这本书这么火,恐怕对大数据不感兴趣的人对《大数据时代》也有所耳闻吧。所谓“誉满天下,谤亦随之”,对它推崇赞赏者有之,批评讽刺者亦有之。这是一本比较早的关于大数据的书,作者和译者都很著名,其主要价值莫过于提出的大数据时代的三点变革(见下文),对认识大数据颇有启发。
总之,如果你没有看过大数据的书,那么你应该从这本书开始;如果你看过大数据的书,那你为什么不看这一本呢?
《大数据时代:生活、工作与思维的大变革》是国外大数据系统研究的先河之作,大数据带来的信息风暴正在变革我们的生活、工作和思维,大数据开启了一次重大的时代转型,并用三个部分讲述了大数据时代的思维变革、商业变革和管理变革。
大数据是人们获得新的认知,创造新的价值的源泉;大数据还是改变市场、组织机构,以及政府与公民关系的方法。
简单的说,这本书好在三个地方:一是观点掷地有声,而是观念高屋建瓴,三是例子丰富详实。
——周涛(本书译者)
维克托o迈尔-舍恩伯格教授这本《大数据时代》,是我看到的最好的大数据著作,不仅对于产业实践者,还是对于政府和公众机构,都是非常具有价值的。只要我们以开放的心态、创新的勇气拥抱“大数据时代”,就一定会抓住历史赋予中国创新的机会。
——田溯宁 宽带资本董事长
聚类分析在大数据时代极端重要。
在传统的市场传播环境下,从发现需求到满足需求,这需要一个较长的生产和服务周期,企业服务呈现出延时性特征。而在新时代,则是实时性为特征。
书的命名模仿《喧哗与骚动》,不知道作者有没有自比福克纳的野心。的确是一本好书,案例详实、观点犀利。大数据的第四个V——Value所指的大数据价值密度低,与作者所言信号淹没于噪声之中的观点不谋而合。
这是一本介绍以严谨的态度用统计学做预测分析的书,它更多的是挑战传统的观念和思维模式。
人类每时每刻都需要对未来进行预测并制定相应的策略,如此国家、企业乃至个体才能持续发展,因此我们对于“下一刻会发生什么”倍加关注。在信息爆炸的大数据时代,随着我们的生活节奏变得越来越快,我们所要做出的预测的速度和数量都在不断增加。
一个不容忽视的事实是,现实世界中的很多预测都失败了,由此付出了巨大的社会代价。“9.11”恐怖袭击事件、2008年金融危机、卡特里娜飓风、2011年日本大地震、禽流感肆虐,这些“黑天鹅”事件的发生在很大程度上应归咎于糟糕的预测,也就是说预测者们被众多信息中的噪声干扰,而忽视了其中真正的信号。
很多书不是告诉你一个结论,而是告诉你一种思维方式和观念,观念才是最重要的,这本书正是如此。
——读者
西尔弗并没有提出一个如何做出好预测的综合性理论,但他的这本著作的确有利于帮助人们在诡谲多变的商业世界中做出正确的预测。
——克里斯o威尔逊,谷歌公司开发大使
预测时,我们需要在好奇和怀疑之间寻求平衡。这两者是可以相互协调和融合的。我们越是渴望检验自己的假设,就越愿意承认我们关于世界的知识存在很多不确定,越愿意承认不可能做出完美的预测,越不会陷入失败的恐慌中,也会有更多的自由让思维驰骋。
单纯依靠数据记录做出的预测无法直接转换成我们的行动指南。几乎在所有的现实工作中,我们都必须利用归纳法,从已知的证据中对其结构进行推断。
云图,顾名思义,是众多事件的合集。《大数据云图》的亮点就在于集合了众多商业案例,覆盖行业广,企业和个人都能从中获益。
是大数据和商业结合的比较紧密的书籍,对于想要了解大数据如何应用、了解更多商业模式,甚至想要创业的人都很有帮助。
大数据云图清晰勾勒出大数据行业的企业分布,让你能够轻易发现大数据行业的下一个大机遇究竟在何处。
