 大数据在体育产业 // 104

创新方向：欧洲杯，跟着西班牙队学数据挖掘！ // 105

小结 // 109

第2章 大数据在商业领域的应用 // 111

2.1 推荐算法在传统销售渠道中的应用模式 // 112

2.2 巧用运筹优化，提升整合营销管理水平 // 116

2.3 关联规则的应用 // 121

2.3.1 小谈关联规则 // 121

2.3.2 购物篮分析：绝不只是“啤酒与尿布” // 124

2.3.3 创新方向：靠关联规则重获新生的东北小馆 // 128

2.4 智能荐食模型：大数据告诉你今天吃什么 // 133

智能荐食模型 // 134

2.5 顾客时空模型：其实天下没有免费的 WiFi // 138

2.5.1 无处不在的免费 WiFi // 138

2.5.2 顾客时空模型 // 139

2.5.3 进一步挖掘 // 141

2.6 社会网络分析法，助力信贷反欺诈 // 142

2.7 数据可视化利器：SAS Visual Analytics // 145

2.7.1 为什么需要数据可视化？ // 145

2.7.2 数据可视化的几个常见例子 // 146

2.8 文本挖掘，帮你识别网购评论是真是假 // 151

2.9 路径优化：如何改良快递送货路线？ // 156

第3章 数据前期准备 // 171

3.1 从抗日武装的发展谈到数据治理 // 172

3.1.1 数据质量问题 // 173

3.1.2 数据应用问题 // 174

3.1.3 实施策略和路径问题 // 176

3.2 如何生成你需要的基础数据？ // 182

3.3 如何利用数据仓库优化数据分析？ // 189

3.4 二分类变量的数据缺失插补 // 193

3.5 数据离散化，如何避免丢失信息？ // 201

3.6 如何避免数据离散化影响自变量的重要性？ // 204

3.7 二分类模型中如何应对分类自变量取值过多？ // 206

第4章 技术案例 // 211

4.1 建模变量太多怎么办？ // 212

4.2 信用评级模型怎么评估？ // 215

4.3 观察窗口怎么

包邮 洞见数据价值：大数据挖掘要案纪实 企业与个人大数据简明读本 毕马威中国大数据团队 epub pdf mobi txt 电子书 下载 2024