Родился для данных: практика инноваций больших данных
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
Выбор редактора
- Чжоу Тао, одному из десяти ведущих деятелей научно-технических инноваций 2015 года, переводчику китайской версии книги «Эра больших данных», разошедшейся миллионным тиражом, и лидеру больших данных Китая, потребовалось три года, чтобы опубликовать свою первую личную монографию!
- Впереди эпохи больших данных 3.0, шедевра практики инноваций в области больших данных!
- Здесь нет непонятных слов или скучных проповедей, а слова наполнены сильными данными чувствами и чувством ответственности.За мудрым и безудержным стилем письма стоит простое и сильное понимание больших данных.
- Это практическая заметка по большим данным в умных городах, здравоохранении, образовании, финансах, бизнесе и других областях; это также руководство, указывающее возможный путь развития больших данных в будущем!
- Председатель Broadband Capital Тянь Сунин, исполнительный вице-президент Alibaba Group Цзэн Мин и профессор Гонконгского университета науки и технологий Ян Цян настоятельно рекомендуют это!
- Производится культура Чжанлу.
СМИ обзор
Чжоу Тао — самый молодой и многообещающий эксперт по большим данным в Китае. Он не только занимается исследованиями больших данных, но также объединяет промышленность, научные круги и исследования и добился очень эффективных результатов в инновационной практике больших данных.Сегодня, когда период популяризации больших данных прошел, передовые эксперты и практики, такие как Чжоу Тао, еще более необходимы, чтобы указать направление для следующего шага инноваций в области больших данных: что именно нам следует делать в эпоху больших данных 3.0?Как торговля данными делает ресурсы данных местом сбора?Как каждое предприятие может стать предприятием, работающим с большими данными?В его книге, наполненной сильной страстью к данным и сильным чувством ответственности, мы видим систематическое и четкое руководство!
——
Председатель широкополосной столицы
Когда концепция больших данных настолько популярна, редко можно найти хорошую книгу, которая могла бы ясно объяснить практическую работу, теорию и концепцию.Стоит внимательно прочитать!
—&мдаш;Цэн Мин
Исполнительный вице-президент Alibaba Group
Изящное письмо, глубокие идеи изложены простыми словами, мышление вдумчивое, а мысли далеко идущие!
—&мдаш;Ян Цян
Профессор Гонконгского университета науки и технологий
Чжоу Тао использовал новый взгляд на анализ больших данных, чтобы заново изучить мир, с которым мы сталкиваемся.Он привел группу молодых людей в&Ldquo; Volkswagen Entrepreneurship, Innovation”, я сделал свои собственные твердые шаги на дороге. Он внес систематический вклад в интеллектуальный анализ и анализ больших данных, особенно в интеллектуальный анализ и анализ сетевых данных.Его инновационные результаты позволили решить основные научные проблемы, совершить прорыв в ключевых технологиях, принести значительные социальные и экономические выгоды и значительно улучшить жизнь людей.
——“2015Десять лучших деятелей года в сфере научных и технологических инноваций”Присутствие
Оглавление
предисловие:Выбор между маглами и волшебниками
Part.1 В эпоху больших данных пусть данные говорят
01От всего, что считается, к всему, что считается / 005
Активные или пассивные, мы все вносим данные
Все записывается, все анализируется
Четыре основных аспекта позволяют данным расти в геометрической прогрессии
02От десятков и девяток к тысячам цифр / 017
Структурированные данные
Не -структурированные данные
03От встречи друг с другом через воду до перевозки через реку / 029
данные о местоположении
Персональные данные
Данные и данные, 1 1 намного больше, чем 2
Практика инноваций в области больших данных:
Используйте записи о покупках для создания портретов пользователей
04Большие данные и облачные вычисления стимулируют новую промышленную революцию / 039
Вычисления: новые источники энергии в третьей промышленной революции
Данные: Новые материалы в третьей промышленной революции
Анализ доказательств: передовые технологические процессы в третьей промышленной революции
Персонализация: самая важная особенность бизнеса в эпоху больших данных
Практика инноваций в области больших данных:
Неисправная автобусная карта
Персонализированная медицина, Ангелина&миддот;Джули и Стив&Middot; рабочие места
Part.2 Большие данные 1.0: анализировать
05Статистика дает понимание / 055
Выявите незаконные заявки MCC
Ударять“Электрическая мышь”
“Захвачен”Чрезмерное медицинское лечение и страховое мошенничество
Выявление спамеров в социальных сетях
Три основные проблемы, с которыми сталкивается Sina Weibo
Какие возможности для бизнеса содержат записи звонков курьеров?