你将读到的是关于大数据的实际应用——从大数据如何改变我们的生活方式、教育方式、直至我们寻找爱情的方式。
《大数据云图》可以视为一本极好的创业指南。客观地说,中国科技行业的很多后起之秀,都是在参考了国外的公司后建立起来的。而这本书中提供了超过100家公司的案例。
——读者
《大数据云图》为众多大数据领域的创业公司描绘了一幅大数据景观图。它掀起了一场革命,重新定义了数据收集、存储和分析的概念。对于任何想了解大数据对企业、政府、科学和全人类意味着什么的人来说,这是一本必读之作。
——桑杰o梅塔 Splunk 公司产品营销副总裁
大约10年前,科学家们开始尝试不同的方法,他们用神经学和认知心理学来研究大脑是如何学习的,而不是去构建理论。最终,他们发现,我们学习能力的形成,大部分并不取决于别人教授的东西,而是我们自己在学习过程中的有效学习。有效的学习过程会促进更有效的学习。
选择合适的市场,而不是单纯的大市场。最佳市场是那些具有快速增长潜力的市场; 乘风破浪,大数据,云计算,移动应用或社会因素都是大风大浪; .正如风险投资公司Trinity Ventures的合伙人斯.泰所说,对高度模糊性不以为奇。
国内大数据书籍的先声,接地气之作。作者提出了“数据就是资产”的观点,结合当下最前沿的网络科技,讲述了互联网时代的一种新的发展趋势。有前瞻性的指导作用。着眼于大数据的落地与实践,书中提出了“泛互联网”应用的观点,对互联网APP、互联网金融都有很好的借鉴意义。
与国外书籍不同,该书实例多是国内企业,介绍的技术和机遇也比较实用。
本书力图系统、全面的阐述大数据在社会、经济、科学研究等方方面面的影响,或许可以帮助大家澄清一些认知误区,有助于大数据在各行各业落地生根。
全书分为三大部分,第一部分重点讲述大数据时代产业发展的三大趋势以及驱动产业融合、升级、转型的根本因素,并给出践行大数据的最佳范式。第二部分首次完整 阐述“数据科学”的基础性价值,论述数据科学对科学研究、社会研究、产业发展的影响,并提出数据科学的教育体系。第三部分全景式的介绍重点国家、经济体、 新兴企业在大数据领域取得的进展,展示一幅真实的大数据图景,把判断留给读者,看谁拥有未来!
一本贯通技术理解、产业认知和资本市场估值的大作,让大数据不再停留在理念和技术的层次,而是深入到商业价值与模式、产业格局与生态、数据科学与教育层面。
——作者
作者总结提出的“终端”+“应用”+“平台”+“数据”的泛互联网化范式很到位。
——读者
“数据成为资产”是最核心的产业趋势。那些拥有优质数据资产的公司,挟天子以令诸侯,不断地攻伐、侵袭其他产业的传统领地。产业融合大幕随之拉开,天平却向这些新兴的公司倾斜。
由此笔者也得出第一个公司价值的判断标准:“大数据时代公司的价值,与其数字资产的规模、活性成正比,与其解释、运用数据的能力成正比。”
这是一本新书,出自2010年加入阿里巴巴,现任阿里巴巴副总裁的车品觉。不像国外讲大数据的书侧重定义、理论,这本书更重实践。
前七章以思维导图的模式,介绍了数据运营的各种思路和误区,而后四章则是介绍阿里巴巴的大数据战略的运营实践,如何通过分析数据来为决策提供有价值的参考。虽然阿里巴巴的案例介绍的不是很透彻,但对于培养数据化思考方式很有意义。
《决战大数据》将视角投入到“大数据实践”的领域,对数据收集、数据化运营、运营数据、无线数据、数据盲点和噪音、数据分类和数据价值、养数据、多屏时代等大数据应用的热点问题做出了详细的解答,对当今的大数据进行了多角度思考,并提出了做好“个人大数据管理”的前瞻性建议,创建了一个数据化运营和运营数据的闭环系统。
