The Ubiquity of Data Opportunities

介紹數(shù)據(jù)將越來越多地產(chǎn)生和獲取，介紹本書的目的 - 幫大家從數(shù)據(jù)分析的角度分析商業(yè)問題并了解數(shù)據(jù)分析的知識(shí)和原則。

Example:Hurricane Frances

通過Frances颶風(fēng)案例，講解數(shù)據(jù)分析知識(shí)落地作用。即通過颶風(fēng)預(yù)測消費(fèi)者會(huì)多購買多少瓶裝水，以便備貨。

Example:Predicting Customer Churn

通過顧客在運(yùn)營商之間轉(zhuǎn)移（Churn - 即國內(nèi)攜號(hào)轉(zhuǎn)網(wǎng)）的數(shù)據(jù)統(tǒng)計(jì)與預(yù)測，以給不同的顧客制定不同政策以挽留，面對(duì)增量缺失存量競爭下的電信運(yùn)營市場，案例將貫穿全書各章節(jié)進(jìn)行介紹。

Data Science, eEngineering, and Data-Driven Decision Making

data science包含原則、過程和技術(shù)。

DDD（data-driven decision-making）。

案例：沃爾瑪通過用戶行為，預(yù)測用戶即將懷孕并推送相關(guān)的嬰兒用品，相比以往通過醫(yī)院出生數(shù)據(jù)判斷用戶狀態(tài)，得到提前決策機(jī)會(huì)，并通過提前推送獲取用戶購買行為。

Data Processing and "Big Data"

“big data”技術(shù)（如Hadoop，HBase，MongoDB）指用于處理以往數(shù)據(jù)分析未面對(duì)過的大量數(shù)據(jù)的技術(shù)手段。

From Big Data 1.0 to Big Data 2.0

1.0和2.0的對(duì)比就是：過去企業(yè)收集大量數(shù)據(jù)是1.0，以后要做一些更深入的數(shù)據(jù)科學(xué)分析，起名就叫2.0吧。

Data and Data Science Capability as a Strategic Asset

將數(shù)據(jù)看做資產(chǎn)，然后對(duì)數(shù)據(jù)投資，提到了signet bank的信用卡案例，通過向不同數(shù)據(jù)的用戶推送不同的服務(wù)類型和服務(wù)條款，收集和分析數(shù)據(jù)的花費(fèi)即是對(duì)數(shù)據(jù)資產(chǎn)的投資，需要考慮如何通過數(shù)據(jù)創(chuàng)造價(jià)值來贏回投資。

Amazon將用戶行為數(shù)據(jù)用來進(jìn)行商品推薦，以提高商品銷量。

Data-Analytic Thinking

因?yàn)閿?shù)據(jù)科學(xué)是支持商業(yè)決策提升的能力，所以缺了這個(gè)技能會(huì)讓你做出錯(cuò)誤決策，好好學(xué)?。?！

This Book

這本書集中在基礎(chǔ)概念和如何運(yùn)用概念解決問題，技術(shù)領(lǐng)域的覆蓋內(nèi)容較少。

Data Mining and Data Science,Revisited

基礎(chǔ)概念1：需要有數(shù)據(jù)架構(gòu)思維，即通過系統(tǒng)性的可歸因的步驟進(jìn)行數(shù)據(jù)商業(yè)問題解決；

基礎(chǔ)概念2：信息技術(shù)可從大量數(shù)據(jù)中提取實(shí)體的數(shù)據(jù)特征；

基礎(chǔ)概念3：避免過擬合overfitting；

基礎(chǔ)概念4：數(shù)據(jù)解決方案需要考慮結(jié)果被使用的上下文即關(guān)聯(lián)因素。

Chemistry Is Not About Test Tubes:Data Science Versus the Work of the Data Scientist

這本書不講技術(shù)，只講數(shù)據(jù)分析原則，技術(shù)每年都變，數(shù)據(jù)分析原則十年都不會(huì)變。

Summary

沒啥實(shí)質(zhì)性內(nèi)容。