大数据掘金-挖掘商业世界中的数据价值

1星价 ¥37.2 (7.6折)

2星价￥37.2 定价￥49.0

作者：[美]杜尔森·德伦（DursunDel

出版社：中国人民大学出版社

本类榜单：管理

分类：管理 > 一般管理学 > 经营管理

暂无评论

图文详情

ISBN：9787300220314
装帧：一般胶版纸
册数：暂无
重量：暂无
开本：16开
页数：214
出版时间：2016-01-01
条形码：9787300220314 ; 978-7-300-22031-4

本书特色

在数据洪流中沙里淘金，挖掘大数据背后的价值洼地，为企业带来下一个增长红利。　　在互联网风气云涌的时代，很多企业拥有数据金矿，却很少能挖出真金白银。数据本身不产生价值，企业只有分析和利用大数据，才能将散落在各个平台中的数据的真正商业价值挖掘出来。数据挖掘已成为解决复杂商业问题、抓住商机的常用工具。　　《大数据掘金》一书介绍了数据挖掘与分析领域的*佳案例，揭示了如何系统运用数据，找出其中隐含的模式与联系，帮助你更好的利用收集到的数据为自己服务。　　在这本书中，你将见识数据挖掘过程、方法与技巧当前在商业领域广阔的应用，学习使用有效的数据管理方法、工具和矩阵，认识文本和网页数据挖掘，进行大数据整合以及更多相关数据分析知识：　　分析：实用、有效的分类；　　数据挖掘：将数据转化为信息和知识；　　应用：涉及市场营销、金融、医疗卫生、国防等领域；　　方法与标准：kdd、crisp-dm、semma以及六西格玛（six sigma dmaic）方法；　　数据与方法：处理结构化、非结构化、半结构化的数据；　　算法与统计：邻近算法、神经网络算法、svms；　　文本分析与挖掘：情感分析、自然语言分析；　　大数据：数量、种类、速度、真实性、可变性及价值。

内容简介

利用*新的数据挖掘技术，可以提供及时可行的循证决策。本书阐明了目前*佳的实践经验，表明如何利用数据挖掘技术揭示背后隐藏的模式和相关性，以此来全方位提升商业表现，作为一位研究员、实践者和指导者，戴伦博士实现了概念、技巧和应用的*佳平衡与融合。

第1章分析学入门分析学与分析有区别吗数据挖掘该归何处分析学何以突然受到追捧分析学的应用领域分析学面临的主要挑战分析学的发展历史分析学的简单分类分析学的前沿技术--以ibmwatson为例第2章数据挖掘入门数据挖掘是什么哪些不属于数据挖掘数据挖掘*常见的应用数据挖掘能够发现怎样的规律常用的数据挖掘工具数据挖掘的负面影响：隐私问题第3章数据挖掘过程数据库知识获取过程跨行业标准化数据挖掘流程semma数据挖掘六西格玛方法哪种方法*好第4章数据与数据挖掘的方法数据挖掘中的数据属性数据挖掘中的数据预处理数据挖掘方法预测法分类法决策树数据挖掘中的聚类分析k均值聚类算法关联法apriori算法对数据挖掘的误解与事实第5章数据挖掘算法近邻算法评估相似性：距离度量人工神经网络支持向量机线性回归逻辑回归时间序列预测第6章文本分析和情感分析自然语言处理文本挖掘应用文本挖掘的流程文本挖掘工具情感分析第7章大数据分析学大数据从何而来定义"大数据"的v们大数据的关键概念大数据分析处理的商业问题大数据科技数据科学家大数据和流分析法数据流挖掘译者后记

展开全部

作者简介

杜尔森·德伦博士　　国际知名的商务分析与数据挖掘专家，经常受邀参加全国乃至国际会议，就数据与文本挖掘、商务情报、决策支持系统、商业分析以及知识管理等话题发表演讲。　　德伦博士是威廉姆·斯皮尔斯和尼尔·帕特森商务分析荣誉主席、健康系统创新中心的研究主任，俄克拉何马州立大学斯皮尔斯商学院管理科学与信息系统教授。现已出版多部关于商务分析与数据挖掘方面的著作。　　丁晓松（译者）　　北京外国语大学国际商学院管理科学与工程系教授，主要的研究领域包括库存管理、模糊决策分析、*优化算法、供应链绩效评估等。迄今为止，丁晓松教授已在国内外知名学术期刊发表论文多篇，并出版《大数据供应链》等多部译著和专著。

本类五星书