同时,《决战大数据》首次揭开阿里巴巴运营数据的神秘面纱,解密了其数据实践的“混、通、晒”内三板斧和“存、管、用”外三板斧,对于当今的绝大多数电商企业来说十分有借鉴意义。
作者反复强调的是他的六字真经——“混通晒存管用”,确实为大数据的商业应用提供了一定的借鉴价值。但总觉得有什么东西云里雾里的,没讲透。
——读者
作为一个企业经营者,说起大数据,最怕只见数据不见价值;作为一个互联网产品老兵,最焦虑于数据挖掘和分析脱离用户场景。本书好就好在实践了作者书中提出的观点,立足应用场景,聚焦如何让数据产生实际价值。因其实战性和创新的角度,值得所有关心大数据实战者认真一读。
——张涛 大众点评网CEO
这本书透彻而系统地介绍了云计算的兴起,特性与服务模式,服务水平协议和公有云、私有云、混合云以及社区云的案例分析。结合大数据和移动化的趋势,该书还介绍了商业智能与云计算的融合,大数据对云端商业智能所产生的影响,移动计算与商业智能和云计算的融合。
这是一本刚刚出版的新书,结合IT技术的最新发展,细致地介绍了技术特定和融合趋势,是IT决策者的实战手册。
本书共计三个部分,分别介绍了云计算的基础知识、云经济和部署云计算的关键因素,以及如何运用云计算实现商业智能。通过阅读本书,对于技术发展趋势极具洞察力的商业实践者们可以制定出最适合自身企业的云计算策略,以最优的成本和途径将企业的商业智能基础架构转向基于云的解决方案,使云计算更好地支持业务,为企业创造出最大的价值。
本书是一本贴近企业管理者和业务人员需求的指导性图书,其中大量的分析和认证从企业战略、财务、人力资源的角度切入,而不仅仅是从技术的角度加以阐述,这一特色足以让本书成为那些想要迈入“云时代”的企业的实战手册。
这本书揭示了商业智能与云计算的核心,即如何通过信息化技术推动企业在竞争日趋激烈的商业环境中获得卓越的绩效表现。
——吴迪 TechTarget中国资深编辑
在信息泛在化时代,企业越来越难以进行真正的差异化竞争,成功者需要能够从快速变化的市场中找到合适的细分市场,而弹性的IT架构是这背后的技术核心。通过云计算与大数据,企业能够以少量的成本构筑起自己智能化的决策支持系统,从而快速发现、评估并占领稍纵即逝的蓝海。
——张瀚文(本书译者)
云计算是当今商业智能的核心,缺少云计算支持的商业智能就像是吃苹果派没有香草冰激凌一样。云计算让商业智能不再受限于企业自身存储的数据,进而改变了商业智能的游戏规则。
基本特性与服务模式是区分真正的云计算与互联网上泛泛而谈的“云计算”的关键所在。通常所谓的“云计算”泛指经由互联网远程访问的任何事物,而真正的云计算必然具备基本特性和服务模式。
作者:张德丰
出版年: 2014
关键字:大数据 云计算 Hadoop MapReduce HBase ZooKeeper
推荐:
一本4月刚刚出版的新书,一副大学教材的模样。最突出的特点是条理清晰、内容全面,是对大数据与云计算的结合和Hadoop、HDFS、HBase、MapReduce、ZooKeeper、数据挖掘等大数据必备技术的系统的阐释,包含了Hadoop安装、MapReduce编程模型等内容。
对技术人员来说,是一本不错的教程。
《大数据走向云计算》以Hadoop为铺垫,以概念、价值、动向及应用为导线,系统地介绍了大数据走向云计算的原理与技术。
首先,介绍了云时代、大数据时代的基本内容,让读者了解到云计算、大数据各自的知识点;其次,介绍了大数据走向云端、云下的大数据工程,让读者领略到大数据在云的作用下的价值及应用;然后,介绍了搭建云计算开发环境、分布式文件系统、并行计算、分布式锁等内容,让读者认识到Hadoop组件的构建及使用;接着,介绍了数据挖掘、社会中的大数据等应用,让读者掌握到大数据走向云端的需求及益处。最后,总结介绍云下的大数据应用,让读者真正领会到大数据走向云端的实际效用。