Какая самая платная программа по запросу?
06Ассоциация содержит значение / 075
Добыча правил ассоциации
совместная фильтрация
Корреляционный анализ – мощный инструмент для поиска причинно-следственных связей.
Практика инноваций в области больших данных:
Кого волнуют средства ультразвуковой чистки?
Обнаружить“Номер телефона 3-его января”Пользователи-зомби
07Прогнозирование помогает принимать решения / 089
Нажмите, чтобы купить прогнозы
Прогнозирование местоположения на основе мобильных траекторий
Прогноз ссылки
Каковы основные методы прогнозирования больших данных?
Практика инноваций в области больших данных:
Какова вероятность того, что кредитная карта не будет погашена с просрочкой?
Записи о регистрации прогнозируют индекс локализации пользователя.
Part.3 Большие данные 2.0: экстернализация
08Обращение за помощью с внешними данными / 109
Прогнозирование результатов тестов учащихся на основе поведенческих данных
Из записи в столовой&Ldquo; позиционирование”Одинокие люди
Понимание управления человеческими ресурсами с помощью социометрических вывесок
Прогнозирование оборота и темпов продвижения по службе
Поведенческие данные делают незаконный сбор средств невозможным
09Внешняя ценность собственных данных / 129
45 ключевых слов для прогнозирования тенденций гриппа в режиме реального времени
Алибаба“Taobao ИПЦ” Индекс
10Машинное обучение — самый удивительный инструмент для экстернализации данных / 139
Машинное обучение, трехчастный топор 1: Особенности
Трехстороннее машинное обучение 2: Модель
Трилемма машинного обучения 3: Fusion
Part.4 Большие данные 3.0: интегрирован
11Торговый рынок: место сбора информационных ресурсов /155
Обмен данными научных исследований
Открытые государственные данные
Система каталогов данных о национальном обращении
12Data Castle: Арена талантов данных / 175
Kaggle, родина науки о данных
Data Castle, китайский экспериментатор модели Kaggle
13Фабрика инноваций: Карнавал информационных технологий / 185
Дилемма стартапа, работающего с большими данными
Трудности информатизации крупных традиционных предприятий
Создайте платформу для анализа больших данных
Создайте инновационную фабрику больших данных
ЗаключениеСтать предприятием больших данных / 201
Спасибо / 211
Чтение в Интернете
[Конечные слова]
Станьте компанией больших данных
Какую компанию можно назвать компанией больших данных?Боюсь, никто не сможет дать точный ответ.Однако интуитивно мы можем почувствовать, что Google больше похож на компанию, занимающуюся большими данными, Alibaba также похожа на компанию, занимающуюся большими данными, а Bank of China меньше похож на компанию, занимающуюся большими данными, хотя он также каждый день погружается в огромные массивы данных.Помимо способности обрабатывать большие объемы данных, причина, по которой Google и Alibaba больше похожи на компании, занимающиеся большими данными, заключается в том, что они имеют инструменты углубленного анализа данных, используют результаты анализа данных для непосредственного принятия решений и часто запускают инновационные приложения, основанные на анализе данных, и это не включает в себя странные вещи, такие как AlphaGo.
Я уже третий раз говорю о том, как стать предприятием, работающим с большими данными, в форме слов.Во-первых, давным-давно в“Научная сеть”Блог написан на вебсайте, а второй – предисловие, написанное для книги под названием Code Halos.Эту версию можно рассматривать как дополнение и расширение двух предыдущих версий, а также является повторением некоторых ключевых содержаний этой книги (чтобы обеспечить независимость этой статьи, вы можете читать ее непосредственно, не опираясь на эту книгу, а небольшое количество документов и примечаний, приведенных в книге, повторяется в этой статье).К сожалению, не существует универсального подхода к компаниям, работающим с большими данными, и не существует волшебной формулы, которая могла бы быстро превратить предприятие в Google.Этот вывод лишь выдвигает некоторые реальные предложения. Концепция больших данных, скрытая за этими предложениями, может быть более важной.
