数据革命：大数据价值实现方法、技术与案例

图书标准信息

• 作者 范煜 著
• 出版社 清华大学出版社
• 出版时间 2017-05
• 版次 1
• ISBN 9787302466932
• 定价 49.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸

【内容简介】

　　在信息技术革命之后，我们将迎来数据革命。在大数据的概念、性质和价值已得到政府和社会的认可之后，大家关注的是数据如何获取，以及有了数据以后如何挖掘数据的价值。仅适合特定行业、满足特定需求的技术不足以应对一场革命，大数据不但是超出计算机软硬件处理的能力，更是超出人类的认知能力。只有实现对数据的认知，利用数据辅助决策，才是适合不同行业数据价值实现的通用手段。本书描述了数据革命的起源、实现的思路、所用的技术和要达到的目标，针对当今社会热点描述了在数据时代的应对之策。
　　本书宏观和微观、人文和技术、启迪思想和关注实用并举，既适合宏观层面的领导启迪思维，提出工作目标，又适合微观层次的执行人员找到实现的方法和路径。本书介绍的理论和技术均可在智慧城市、智能制造领域实际使用。
　　本书适合政府、企业决策者和CIO，及其他对大数据应用感兴趣的人阅读。

【作者简介】

　　范煜，江苏南通人，研究员级高级工程师，大数据软件专家，范思软件有限公司创始人，毕业于南京航空航天大学，喜爱阅读和旅行，对经济、管理、历史、地理等方面知识有浓厚兴趣。