云计算与大数据的不同之处在于应用的不同,主要在两个方面。
第一,在概念上两者有所不同,云计算改变了IT,而大数据则改变了业务。然而大数据必须有云作为基础架构,才能得以顺畅运营。
第二,大数据和云计算的目标受众不同,云计算是卖给CIO的技术和产品,是一个进阶的IT解决方案。而大数据时卖给CEO、是卖给业务层的产品,大数据的决策者是业务层。由于它们能直接感受到来自市场竞争的压力,必须在业务上以更有竞争力的方式战胜对手。
顾名思义,《驾驭大数据》的落脚点是如何驾驭大数据。大数据只收集和存储是没有意义的,必须得到分析,而且是正确的分析。作者已经不满足于介绍、认识大数据,而是寻求利用大数据的方法。
书中介绍了一些数据库、建模分析、可视化工具等方面的知识,重在介绍分析方法和思维的转变,不可求过于细节、专业的知识。难能可贵的是,书中还包含数据分析师和企业文化建设的内容。
《驾驭大数据》为读者提供了处理大数据和在你的企业中培养一种创新和发现的文化所需的工具、过程和方法,描绘了一个易于实施的行动计划,以帮助你的企业发现新的商业机会,实现新的业务流程,并做出更明智的决策。
书中主要介绍了如何驾驭大数据浪潮,并详细地介绍了什么是大数据,大数据为什么重要,以及如何应用大数据。还从具体实用的角度,介绍了用于分析和操作大数据的工具、技术和方法;以及人才和企业文化的角度,介绍了如何使分析专家、分析团队以及所需的分析原则更加高效,如何通过分析创新中心使得分析更加有创造力,以及如何改变分析文化。
这本书对于非技术人员,企业管理层(需要做数据布局)的人非常有帮助。可以增加数据库、大数据技术、分析、数据团队搭建和管理等方面的知识。在一些方面,比如可视化一笔带过,可以去看更专业的数据。但是从大数据基础知识、数据的布局方面,很有帮助。
——读者
本书不仅涵盖驾驭大数据的最佳技术、方法和流程,而且介绍了如何培养优秀的分析师及创新文化,专注于大数据链条中最核心的分析和决策行动环节,是大数据时代每一位思想家、技术精英和商业领袖必读的书籍。
——吴辅世 SAS赛仕软件大中华区总裁
这本书开头一小部分讲了讲大数据的一些现状,后面部分都在讲数据分析,涉及到理论、工具、方法,团队建设经验等方面。个人感觉关于书中以下两块内容值得看一看:数据分析师的特点和核心竞争力、数据分析团队的组织形式,是作者多年工作经验的一些总结。其他方面则很一般。
——读者
为了营造发现的文化氛围,产生创新的分析并驾驭大数据,必须遵循以下三条关键原则——原则1:打破思维定势。原则2:形成连锁反应。原则3:统一行动目标。
Tableau、JMP、Advizor、Spotfire这些可视化分析工具帮助分析专家和业务用户创建各种分析图形,不仅能够清晰地描述出已发生的现象与事实,还提供了一种可视化的交互分析方式来发现新的事实。
本书适合于有一定Python基础,对数据挖掘工具感兴趣的人。书名所说的社交网站指的是Twitter、Linkdin、Facebook等国外社交媒体,书中介绍了很多基于Python的工具包,主要的关注点在于数据挖掘,数据分析涉及的比较少,也很浅显。
作者贴出了很多源代码,技术性强,适合边读边上机翻墙操作。
Facebook、Twitter和LinkedIn产生了大量宝贵的社交数据,但是你怎样才能找出谁通过社交媒介正在进行联系?他们在讨论些什么?或者他们在哪儿?
