大数据可视化:重构智慧社会

大数据可视化:重构智慧社会
作 者: Phil Simon 漆晨曦
出版社: 人民邮电出版社
丛编项: 新信息时代商业经济与管理译丛
版权说明: 本书为公共版权或经版权方授权,请支持正版图书
标 签: 电子商务 管理
ISBN 出版时间 包装 开本 页数 字数
未知 暂无 暂无 未知 0 暂无

作者简介

  Phil Simon是一个受欢迎的演讲者,著有5本书,包括备受赞誉的《平台时代》。当没有写作和演讲时,他向组织提供如何优化他们的技术应用的咨询服务。NBC、CNBC、纽约时代周刊、经管杂志、彭博商业周刊、赫芬顿邮报、环球邮报,以及其他众多的主流媒体都对他的贡献做过专题报道。他取得卡内基-梅隆大学和康奈尔大学的学位。你可以通过推特@philsimon找到他,他主页是www.philsimon.com

内容简介

《大数据可视化:重构智慧社会》包括四大部分。第Ⅰ部分,“全书概述和背景”,探讨了可视化组织快速发展背后的原因;第Ⅱ部分,“可视化组织的介绍”,介绍了可视化组织如何拥抱大数据和数据可视;第Ⅲ部分,“走起:成为可视化组织”,从理解四个不同层面的可视化组织开始,然后基于案例研究推导出的教训、实践、奇迹以及错误做法;第Ⅳ部分,“总结及数据可视的未来”,并对目前趋势、可视化组织、大数据以及数据可视的未来提供了一系列严谨认真的预测。

图书目录

第Ⅰ部分 全书概述和背景 1

导言 3

I.1 Twitter数据探险 4

I.2 实时数据可视101  9

主要目标  10

作用  11

比以往更重要  13

落后的报复:数据可视的现状  16

I.3 全书概览  18

可视化组织的界定  20

本书中心主题  20

何人受益?  21

方法论:故事在这里很重要  22

对知识和案例研究的执着  24

差异化:有关其他数据可视文本的记录  26

作战计划  27

I.4 接下来  27

I.5 注释  28

第1章 可视化组织的快速发展 29

1.1 大数据的兴起  30

1.2 开放数据  32

1.3 数据生态的萌芽  33

1.4 新的网络:可视化、语义和API驱动  34

可视化网络的到来  34

关联数据和更语义化的网络  35

采集数据更趋便利  37

借助云和数据中心更高效  38

1.5 更好的数据工具  39

1.6 更透明的组织  40

1.7 山寨经济:有样学样  41

1.8 数据新闻和Nate Silver效应  42

1.9 数字人  45

可视化公民的出现  45

移动化  48

可视化员工:更技术和数据达人化的工作场所 48

遨游在我们数据驱动的世界里  49

1.10 下一步  50

1.11 注释  50

第2章 将数据转化为洞见:工具 53

2.1 数据可视化:智能化和整合战略的构成  54

2.2 专业术语:数据可视、BI、报表、分析和KPI  55

可视化组织应该杜绝一切“试过才知对”的报表工具吗?  57

刻画出一些区别  58

2.3 数据可视五虎将  58

大型企业软件供应商应用  59

最优性能应用  63

流行的开源工具 66

设计公司 68

创业、网站服务及其他资源 73

2.4 最后的话:没有放之四海皆准的真理  75

2.5 下一步  75

2.6 注释  76

第Ⅱ部分 可视化组织介绍 77

第3章 可视化组织的典范 79

3.1 Netflix 1.0: 计划落空  79

3.2 Netflix 2.0:自我颠覆  80

3.3 数据可视:大数据整合战略的构成部分  82

3.4 数据可视:Netflix文化灌输  83

客户洞察 84

更好的技术性和网络化诊断  86

拥抱社区  90

3.5 经验教训 91

3.6 下一步  92

3.7 注释  92

第4章 DNA中的数据可视 95

4.1 起始  96

4.2 UX至高上  97

4.3 探究  100

拥抱免费的开源工具  100

API的延伸应用  103

4.4 经验教训  103

4.5 下一步  104

4.6 注释  104

第5章 得克萨斯大学体系的透明化 105

5.1 背景  106

5.2 数据可视化的初期努力  107

5.3 拥抱传统BI  108

5.4 数据发现  109

对学生生涯的可见性更强  110

拓展:数据可视的全系统推广  113

5.5 成果  114

5.6 经验教训  116

5.7 下一步  116

5.8 注释  116

第Ⅲ部分 走起:成为可视化组织 117

第6章 可视化组织的四层架构 119

6.1 慎重的免责说明  120

6.2 简单模型  121

局限性和明晰性  123

进步性  124

回落:向更低层面后退  126

补充,而非替代  127

累积优势  127

低层面的局限性  127

相关性和子层面  128

每个组织都应该渴望进入级别4吗?  128

6.3 下一步  128

第7章 WWVOD? 129

7.1 将重构所造成的影响可视化  130

员工流动可视化  131

沿着数据可视化道路起步  131

结果和经验教训  137

未来  138

7.2 营销示例  138

7.3 下一步  139

7.4 注释  139

第8章 建立可视化组织 141

8.1 数据提示和最佳实践  141

数据:原生汤  141

在跑之前先学走……至少现在如此  142

数据可视化通常只是起点  142

大数据和小数据的可视化  143

不要忘记元数据  143

朝企业外面看  145

起始:并不需要完整数据  145

可视化好的和差的数据  146

支撑钻取能力  146

8.2 设计提示和最佳实践  150

牢记以终为始  150

尽可能做减法  151

UX:参与与试验至关重要  152

鼓励互动  152

谨慎使用移动和动画  152

使用相对数而非绝对数  153

8.3 技术提示和最佳实践  153

凡有可能,请考虑使用API  153

拥抱新工具  154

了解数据可视化工具的局限  155

开放性  155

8.4 管理提示和最佳实践  156

鼓励自助服务、探索和数据民主  156

提出正面怀疑  156

相信过程,而非结论  157

消除信息割据和专业化障碍  157

若可能,可视化之  158

聘用综合型人才  159

方向第一,精准其次  159

8.5 下一步  159

8.6 注释  160

第9章 障碍:错误、神话和挑战 161

9.1 错误  162

掉入传统ROI陷阱  162

对数据可视总是—盲目—信任  163

忽视受众  164

置身大教堂中进行开发  164

设置目标,转身即忘  164

糟糕的数据可视化  165

9.2 神话  167

数据可视化对确定性和成功的保证  167

数据可视化很容易  167

把数据可视化作为项目  168

存在一个“全对”的数据可视化  169

Excel足矣  169

9.3 挑战  170

季度性可视化心态  170

蔑视数据  170

抛弃历史:超越之前工具带来的失望  171

9.4 下一步  171

9.5 注释  172

第Ⅳ部分 总结及数据可视的未来 173

尾声 其实我们才刚刚开始 175

C.1  以数据为中心的四大关键趋势  177

可穿戴技术和量化自我  177

机器学习和物联网  178

多维数据  179

数据移植与数据所有权之间即将发生的斗争  181

C.2 最后的一些想法  183

C.3 注释  184

后记 我的数据生涯 185

附录 数据可视化资源 189

参考文献 193

关于作者 195

如何帮助这本书 197

译者后记 199