Хотя я использую термины «Шаг 1» и «Шаг 2», чтобы перечислить меры, необходимые для того, чтобы стать предприятием, работающим с большими данными, между этими шагами нет строгой логической связи с точки зрения того, кто решает, кто или кто будет первым во времени.Например, лучше всего, конечно, сначала разработать стандарты данных, а затем организовать и собрать данные, чтобы не делать никаких обходных путей. Но на самом деле без данных у компаний не будет мотивации создавать стандарты, а стандарты, которые они разрабатывают, могут оказаться всего лишь словами на бумаге, что совершенно непрактично.Другой пример: создание платформы управления данными может помочь лучше реализовать комплексную обработку данных, но на самом деле она в основном начинается после того, как в определенной степени реализована стратегия комплексной обработки данных.Вообще говоря, то, что написано в предыдущей позиции, является более базовым, но не имеет * зависимостей.
Step 1.Комплексная оцифровка
“ данные”Inspur будет отправной точкой всей эры больших данных. Он подчеркивает, что данные являются активом, записывает все данные, которые могут быть записаны, и полагает, что однажды эти данные принесут огромную ценность.Очевидно,Датафикация является основой для предприятия, позволяющего реализовать собственную оптимизацию посредством углубленного анализа данных..
Когда я обратился в Changhong Group для исследования, мне сказали, что Changhong Electric использует на своей производственной линии большое количество датчиков для регистрации температуры, влажности, уровня пыли, интенсивности вибрации, интенсивности шума и т. д. в производственной среде. Путем корреляционного анализа этих количественных показателей и качества продукции получены ключевые факторы, влияющие на долю качественной продукции и долю хорошей продукции. Путем дальнейшего контроля факторов окружающей среды значительно повышается качество высококачественной продукции.В процессе повседневной работы и управления предприятиями через систему автоматизации делопроизводства (система OA) записывается множество данных журналов, таких как внутренний обмен мгновенными сообщениями, обмен электронной почтой, рабочие задания, а также загрузка и выгрузка бизнес-файлов.Эти данные — драгоценное богатство!Как я упоминал в третьей части книги, посредством анализа этих данных мы можем более точно прогнозировать текучесть кадров и темпы продвижения по службе, более точно прогнозировать уровни производительности сотрудников и отделов, а также помогать корпоративным сотрудникам быстро находить дела и документы, которые имеют справочную ценность для их существующих предприятий и клиентов, посредством интеллектуального сопоставления на основе связанных пользователей и текста и т. д. Но все эти улучшения основаны на наличии у компании соответствующих данных.
В целом, комплексная оцифровка требует от предприятий сбора и хранения всех данных о производстве и операциях предприятия, формируя концепцию информационных активов предприятия.
Step 2.Организовать ресурсы данных, установить стандарты данных и сформировать спецификации управления.
Многие компании уже имеют некоторые резервы данных или начали быстро накапливать некоторые данные на первом этапе.Однако руководство корпораций, особенно тех, которыми управляют группы с множеством дочерних компаний в разных отраслях, обычно не имеет четкого понимания того, какими ресурсами данных они располагают, не говоря уже об относительно полном каталоге данных.
Первый шаг, который должно сделать предприятие, — это создать комитет по данным по принципу «сверху вниз» и, при необходимости, использовать помощь внешних партнеров для проведения комплексного исследования данных, понимания общей ситуации с ресурсами данных и установления процессов и спецификаций для обновления ресурсов данных..
Самым основным способом представления ресурсов данных является каталог данных. Я считаю, что команда управления предприятием должна как минимум владеть каталогом всех данных предприятия третьего уровня, а основная техническая группа предприятия должна владеть каталогом четвертого уровня.Но ресурсы данных — это не просто каталоги данных, поскольку они также включают описания полноты, обновления, достоверности и источников шума каждого элемента данных.После освоения ресурсов данных предприятия должны установить стандарты данных в соответствии с потребностями развития своего бизнеса, чтобы существующие данные и все новые данные в будущем могли управляться единообразно в соответствии с одним и тем же стандартом, чтобы избежать“Чем больше информационных систем построено, тем труднее будет интегрировать данные в будущем.&дилемма.Предприятия, которые используют в своем бизнесе большой объем данных, особенно те, которые связаны с данными о конфиденциальности пользователей, личными данными и данными, имеющими важную коммерческую ценность, должны сформулировать стандарты для полного управления данными, поскольку большинство инцидентов с конфиденциальностью и безопасностью данных не получаются извне хакерами или конкретным вражеским персоналом с помощью технических средств, а преднамеренно или случайно разглашаются персоналом подразделения.Стандарт полного управления данными позволяет предприятиям управлять данными на разных уровнях и с разными разрешениями, а также знать в любое время, на каких серверах и терминальных устройствах хранятся конфиденциальные данные. Для любой обработки конфиденциальных данных можно оставить журналы данных и пометить уникальный водяной знак данных, чтобы после любой возможной утечки данных можно было отследить их источник и узнать, какой сотрудник загрузил их на какое устройство, в какое время и с какими разрешениями.Некоторые точки риска, возникающие во время операций, хорошие методы управления также могут обнаружить их в режиме реального времени и пресечь в зародыше.