这本简洁而且具有可操作性的书将揭示如何回答这些问题甚至更多的问题。你将学到如何组合社交网络数据、分析技术,如何通过可视化帮助你找到你一直在社交世界中寻找的内容,以及你闻所未闻的有用信息。每个独立的章节介绍了在社交网络的不同领域挖掘数据的技术,这些领域包括博客和电子邮件。你所需要具备的就是一定的编程经验和学习基本的Python工具的意愿。
这是一本能让你了解新一代在线数据资源挖掘技术的重要指南。Russel做了件很了不起的事,他为社交网站的从业人员准备了一本通俗易懂的操作手册,涵盖了如何存取数据以及如何从原始数据中提取有价值的信息的简单方法。
——Pete Warden, OpenHeatMap.com创始人
这书讲数据挖掘还是挺专业的(注意,没有分析,原书名是Mining the Social Web),初学入门者至少能从中学到挖掘的技术,这比专门挨个翻博客试验要便捷省力得多。
——读者
你可能会惊讶Twitter模块的使用模式居然如此简单明了:用一个基本的URL将Twitter类实例化,然后调用Twitter对象中与URL上下文相对应的方法。
例如,Twitter_search.trends()函数可以启动一个HTTP(Hyper Text Transport Protocol,超文本传输协议)调用来获取http://search.twitter.com/trends.json,也可以在Web浏览器中输入该网址得到相同的结果。
《纵横大数据》未必有拨云现日之功,却有耳目一新之妙。作者有感于大数据、云计算、NoSQL等诸多概念的混乱,阐述了自己的观点,比如什么是大数据、NoSQL具备什么特点、是“分”为云还是“合”为云等等。
立场鲜明,观点独特,学术思考与实践经验相结合,是一本技术人员和管理人员都应该认真阅读的好书!
《纵横大数据——云计算数据基础设施》结合现代企业数据管理实践,从策略、技术、应用、企业数据架构等多个维度,体系化地对大数据及相关技术进行了全面深入的论述。
首先对大数据相关概念予以澄清;接着深入剖析各种大数据技术的内在本质,指出其各自的优缺点、适用场景与相互关系;同时对大数据技术“分”与“合”这两种广受争议的技术策略的内在联系进行了分析与讨论,明确指出现代数据管理技术的发展趋势;最后结合大数据时代企业新一代数据架构规划的实际,对大数据及相关技术在企业数据体系中的具体定位给出了切实可行的建议,并且面向云数据中心建设,提出了大数据云—云计算数据基础设施的概念与方法。
写的非常好,视角独特且深入浅出。相对与很多中文技术书刊,包括翻译的书刊,强了太多。深入浅出,一气呵成。国内学术界需要这样有真本事的博士!强推。
——读者
关于云计算、大数据、互联网等互相渗透、依存的概念,目前著述众多,其角度不同,对象各异,但缺乏一个从策略到实践的清晰指南。何博士结合自己在大数据和云计算上的丰富经验,通过企业大数据战略、数据架构规划、大数据和云计算技术的深入解析,高屋建瓴又深入浅出地解答了大数据、云计算上重要的方向性和技术性问题。
——泰康人寿首席信息官刘大力
总结来看,我们可以这样来描述大数据的定义:大数据的概念实际上代表了现代信息社会的根本特征,及更加广泛、更加深入的数字化,以及全社会范围内数据的互联互通。对企业来讲,研究大数据问题的实质是实现“数据驱动业务”的相关战略与技术,这同时包括了业务与技术两个层面。
本书认为,云计算最核心的问题是数据,具体来讲,是现代业务环境下的数据管理问题,也就是能实现海量、多类型、高负载、高性能、低成本需求的数据管理技术,这实际上就是传统数据管理技术在现代的最大挑战。
这是一本统计学的科普书。和书名透露的一样,作者更关心数据,而非大数据。不过书中介绍的统计学的方法和实例的确能改变普通人对数据的认识。
统计学家也可以被称为数据科学家,他们超越常人之处不在于技巧或方法,而在于思维方式。本书条理清晰,内容按照观点加案例的方式分章排列,案例丰富有趣,适合想了解统计学的初学者。
全书用10个精彩故事,通过精心的叙述,翔实的资料,别样的角度,为我们开启一趟惊心动魄之旅,展现统计学家是如何利用统计式思维解决我们身边的问题,数据又是如何影响我们的生活。
书中揭示5大统计式思维,让你可以解决在商业、金融、科学、公共卫生以及犯罪调查中遇到的难题!
