8 (905) 200-03-37 Владивосток
с 09:00 до 19:00
CHN - 1.14 руб. Сайт - 17.98 руб.

Официальный подлинный коммерческий банк управление большими данными исследования и практика

Цена: 801руб.    (¥44.5)
Артикул: 626914018075

Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.

Этот товар на Таобао Описание товара
Продавец:鑫达图书专营店
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥99.81 795руб.
¥33594руб.
¥139.72 512руб.
¥49.8896руб.
  • Информация о товаре
  • Фотографии

Существуют относительно всеобъемлющие теоретические знания, но также богатые практики бизнес -банкинга и случаи!Вы можете обратиться к введению управляющих данными коммерческих банков, а также подходит для банка бизнес -персонала, чтобы понять значимость приложений больших данных для разработки банковского бизнеса.

  Основная информация


наименование товара:

 

делать   

  

город  поле  цена:

   89,00 Юань

ISBN  номер:

  9787111663263

Дата публикации:

  2020-09

Страница  &Nbsp; номер:

  216

Характер  &Nbsp; номер:

 

вне   Общество:

   Machinery Industry Press


 

  Оглавление

  

Предисловие

Основная часть

Глава 1 Что такое большие данные  /  2

1.1 Данные и историю разработки больших данных  /  2

1.2 Концепция больших данных  /  3

1.2.1 Особенности больших данных  /  4

1.2.2 Тип больших данных  /  5

1.2.3 Большие данные банковской отрасли  /  5

Глава 2 Большие данные становятся основной конкурентоспособностью банковской индустрии  /  7

2.1 Процесс разработки банка строительства  /  7

2.1.1 Стадия электрификации  /  8

2.1.2 Стадия информации  /  8

2.1.3 Стадия мобильности сети  /  9

2.1.4 Цифровая интеллектуальная стадия  /  11

2.2 Прорыв инноваций и трансформаций банковской индустрии  /  14

2.2.1 Большие данные привносят изменения модели обслуживания в банковскую отрасль  /  15

2.2.2 Мышление с большими данными помогает банковской индустрии раскопать выгоды от инноваций  /  15

2.2.3 Цифровая трансформация больших данных о продвижении  /  17

2.3 мышление больших данных  /  20

2.4 Способность добывать данные  /  22

2.5 Ключевые взгляды на отрасль  /  24

2.5.1 Точка зрения IBM  /  24

2.5.2 Вид на PWA Yongdao  /  24

техническая часть

Глава 3 Обзор технологии больших данных  /  28

3.1. Введение концепции сбора данных.  /  28

3.2 Источник данных и типы данных больших данных  /  29

3.2.1 Источник данных больших данных  /  29

3.2.2 Традиционный тип данных  /  31

3.2.3 Тип данных инноваций в эпоху больших данных  /  32

3.3 Методы и инструменты для больших данных  /  33

3.3.1 Метод сбора больших данных  /  33

3.3.2 Обычно используемые инструменты сбора больших данных  /  34

Глава 4 Платформа больших данных  /  36

4.1 MPP  /  37

4.1.1 Teradata Data Warehouse  /  39

4.1.2 IBM Netezza  /  42

4.1.3 Pivotal Greenplum  /  43

4.1.4 GBase 8a Cluster  /  44

4.2 Hadoop  /  45

4.2.1 Что такое Hadoop  /  45

4.2.2 Hadoop и большие данные  /  46

4.2.3 Процесс разработки Hadoop  /  47

4.2.4 Hadoop Ecosystem  /  49

4.2.5 Core Component Hadoop  /  50

4.2.6 Hadoop другие компоненты  /  54

4.3 NoSQL  /  55

4.3.1 Обзор  /  55

4.3.2 Типичное введение NOSQL  /  57

4.4 Применение платформы больших данных внутреннего банка  /  61

4.4.1 Обзор  /  61

4.4.2 Внедрение платформы больших данных внутреннего банка  /  61

4.5 Облачная платформизация технологии больших данных  /  63

4.6 Введение в озеро данных  /  64

4.6.1 Концепция озера данных  /  64

4.6.2 Архитектура данных озера данных  /  64

4.6.3 Разница между озером данных и хранилищем данных  /  66

Глава 5 Наука и техника больших данных  /  68

5.1. Связанная концепция Введение  /  68

5.1.1  /  69

5.1.2 машинное обучение  /  70

5.2 Алгоритм интеллектуального анализа данных  /  71

5.2.1 Простая байесовская классификационная модель  /  72

5.2.2 Модель дерева решений  /  72

5.2.3 K Недавно соседний алгоритм классификации  /  72

5.2.4 Нейронная сеть  /  73

5.2.5 Алгоритм поддержки векторного машины  /  73

5.2.6 Интегрированное обучение  /  74

5.2.7 Кластерный анализ  /  75

5.2.8 Алгоритм связанного анализа  /  76

5.2.9 Алгоритм максимального ожидания  /  76

5.2.10 Алгоритм ранжирования веб -страницы  /  76

5.2.11 Другие часто используемые алгоритмы  /  77

5.3  /  78

5.3.1 SAS  /  78

5.3.2 PASW  /  78

5.3.3 R Язык  /  79

5.3.4 Python  /  79

5.3.5 MATLAB  /  80

5.3.6 Stata  /  80

5.3.7 Splunk  /  80

5.3.8 Spark  /  81

5.4 Технология визуализации данных  /  81

5.4.1 Tableau Desktop  /  82

5.4.2 QlikView  /  83

5.4.3 D3.js  /  83

5.5 Применение интеллектуального анализа данных  /  83

Управление и практика часть

Глава 6 Обзор и теоретическое исследование управления данными  /  88

6.1 Разработка банковских данных управления  /  88

6.1.1 Управление данными в течение периода конструкции данных и хранилища данных  /  89