Step 3.Создайте платформу управления данными
Когда некоторые читатели слышат о платформах управления данными, они думают, что создание центра обработки данных и хранение данных будет стоить больших денег.Платформа управления данными должна иметь функцию аварийного восстановления хранилища в центре обработки данных, но ее роль выходит далеко за рамки этого.
Прежде всего, платформа управления данными должна адаптировать набор решений по организации и управлению данными для предприятия, особенно интеграцию данных между различными отделами предприятия, а также способы индексации и корреляции данных предприятия..На многих крупных предприятиях формат, форма и система идентификации данных не согласованы между подразделениями. Обмен данными между подразделениями невозможен. Даже большинство таблиц данных не имеют первичных и внешних ключей. Невозможно сформировать эффективную организацию данных.Это все, что должна делать платформа управления данными.
Во-вторых, платформа управления данными ориентирована на бизнес, а усовершенствованная система интеллектуальной обработки потоковых данных должна обеспечивать прямую поддержку бизнеса..Во многих случаях для создания платформы управления данными требуется глубокое понимание наиболее важного основного бизнеса предприятия и руководство созданием платформы управления данными с помощью демонстрационных приложений, представляющих большую ценность.Например, для предприятий розничной торговли должна быть сформирована система индексации и профилирования, ориентированная на потребителя, которая в основном поддерживает основные виды деятельности, такие как точная реклама и интеллектуальное обслуживание клиентов. Во-вторых, должна быть сформирована система индексации, ориентированная на продукт, которая в основном поддерживает такие направления бизнеса, как оптимизация логистики и складирования.
*Наконец, конструкция платформы управления данными должна быть индивидуальной, с упором на надежность и масштабируемость. На старте не нужно вкладывать много денег..Поскольку стоимость «железа» тоже падает очень быстро, не нужно слишком много думать о том, что будет через полгода или даже год. Если архитектура спроектирована правильно, при необходимости можно будет легко расширить аппаратное обеспечение.
Step 4.Создание возможностей углубленного анализа больших объемов данных
Чтобы создать способность к добыче и получению ценности посредством углубленного анализа и анализа массивных данных с множеством гетерогенных и междоменных ассоциаций, необходимо развивать способности в двух аспектах.
*, возможности анализа и обработки неструктурированных данных.Включая такие данные, как текст, аудио, изображение, видео, сеть и траекторию.Люди, прошедшие обучение традиционной бизнес-аналитике и статистике, очень хорошо справляются с обработкой структурированных данных, но обработка неструктурированных данных часто является головной болью.—&-Например, если выборку распределения легко выполнить, как сеть сможет выполнить выборку?Следовательно, для обычных неструктурированных данных, особенно тех, которые тесно связаны с собственным бизнесом компании, должна быть команда, которая сможет извлечь ценность и даже преобразовать ее в структурированные данные.