当你读完本书后,你在面对数据时,就可以通过新的角度,利用这些统计式思维重新审视我们身边发生的故事,和那些浮现在表面的数据,来揭示隐藏在数字背后的奥秘和数据的神秘力量。
——读者
书中所描述的事件都是新闻记者关注的热点问题,事件内幕经由数据阐释出来令人醍醐灌顶,同时数据也揭示了世界的动态性,这正是本书的魅力所在。
——约翰o萨尔 美国赛仕软件研究所执行副总裁、著名统计学家
统计式思维到底有何独特之处?
第一,统计学家门对平均数这个流行概念不太关心;相反,对平均数的任何偏差却是情有独钟。第二,我们不必为变异寻找一个合理的解释,尽管我们有一种与生俱来的、对任何事情进行理性诠释的欲望。第三,统计学家时常会寻找那些被错过的细微差别。第四,可对基于统计的决策进行微调,来寻找两类错误类型之间的平衡。第五,统计学家在决定证据是否跟罪行匹配时,遵循一种叫做统计检验的特定程式。这五条原理就是统计式思维最重要的部分。
很有趣的一本统计学书籍。如果你不知道生活中哪些事情与统计学相关,那一定要看看这本书。就想作者自己说的那样“本书中的每一章都旨在回答我向高中微积分老师提出的那个问题:学习统计学的意义是什么?
所以本书不重技术和算法,重在统计学与生活的相关性。每一门深奥的学科都有几本轻松简单的入门书籍,在统计学,就是这本。
《赤裸裸的统计学》“扒光”了统计学“沉闷的外衣”,用生活中有趣的案例、直观的图表、生动诙谐的语言风格,彻底揭开了统计学、大数据和数字的“神秘面纱”,让我们知道权威期刊、媒体新闻、民意调研中公布的数字从何而来,轻松掌握判断这些统计数字“是否在撒谎”的秘籍。
同时,作者还将统计学的工具带入日常生活中,告诉我们为什么不要买彩票,为什么你家附近的商场会知道你怀孕的消息并给你寄来纸尿裤的优惠券,等等。
原来对一些概念有问题的时候,都会去翻克莱因的那本古今数学思想史,统计学方面的初学,我觉得可以看看这本。
——读者
觉得书的最大闪光点是把以前学的概率等统计知识与具体案例联系在一起,能够更深入的理解统计学的意义、算法和用途,能够加深对概率、相关性、极限定理、回归分析这些之前半懂不懂的知识的认识。
——读者
这是一本有关直觉的书。书中很少出现计算、公式和图表;当用到它们的时候,我保证它们都存在一个清晰和富有启发性的目的。
与此同时,书中常常会出现很多例子,目的就是让你相信,学习统计学是很有必要的。统计学真的可以非常有趣,而且其中觉得部分的内容也没有那么难。
可以当做营销学指导手册来看,简单易懂,分析透彻。对于营销人员、广告人员、咨询人员来说,书中所讲的“如何找到客户、如何与客户沟通以及如何用数据进行测量,如何做出正确选择等内容都是很有帮助的。
书中谈到了对数据的利用,可惜与我们现在所说的大数据还有一定的距离。
书中关注了怎样利用数据辨认出利润最高的客户,并用最有效的方法接触这些客户,从而增加他们的购买力。
预计现有客户与潜在客户未来的价值。寻找客户,包括现实和互联网。判断哪些客户是因为需求购买,哪些客户是因为广告购买,哪些客户是因为价格购买,哪些客户是因为口碑购买。优化营销配置,使之尽可能带来最高的回报。以最新的技术优化销售和营销。
