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；*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*佳实践，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。

大卫·斯蒂文森（David Stephenson） 美国宾夕法尼亚大学沃顿商学院教授，数据科学和大数据分析领域国际咨询家。凭借近20年行业经验，以专业的视角和实用的工具指导了价值百亿美元以上的商务决策。同时，他还是顶*投资、私人资产和管理咨询公司的专业顾问。他领导了跨越六大洲公司的全球分析项目。

目录 

*一部分大数据揭秘 

*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 

*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 

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 

4章大数据分析的应用案例 

A/B测试 

推荐引擎/下一个*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 

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 

*二部分将大数据生态系统应用到组织中 

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 

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 

8章实施数据科学——分析、算法和机器学习 

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 

9章选择技术 

交付给*终用户 

选择技术时需要考虑的方面 

小贴士 

问题 

*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 

*11章数据治理与法律遵从 

个人数据 

数据科学和隐私披 

数据治理 

治理报告 

小贴士 

问题 

*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