Во-вторых, возможности машинного обучения на основе больших данных.Большинство проблем приложений, которые мы можем себе представить, по существу представляют собой проблемы классификации или прогнозирования, включая персонализированные рекомендации, точный маркетинг, управление эффективностью работы сотрудников, отчетность о кредитных картах банковских кредитных карт, кредиты для малых и микропредприятий, контроль производственной линии, точную рекламу и выбор торговых точек и т. д.*Мощное* решение этих проблем — машинное обучение!Многие функции ядра высокого порядка работают чрезвычайно медленно, особенно в среде больших данных, и для большого объема обучения приходится использовать линейные обучающиеся; данных много, а слабые сигналы часто встречаются в условиях сильного шума. Один классификатор часто дает средний эффект, и необходимо проводить ансамблевое обучение..Например, в конкурсе персонализированных рекомендаций по фильмам на миллион долларов, проводимом Netflix, мы построили несколько очень красивых одиночных моделей, но по сравнению с моделью ансамблевого обучения, которая выиграла конкурс, они оказались как минимум слабыми с точки зрения точности!Некоторые читатели могут спросить, разве не важны высокопроизводительные системы хранения данных?Разве нет технических экспертов, знающих Hadoop и Spark?Стоит ли нам добавить к массиву ЦП несколько графических процессоров или даже массивов программируемой логики?Это тоже важно, но если предприятие достаточно сильное, оно может принять зрелые решения. У ведущих мировых поставщиков услуг обработки больших данных, таких как IBM, HP и Intel, есть хорошие решения.Но два вышеупомянутых пункта, которые я упомянул выше, касаются развития талантов и способностей предприятий, и пока не существует особенно хорошего и зрелого решения, поэтому они более важны.
*Наконец, как компании создают такие возможности?Первый способ — привлечь первоклассных специалистов в области больших данных.—&- Тратьте больше денег и акций.Второй вариант — использовать проект отображения в качестве руководства и развивать собственную команду по анализу данных посредством внешнего сотрудничества, чтобы не только решать проблемы, но и учиться..Когда предприятия участвуют в таком виде сотрудничества, им не всегда следует думать о аутсорсинге всего и сразу. Вместо этого им следует изучить новые способы и посмотреть, смогут ли они создать совместные группы для совместного проведения исследований и разработок, а также привлечь больше людей к обучению.Некоторые поставщики, особенно те, которые обладают опытом в определенных аспектах, но еще не имеют достаточной квалификации, могут принять это требование от предприятий в процессе разработки.
Step 5.Создайте стратегические резервы внешних данных
Когда предприятие достигает этой стадии, оно имеет некоторое представление о современном предприятии больших данных, поскольку оно больше не ограничивается собственными бизнес-данными и начинает смотреть на внешний мир.——Многие крупные инновации в области больших данных возникают в результате применения данных за пределами бизнес-системы, которая их генерирует.. Например, если компания по производству одежды хочет решить проблему планирования дизайна и производства, недостаточно просто просмотреть свои собственные отчеты о продажах. Стоит ли ему смотреть на общий объем продаж одежды на Taobao, Tmall и JD.com, чтобы понять, какие стили, цвета и цены на одежду наиболее популярны в каких регионах?Для этого нужны внешние данные!
На самом деле, внешние данные имеют большое значение для расширения рынка, анализа тенденций, анализа конкурентных продуктов, набора талантов, составления портретов пользователей и рекомендаций по продуктам. Веб-сайты, форумы, социальные сети и платформы электронной коммерции собирают много ценных общедоступных данных. Большую часть этих данных можно напрямую и эффективно собрать с помощью технологии распределенного сканирования глубокой сети.Поэтому предприятия должны сознательно начать формировать собственные стратегические резервы внешних данных, а не&LDQUO”Вы будете меньше сожалеть, когда будете использовать его.С одной стороны, предприятия могут создавать собственные автоматизированные системы с такими функциями, как сбор, очистка, хранение и индексирование для автоматического накопления внешних данных; с другой стороны, предприятия могут получить некоторые крайне необходимые данные, сотрудничая с поставщиками данных..
Step 6.Создание внешних инновационных возможностей для данных
Компаниям легко застрять в собственном бизнесе.Таким образом, компаниям легче понять, что внешние данные могут помочь решить проблемы, с которыми сталкивается их собственный бизнес, поскольку владельцы бизнеса и сотрудники каждый день думают о том, как решить эти проблемы. В свою очередь, пусть они подумают о том, могут ли их бизнес-данные принести значительную пользу где-либо еще и помочь другим компаниям, а они не столь чувствительны.Фактически, эти инновационные идеи часто могут принести новую и огромную пользу.Например, Google использует данные, полученные собственным поисковым бизнесом, для прогнозирования цен на электроэнергию и распространенности инфекционных заболеваний, и добился больших успехов.