本书讲述如何使用现有数据发展公司业务。内容包括如何如何定位客户、与客户互动、促销渠道、制定营销预算、测量营销效果等。语言清晰简洁、案例清楚、分析有高度、翻译很好。
——读者
这些战略有助于任何一个领导者获得更大的成功、建立更好的客户关系,不论他经营的是像UPS这样的全球企业,还是正在寻找市场的初创公司,或者街角开设多年的夫妻店。
——克里斯汀o欧文斯 UPS传播与品牌管理高级副总裁
很接地气也很切合主题的大数据营销书籍。讲的就是百度的营销实践。关键时刻大数据营销方法是李丛杉首次提出的,作者十分强调对潜在消费者的挖掘,利用搜索引擎、大数据平台找到消费者。
百度的做法很实际,也很前卫,只是大型互联网企业用起来还比较得心应手,中小企业和传统制造业能如何从中获得借鉴还需要读者自己思考。
这是一本揭示百度大数据营销战略的著作。
百度拥有大量具有潜在价值的大数据,同时拥有庞大的用户量。基于大数据技术背景,本书提出了“关键时刻”的概念,并用“关键时刻”来描绘用户的生活轨迹,描绘个性用户的关键时刻地图,进而满足不同用户的个性需求,也为企业实现最大商业价值提供具体的指导。
没见过这么长的广告,100多页的百度宣传册。 入口价值+应用价值+平台价值+数据价值=大(百度)平台数据价值 这个书评简直没法写了。怎么办。 只能换个角度想。百度能这么做?我能怎么做呢?
——读者
很简单,但是术语和新词汇太多,总的来说看完之后还是可以用一句话来总结:关键时刻无非就是定制和个性化营销。
——读者
聚类分析在大数据时代极端重要。
在传统的市场传播环境下,从发现需求到满足需求,这需要一个较长的生产和服务周期,企业服务呈现出延时性特征。而在新时代,则是实时性为特征。
从传统营销的局限,讲到线上客户数据的利用,该书紧紧围绕这“客户数据”,介绍了沃尔玛等公司的实例,涉及客户关系管理,B2B、B2C营销模式,客户行为分析等。
适合营销人士和企业管理者阅读。需要注意的是,原书为德语,译者译自英文译本,翻译真心不敢恭维。
本书描述了客户数据如何变革我们的经济。
内容包括:客户数据的智能应用可以让企业拥有显著的竞争优势,大数据帮助企业理解现在以及未来的客户需求,并对其产品与服务进行相应的调整,内外客户数据的智能连接让企业能更好地满足客户需求,以数据为基础的营销活动必须是透明的,这样才能获得客户的信任。
这本书主要是案例以及一些能够落地的商业应用。还是非常有用的。
——读者
从小杂货铺讲起,到当前的做法,传统BI做法,以及企业如何转身,都做了讲述,适合企业管理人员阅读。
——读者
杂货商商业模型的核心是专注客户的需要,并高度随时间更新。大多数人可以和150个人保持社会关系。一个优秀的杂货商,就像一个优秀的沟通者,可以让这个数字达到200或300。但是人的大脑作为客户关系管理(CRM)系统是有认知方面的限制的。
大数据是市场营销和销售的下一个前沿地带。在一个日益互联的世界、对数据勤于收集和有见地的分析使得公司可以前所未有地了解它们的消费者。