6.1.2 Управление данными, обусловленное утонченным управлением и внешним надзором  /  89

6.1.3 Новая эра управления большими данными с перспективой на уровне предприятия в качестве важного знака  /  89

6.2 Система управления нормативными данными и требования  /  89

6.2.1 Сформулирование «хороших стандартов» и «руководящих принципов»  /  90

6.2.2 Цель и значимость требований к управлению нормативными данными  /  91

6.2.3 Основное содержание «хорошего стандарта»  /  91

6.2.4 Основное содержание «руководящих принципов»  /  92

6.3 Система банковского стандарта  /  92

6.3.1 Сформулируйте фон  /  92

6.3.2 Структура Введение  /  93

6.3.3 Функция  /  94

6.4 Управление данными в эпоху больших данных  /  94

6.4.1 Особенности больших данных  /  94

6.4.2 Новые требования к управлению данными в эпоху больших данных  /  95

6.4.3 Жизненный цикл больших данных  /  97

6.4.4 Обзор методов управления большими данными  /  97

6.5 Исследование теории управления данными  /  99

6.5.1 Управление данными Международной ассоциации управления данными  /  100

6.5.2 Управление данными Международной ассоциации управления  /  103

6.5.3 Управление данными IBM  /  105

6.5.4 Mike2.0 Управление данными  /  107

6.5.5 Puhua Yongdao управление данными  /  109

6.5.6 Теоретическое резюме  /  111

Глава 7 Банка Практика управления большими данными  /  113

7.1 Банка система управления большими данными  /  113

7.2 Банк Банк Стратегия реализации управления и модели продвижения  /  115

7.2.1 Стратегия реализации управления большими данными  /  115

7.2.2 Режим продвижения управления большими данными  /  118

7.2.3.  /  121

7.3. Ключевые меры для банков по улучшению возможностей применения больших данных  /  122

7.4 Механизм организации управления большими данными  /  124

7.4.1 Организация управления большими данными  /  124

7.4.2 Главный сотрудник данных  /  125

7.4.3 Механизм подтверждения данных  /  126

7.5 Управление активами данных  /  129

7.5.1 Значение управления активами данных  /  130

7.5.2. Характеристики и классификации активов данных  /  130

7.5.3. Архитектура данных и управление моделями  /  131

7.5.4 Управление качеством данных  /  132

7.5.5. Внешнее управление данными  /  135

7.6 Безопасность данных и конфиденциальность  /  139

7.6.1 Задача безопасности, вызванная большими данными  /  139

7.6.2 Метод ответа на безопасность больших данных.  /  140

Глава 8 Банка Практика применения больших данных  /  142

8.1 Конструкция системы приложений больших данных  /  142

8.1.1 Данные становятся важным стратегическим активом для банков, и в будущем банки будут подвергаться данным  /  142

8.1.2 Возможности строительства системы приложений больших данных  /  143

8.2 Mining Big Data  /  146

8.3 Операция больших данных  /  147

8.3.1 Продукция данных  /  147

8.3.2 Сообщество службы передачи данных  /  153

8.3.3 Справочник службы данных  /  161

8.4 Сценарии приложений больших данных  /  165

8.4.1 Используйте большие данные для поддержки улучшения обслуживания клиентов  /  166

8.4.2 Используйте большие данные для поддержки маркетинга клиентов  /  168

8.4.3 Используйте большие данные для интеллектуальной работы клиентов онлайн  /  172

8.4.4 Используйте большие данные для интеллектуального управления рисками  /  174

8.4.5 Используйте большие данные для повышения эффективности работы  /  180

8.4.6 Используйте большие данные для предотвращения и контроля финансовых преступлений  /  181

Глава 9 Оценка больших данных банка  /  184

9.1 Оценка способностей больших данных банка  /  185

9.1.1 Модель зрелости управления данными  /  185

9.1.2 Модель зрелости больших данных  /  186

9.1.3 Индекс возможности данных: практика практики возможностей данных в банке  /  188

9.2 Оценка значения приложения больших данных  /  193

9.2.1 Оценка сценария приложения  /  193

9.2.2 Оценка результатов приложения  /  194

9.3 Оценка и транзакции активов данных  /  195

9.3.1 Рынок торговли данными  /  195

9.3.2 Оценка активов данных  /  197

Завершил, кто возглавит будущую тенденцию  /  199

Рекомендации  /  203

 


  краткое введение

 

В этой книге объясняются основные концепции больших данных подробно. Большие данные станут основной конкурентоспособностью коммерческих банков, различными сценариями приложений больших данных для коммерческих банков и т. Д., И перечисляет различные типы технологий, связанных с большими данными, обычно используемыми коммерческими банками. , в сочетании с данными методологией управления, результатами управления данными коммерческих банков и характеристик эпохи больших данных и создают систему управления большими данными.В то же время, в сочетании с характеристиками коммерческих банков, укажите 6 ключевых направлений для улучшения потенциала управления большими данными коммерческих банков.Наконец, в сочетании с моделью зрелости больших данных для создания метода оценки пропускной способности управления данными для изучения статуса и осуществимости оценки активов данных.

Эта книга имеет как относительно всеобъемлющие теоретические знания, так и богатые практики бизнес -банковского бизнеса и случаи. Она может использоваться в качестве справочника для входа для менеджеров коммерческих банков, а также приложений и разработчиков больших данных. Он также подходит для банковского бизнеса для прочтения, чтобы помочь помочь. Понять приложение больших данных для значения развития банковского бизнеса и поддержки управления большими данными в приложениях данных.