【目录】

开编故事
第 1 章
迎接数据革命
1.1 信息技术革命 / 6
1.1.1 未完成的第三次工业革命 / 6
1.1.2 从智力替代到辅助决策、自主决策 / 7
1.1.3 三次工业革命的比较 / 8
1.1.4 数据是信息革命的主要遗产 / 10
1.2 为什么是数据革命 / 11
1.3 社会需要数据革命 / 13
1.3.1 发展需要资源配置均衡 / 13
1.3.2 数据促进社会平等 / 14
1.3.3 不均衡导致中国古代王朝更迭 / 15
1.3.4 熵增原理 / 16
1.3.5 中国国内市场的完善 / 17
1.3.6 新的就业机会 / 18
1.3.7 建立社会经济运行的反馈机制 / 19
1.3.8 权威的信息交换平台 / 20
1.3.9 分享经济模式的扩张 / 21
1.4 从海关数据看数据价值 / 23
1.5 美国的启示 / 27
1.6 数据的价值与变现 / 30
1.6.1 数据的变现 / 30
1.6.2 决策产生价值 / 31
1.6.3 数据的价值特点 / 32
1.6.4 数据服务的商业模式 / 33
1.7 信息时代遗留的问题 / 34
1.7.1 缺乏原始数据 / 34
1.7.2 难搞的需求 / 35
1.7.3 自助分析的陷阱 / 37
1.7.4 难以满足的客户 / 38
1.7.5 完全不一样的需求 / 40
1.7.6 心有余而力不足的数据挖掘 / 41
1.7.7 跳出事务处理的红海 / 43
第 2 章
认识数据革命
2.1 认识数据 / 46
2.1.1 数据分类 / 46
2.1.2 数据来源和存储 / 47
2.1.3 非结构化数据 / 49
2.1.4 数据处理的三个层次：产生、获取和分析 / 49
2.1.5 数据比图像、视频更有价值 / 50
2.1.6 数据与程序要分离 / 51
2.1.7 SQL是访问数据的通用语言 / 52
2.1.8 需要标准并开源的数据库设计 / 55
2.2 关于数据 / 56
2.2.1 数据和信息的区别 / 56
2.2.2 数据含金量 / 57
2.2.3 用于理解大数据的小数据 / 58
2.2.4 广义和狭义大数据技术 / 58
2.2.5 看懂数据的认知计算 / 60
2.2.6 数据的冷态、温态和热态 / 60
2.3 走出大数据应用误区 / 61
2.3.1 从个性化需求到普遍服务 / 61
2.3.2 走出结果导向 / 62
2.3.3 从有方向到无方向 / 64
2.3.4 自助分析工具与自助分析系统的区别 / 65
2.4 信息系统总体规划 / 67
2.4.1 基于数据的规划 / 67
2.4.2 用规划展示数据不足 / 69
2.4.3 以市长为核心的智慧城市总体规划 / 69
第3 章
推动数据革命
3.1 数据的立法 / 74
3.2 数据的公开 / 75
3.2.1 对信息公开的认识 / 75
3.2.2 政府开放数据 / 76
3.2.3 对开放数据的要求 / 77
3.2.4 政府主导的公共数据库 / 78
3.2.5 科研数据的公开 / 79
3.3 有时数据隐私只是借口 / 80
3.4 数据基础设施 / 82
3.4.1 数据作为基础设施 / 83
3.4.2 数据垄断的“滑铁卢” / 84
3.4.3 公共数据服务与中介 / 85
3.4.4 农产品交易数据的案例 / 86
3.5 建立数据图书馆 / 88
第 4 章
进行数据革命
4.1 数据用于决策支持 / 94
4.1.1 数据分析需要统计而不是检索 / 94
4.1.2 数据通过辅助决策产生价值 / 95
4.1.3 两类完全不同的程序 / 96
4.1.4 传统商业智能模式的沦落 / 97
4.1.5 像鹰一样看数据 / 99
4.1.6 数据一致性不是分析的先决条件 / 100
4.1.7 从数据比较中发现价值 / 101
4.1.8 保障决策者的决策思维流 / 102
4.1.9 建立基于可视化数据的指挥室 / 104
4.1.10 组织的决策支持流程 / 105
4.1.11 宏观和微观的融合 / 107
4.1.12 用过度设计满足任意需求 / 108
4.2 建立数据模型 / 110
4.2.1 存储数据的数据仓库 / 110
4.2.2 可以推导需求的维度模型 / 112
4.2.3 维度模型原理 / 114
4.2.4 分主题进行数据分析 / 120
4.2.5 离不开的时间维度 / 121
4.2.6 通过时间分析数据 / 122
4.2.7 空间维度直观地显示数据 / 124
4.2.8 数据的可视化钻取 / 125
4.2.9 用OLAP提升统计速度 / 127
4.2.10 数据可视化加快对数据的认知 / 129
4.2.11 用内存数据库实现实时数据分析 / 131
4.3 改变思路 / 132
4.3.1 建立基于真实数据的KPI / 132
4.3.2 为实现工业4.0建立数据基础设施 / 133
4.3.3 主动抽取数据实现数据集中 / 136
4.3.4 统计数据从报送到抽取 / 137
4.3.5 改进数据分析工作流程 / 137
4.4 适应数据分析的硬件 / 140
第5 章
实现数据革命
5.1 数据革命的作用 / 144
5.1.1 对国家治理的作用 / 144
5.1.2 对国有企业改革的作用 / 145
5.1.3 对政府“三公”经费管理的作用 / 148
5.1.4 对“一带一路”战略的作用 / 149
5.1.5 对医疗改革的作用 / 150
5.1.6 对银行信贷风控的作用 / 153
5.1.7 对降低社会成本的作用 / 156
5.1.8 对防止欺诈上市的作用 / 158
5.2 数据革命的后果 / 159
5.2.1 竞争机制的替代 / 159
5.2.2 计划经济和市场经济的融合 / 161
5.2.3 经济危机的消除 / 162
5.3 数据革命后的技术 / 163
5.3.1 以数据检索为主的搜索引擎 / 163
5.3.2 基于数据的云服务 / 164
5.3.3 可以检索数据的浏览器 / 165
第 6 章
工业数据革命
6.1 智能制造首先要解决数据问题 / 172
6.2 工业企业数据总体架构 / 175
6.3 财务数据分析 / 177
6.3.1 四个层次 / 177
6.3.2 阿特曼Z-score模型 / 178
6.3.3 财务比率 / 179
6.4 经营数据分析 / 180
6.4.1 名词解释 / 181
6.4.2 经营数据中心 / 182
6.4.3 销售数据分析 / 186
6.4.4 毛利数据分析 / 189
6.4.5 应收款数据分析 / 190
6.4.6 采购数据分析 / 192
6.4.7 应付款数据分析 / 193
6.4.8 库存数据分析 / 195
6.5 与上市公司外部数据比较 / 197
6.6 控制数据分析 / 199
6.6.1 从工业大数据中找到故障 / 199
6.6.2 从检测大数据中发现质量问题 / 201
第7 章
设计案例
7.1 政府房产数据分析 / 206
7.1.1 监控中心 / 206
7.1.2 预售数据分析 / 208
7.1.3 成交数据分析 / 209
7.2 医院管理决策支持系统 / 211
7.2.1 监控中心 / 212
7.2.2 医药收费数据分析 / 213
7.2.3 门诊数据分析 / 216
7.2.4 住院数据分析 / 220
7.2.5 手术数据分析 / 221
7.2.6 用药数据分析 / 223
7.2.7 医疗项目收入数据分析 / 224
7.2.8 大型诊断检查数据分析 / 224
7.2.9 体检数据分析 / 224
7.2.10 物资出入库数据分析 / 225
7.3 政府财政数据分析 / 227
7.3.1 监控中心 / 227
7.3.2 收入数据分析 / 228
7.3.3 支出数据分析 / 229
7.3.4 收支执行数据分析 / 230
7.3.5 预算执行用款数据分析 / 231
7.3.6 政府采购数据分析 / 231
致谢
参考文献