&Фактически, большая часть данных из первых рук, полученных предприятиями с помощью интеллектуальных терминалов, сенсорных сетей, логистических записей, записей торговых точек, платформ электронной коммерции и т. д., может использоваться для поддержки инновационных приложений в межотраслевых перекрестных продажах, защите окружающей среды, управлении здравоохранением, умных городах, точной рекламе, а также прогнозировании цен на недвижимость и землю.Использование этих возможностей может увеличить стоимость текущего бизнеса компании и принести долгосрочные и значительные выгоды.
Step 7.Содействие открытию и обмену собственными данными
Великие компании знают, как собрать самых умных людей, которые будут обслуживать самих себя.
После того как предприятие располагает большим объемом данных и определенными возможностями анализа, оно не может почивать на лаврах, а должно в полной мере использовать возможности общества для максимизации потенциальной ценности данных.. Netflix однажды раскрыл данные онлайн-рейтинга, содержащие более 500 000 пользователей и 17 770 фильмов, и предложил вознаграждение в размере 1 миллиона долларов США команде, которая могла бы улучшить существующую точность прогнозирования рейтинга Netflix на 10%.Netflix больше не является компанией по онлайн-прокату фильмов, а является ведущим предприятием по работе с большими данными.Помимо данных, которые нельзя разглашать открыто из-за законов о безопасности и конфиденциальности, значительная их часть может быть открыта различными способами.—&-Такая открытость принесет большую пользу! Международные, такие как Kaggle (английская платформа, www.kaggle.com), и отечественные, такие как DataCastle (китайская платформа, www.pkbigdata.com), являются очень влиятельными платформами для соревнований по инновациям в области больших данных.Например, Центр исследования больших данных Университета электронных наук и технологий Китая однажды провел конкурс по прогнозированию успеваемости студентов на DataCastle. Общий призовой фонд составил всего 50 000 юаней, но он привлек к участию в соревновании более 2000 участников из 915 команд, из которых более 200 команд приехали из“985&rdquo“211”Известные университеты.Идеи и методы новейших решений были применены в модуле продукта количественного управления большими данными в образовании.*Почти запущен Cash Bus.“Конкурс по предсказанию характера пользователя микрозайма”Оно привлекло 1.531 участвующую команду.Недавно был также запущен метод конкурса, при котором компании предоставляют описания и образцы наборов данных, а участники разрабатывают инновационные бизнес-приложения и представляют описания продуктов или бизнес-планы.
Благодаря этим открытым планам обработки данных предприятия могут изучить новейшие алгоритмы и самые инновационные идеи применения данных, чтобы максимизировать ценность своих собственных данных..
Step 8.Стратегическая инвестиционная схема индустрии данных
Как только предприятие достигнет определенного масштаба, если одних его собственных возможностей недостаточно или они слишком медленны, оно может рассмотреть возможность инвестирования для быстрого формирования собственных возможностей больших данных или даже структуры отрасли больших данных.Есть три возможных отправных точки для этого типа стратегических инвестиций:
(1)Промышленная интеграция.Начиная с первоначальных выгодных для инвестора отраслей или ключевых отраслей с многообещающими перспективами больших данных, мы выстроим всю отраслевую цепочку и сконцентрируем наши усилия.
  (2)Техническая интеграция.Мы фокусируемся на инновационных инструментах для сбора, хранения, вычислений, анализа и визуализации данных, чтобы предоставить универсальные решения.
  (3)Интеграция данных.Основываясь на концепции потока данных, совместного использования и использования внешней ценности, мы инвестируем в группу компаний, которые могут тесно сотрудничать, иметь дополняющие данные и иметь строгую управляемость.
Для предприятий, которые ранее не занимались data- и информационно-емкими отраслями, второй тип направления инвестирования является особенно рискованным. Рекомендуется в основном рассматривать две категории (1) и (3). Этот вид инвестиций отличается от инвестиций в недвижимость.В основном он учитывает интеграционную способность инвестируемого предприятия и инвестора, а также ограниченность, независимость, множественность источников, ликвидность и взаимодополняемость российских данных, которые оно может предоставить.
*Наконец, цель добавления такого вывода — надеяться, что читатели смогут понять подход предприятий к большим данным.!Если несколько компаний вдохновились этой книгой и создали значительную ценность в бизнес-моделях, продуктах и операциях, это успех автора*.
