前　言　當(dāng)數(shù)據(jù)成為新時代的石油

第1章　重新認識大數(shù)據(jù)

數(shù)據(jù)規(guī)模：多大才是大？

數(shù)據(jù)創(chuàng)造：每次使用，都是一次創(chuàng)造

數(shù)據(jù)存儲：1年存下16萬個國會圖書館

數(shù)據(jù)處理：摩爾定律何時失效？

數(shù)據(jù)使用：把控流程，而非數(shù)據(jù)

當(dāng)永久存儲數(shù)據(jù)的成本接近零

研究全體數(shù)據(jù)，而非樣本

定義元數(shù)據(jù)

一場關(guān)于數(shù)據(jù)采集的全景電影

在機會窗口內(nèi)利用數(shù)據(jù)

病毒式分發(fā)

數(shù)據(jù)的可用優(yōu)化了決策　

從何處創(chuàng)造大數(shù)據(jù)？

第2章　速度與規(guī)模

借助大數(shù)據(jù)克服復(fù)雜性

Yelp 和貓途鷹：創(chuàng)建新型數(shù)據(jù)集

大數(shù)據(jù)與廣告牌

高速數(shù)據(jù)是新常態(tài)

當(dāng)數(shù)據(jù)能夠描述現(xiàn)實世界

人與物聯(lián)網(wǎng)的交互

用大數(shù)據(jù)營造動態(tài)優(yōu)勢

亞馬遜：協(xié)調(diào)高速度與大規(guī)模

建立自學(xué)習(xí)算法

掌控高速度和高精度的數(shù)據(jù)環(huán)境

第3章　被動數(shù)據(jù)采集

從主動數(shù)據(jù)采集開始

“還訂上次的那種口味嗎？”

從Cookie到谷歌眼鏡

無處不在的傳感器

一次關(guān)于駕駛體驗的革命

被動數(shù)據(jù)采集與精細農(nóng)業(yè)

不受操縱的數(shù)據(jù)

Microsoft Home與未來家居

Cardiio與個人健康

隱私困境

第4章　大數(shù)據(jù)度量

前進保險：主動采集數(shù)據(jù)，降低保險費率

從微觀到宏觀

借助被動數(shù)據(jù)采集進行間接度量

利用大數(shù)據(jù)度量資產(chǎn)

反演數(shù)據(jù)

第5章　精準大數(shù)據(jù)

從傳感器到服務(wù)器

社交網(wǎng)絡(luò)與總統(tǒng)大選

“朋友圈”開始影響晉升

度量20平方厘米的土地

精準醫(yī)學(xué)：從“分子級”的數(shù)據(jù)開始

高精度數(shù)據(jù)促成個性化大規(guī)模定制

數(shù)字化平臺：持續(xù)提高數(shù)據(jù)精度

第6章　融合釋放價值

房產(chǎn)數(shù)據(jù)的可用性

Zillow：真實房產(chǎn)數(shù)據(jù)的新標準

集中公共數(shù)據(jù)與專有數(shù)據(jù)

數(shù)據(jù)產(chǎn)品化

Redfin和Trulia：數(shù)據(jù)創(chuàng)新成為新的戰(zhàn)場

各種形式的數(shù)據(jù)

Zillow的經(jīng)驗

Mint：改變個人理財業(yè)務(wù)

Mint的經(jīng)驗

第7章　4大數(shù)據(jù)策略，8種贏利模式

數(shù)據(jù)策略1：保持數(shù)據(jù)專有性

數(shù)據(jù)策略2：與合作伙伴交易數(shù)據(jù)

數(shù)據(jù)策略3：出售數(shù)據(jù)產(chǎn)品給潛在客戶

數(shù)據(jù)策略4：讓數(shù)據(jù)為大多數(shù)用戶所用

善用新型廣告數(shù)據(jù)

基礎(chǔ)數(shù)據(jù)免費，優(yōu)質(zhì)數(shù)據(jù)付費

綜合應(yīng)用各種數(shù)據(jù)策略

領(lǐng)英：打造多側(cè)面商業(yè)模式

領(lǐng)英的經(jīng)驗

第8章　通過反演數(shù)據(jù)獲取利潤

Netflix：顛覆式創(chuàng)新者

百視達錯失良機

培育關(guān)于客戶偏好的數(shù)據(jù)

與客戶交換數(shù)據(jù)

數(shù)據(jù)分析創(chuàng)造高度定制化的體驗

數(shù)據(jù)戰(zhàn)爭已經(jīng)打響

Netflix的經(jīng)驗

第9章　尋找數(shù)據(jù)科學(xué)家

數(shù)據(jù)科學(xué)家的興起

一幅數(shù)據(jù)科學(xué)家的畫像

配備數(shù)據(jù)分析團隊的優(yōu)勢

配備數(shù)據(jù)分析團隊的挑戰(zhàn)

創(chuàng)建集中分析團隊

首席數(shù)據(jù)科學(xué)家

如何留住數(shù)據(jù)科學(xué)家

第10章　利用大數(shù)據(jù)激發(fā)創(chuàng)新

動態(tài)化運用數(shù)據(jù)

新數(shù)據(jù)創(chuàng)造新生活

從人工驅(qū)動轉(zhuǎn)向數(shù)據(jù)驅(qū)動

數(shù)據(jù)實驗室

Nest的啟示

數(shù)字化平臺和物聯(lián)網(wǎng)開啟定制化創(chuàng)新

用大數(shù)據(jù)挑戰(zhàn)激勵創(chuàng)新

在企業(yè)中運用數(shù)據(jù)進行實驗

第11章　新數(shù)據(jù)的顛覆力

來自蜂窩網(wǎng)絡(luò)的數(shù)據(jù)

從主動數(shù)據(jù)采集轉(zhuǎn)向被動數(shù)據(jù)采集

利用位置信息實現(xiàn)贏利

LBS：基于位置的服務(wù)

Foursquare：用客戶位置信息引導(dǎo)方向

基于位置數(shù)據(jù)的7種贏利模式

重視數(shù)據(jù)精度

從數(shù)據(jù)看舊金山人與紐約人

Foursquare的經(jīng)驗

第12章　保護數(shù)據(jù)資產(chǎn)

無隱私的社會

追蹤與監(jiān)控

誰擁有數(shù)據(jù)？

聚合數(shù)據(jù)視圖中的隱私

處理大數(shù)據(jù)中的數(shù)據(jù)風(fēng)險

處理敏感個人數(shù)據(jù)的實踐

第13章　大數(shù)據(jù)的8大趨勢

趨勢1：數(shù)據(jù)采集、創(chuàng)造和使用中的自動化程度將增強

趨勢2：云計算使大多數(shù)公司可以創(chuàng)造大數(shù)據(jù)

趨勢3：靈活的分析工具使更多公司能夠處理大數(shù)據(jù)

趨勢4：移動平臺將基于位置的數(shù)據(jù)和服務(wù)推向新高度

趨勢5：數(shù)據(jù)分析人才將供不應(yīng)求

趨勢6：數(shù)字化平臺的聚合將更為常見

趨勢7：新數(shù)據(jù)將提高市場效率

趨勢8：自主，而不僅僅是自動化

第14章　如何評估大數(shù)據(jù)贏利策略

數(shù)據(jù)來源

創(chuàng)新

增長模式

市場機遇

分析

從新手級到專家級

迎接大數(shù)據(jù)時代

致謝