Введение
- Почему вам стоит прочитать эту книгу, если концепция больших данных сегодня так популярна?Чжоу Тао, лидер в области больших данных в Китае, ведущий эксперт в области инноваций и практики больших данных, а также переводчик китайской версии бестселлера «Эра больших данных», стоимостью в миллион долларов, провел три года, просматривая большое количество реальных случаев, чтобы представить их читателям.В этой книге вы познакомитесь с китайскими инновационными практиками использования больших данных в области интеллектуальных транспортных систем, персонализированной медицины, умных школ, финансов и бизнеса, а также предоставите практическое руководство по будущему развитию больших данных.
- Какие люди смогут выжить и развиваться в следующую эпоху?Большие данные 3.0Что нам следует делать в эту эпоху?Как торговля данными делает ресурсы данных местом сбора?Как каждое предприятие может стать предприятием, работающим с большими данными?Профессор Чжоу Тао рассказывает читателям на реальных примерах: «Только те, кто владеет концепцией больших данных и может овладеть ими и использовать их, смогут добиться успеха в будущем».“Все записывается, все анализируется”Выжить в цифровую эпоху.Независимо от того, в какой отрасли вы сейчас работаете, даже если вы не можете освоить конкретную технологию обработки данных, очень важно понимать концепцию больших данных и развивать модель мышления, основанную на больших данных.Научитесь говорить с данными и докажите это результатами анализа данных“Какое одно лучше и какое хуже?”И направьте нас принять правильные решения.
- Это не жесткая академическая монография, а мягкая эмоциональная книга!Здесь нет непонятных слов или скучных проповедей, слова наполнены сильным смыслом данных и сильным чувством ответственности.Профессор Чжоу Тао рассказал множество историй о китайцах, которые усердно работали в области больших данных и надеялись на инновации. Он считал, что концепции, технологии и дух, стоящие за этими историями, могут вдохновить больше молодых новаторов внести свой вклад в возрождение нашей нации.
- Лидерство в области больших данных 3.0эпоха, шедевр инновационной практики больших данных!Большие данные 1.0 — это позитивный цикл, в котором большой объем данных, генерируемых собственным бизнесом, постоянно оптимизируется посредством углубленного анализа, а оптимизированный бизнес генерирует больше данных.Большие данные 2.0 относятся к тому, как использовать данные собственного бизнеса для решения проблем, не связанных с бизнесом, или как использовать данные, не относящиеся к бизнесу, для решения проблем в собственном бизнесе.«Большие данные 3.0» — это то, как интегрировать инновационные элементы больших данных, такие как данные, технологии, спрос и таланты, под каталитическим воздействием капитала и культуры.Акцент в трех версиях делается не на временную последовательность или логическую зависимость, а на степень концептуального различия между ними и традиционными приложениями данных.
об авторе
| | |
| | |
Чжоу Тао
- Гениальное чудо.Годовалый ребенок говорит, годовалый ребенок наполовину грамотен, двухлетний ребенок изучает шахматы, трехлетний ребенок играет в маджонг, а четырехлетний ребенок читает романы о боевых искусствах.…&...Выиграл первую премию по естествознанию в возрасте 26 лет, был назначен профессором Университета электронных наук и технологий Китая в возрасте 27 лет и выиграл Китайскую молодежную премию в области науки и технологий в возрасте 29 лет.
- Академический магистр.В «Физических отчетах» (Physics Reports), «Известия Национальной академии наук» (PNAS), «Природные коммуникации» (Nature Communication) и другие международныеSCIЖурнал иSIGKDD,ICDMОн опубликовал более 300 статей на международных научных конференциях, получил более 13 000 цитирований и индекс Хирша 55. Включен в список самых влиятельных китайских ученых мира (физика и астрономия) журнала Elsevier.
- Маршал данных.Директор Центра исследования больших данных Университета электронных наук и технологий Китая, переводчик на китайский язык книги «Эра больших данных», разошедшейся миллионным тиражом, и основатель Data Castle, крупнейшей в стране платформы для соревнований по интеллектуальному анализу данных.“Десять лучших научных и технологических инноваций в 2015 году” победитель.
- Бизнес-игроки.Начав с нуля, он последовательно основал известные компании, занимающиеся большими данными, такие как Shuzhilian, Shulian Mingpin и Guoxin Youyi. Общая рыночная стоимость компаний, занимающихся большими данными, которые он основал и инвестировал, превышает 10 миллиардов долларов.