大數據是互聯網、移動應用、社交網絡和物聯網等技術發展的必然趨勢，大數據應用成為當前為熱門的信息技術應用領域。由淺入深，首先概述性地分析了大數據的發展背景、基本概念，從業務的角度分析了大數據應用的主要業務價值和業務需求，在此基礎上介紹大數據的技術架構和關鍵技術，結合應用實踐，詳細闡述了傳統信息系統與大數據平台的整合策略，大數據應用實踐的流程和方法，並介紹了主要的大數據應用產品和解決方案。最后，對大數據面臨的挑戰和未來的趨勢進行了展望。本書既具有技術深度，又具有很強的可操作性，提供了一個系統性、架構性的大數據應用實踐指南，綱要性地指導大數據應用實踐，推動大數據技術在各個行業的廣泛應用。趙剛，清華大學博士后，科技部中國科學技術發展戰略研究院研究員、博士，斯坦福大學訪問學者，美國國務院國際訪問學者，亞洲基金會田長霖基金訪問學者。主要研究領域：地緣戰略與國家安全、能源戰略、科技外交、科技與創新政策等。他提出的地緣科技學理論在國內外學術界產生了廣泛的影響。曾主持多項和省部級科研課題。發表文章百余篇，有《地緣科技學》《地緣科技學與國家安全》《科技外交的理論與實踐》《國家軟實力》《低碳經濟報告》等著作。譯著有《石油戰爭》《糧食危機》等。

第1章 大數據的概念和發展背景 1.1 大數據的發展背景 1.2 大數據的概念和特征 1.2.1 大數據的概念 1.2.2 大數據的特征 1.3 大數據的產生 1.3.1 數據產生由企業內部向企業外部擴展 1.3.2 數據產生從Web 1.0向Web 2.0、從互聯網向移動互聯網擴展 1.3.3 數據產生從計算機/互聯網（IT）向物聯網（IOT）擴展 1.4 數據的量級 1.4.1 數據大小的量級 1.4.2 大數據的量級 1.5 大量不同的數據類型 1.5.1 按照數據結構分類 1.5.2 按照產生主體分類 1.5.3 按照數據作用方式分類 1.6 大數據的速度 1.7 大數據的應用價值 1.8 大數據的挑戰 1.8.1 業務視角不同帶來的挑戰 1.8.2 技術架構不同帶來的挑戰 1.8.3 管理策略不同帶來的挑戰第2章 大數據應用的業務需求 2.1 大數據應用的業務流程 2.1.1 產生數據 2.1.2 聚集數據 2.1.3 分析數據 2.1.4 利用數據 2.2 大數據應用的業務價值 2.2.1 發現大數據的潛在價值 2.2.2 發現動態行為數據的價值 2.2.3 實現大數據整合創新的價值 2.3 各行業大數據應用的個性需求 2.3.1 互聯網與電子商務行業 2.3.2 零售業 2.3.3 金融業 2.3.4 政府 2.3.5 醫療業 2.3.6 能源業 2.3.7 制造業 2.3.8 電信運營業 2.3.9 交通業 2.4 企業級大數據應用的共性需求 2.4.1 客戶分析 2.4.2 績效分析 2.4.3 欺詐和風險評估 2.5 以銀行客戶分析為例，分析一個大數據的應用場景第3章 大數據應用的總體架構和關鍵技術 3.1 總體架構 3.1.1 業務目標 3.1.2 架構設計原則 3.1.3 總體架構參考模型 3.1.4 總體架構的特點 3.2 大數據存儲和處理技術 3.2.1 Hadoop：分布式存儲和計算平台 3.2.2 HDFS：分布式文件系統 3.2.3 MapReduce：分布式計算框架 3.2.4 NoSQL：分布式數據庫 3.2.5 MPP：大規模並行處理系統 3.2.6 Spark：輕量級的分布式內存計算系統 3.2.7 S4和Storm：流計算框架 3.2.8 大數據存儲和處理技術的比較分析 3.3 大數據查詢和分析技術 3.3.1 Hive：基本的Hadoop查詢和分析 3.3.2 Hive 2.0：Hive的優化和升級 3.3.3 實時互動的SQL：Impala? 3.3.4 基於PostgreSQL的SQL on 3.4 大數據高級分析和可視化技術 3.4.1 傳統數據倉庫與聯機分析處理技術 3.4.2 大數據對傳統分析的挑戰 3.4.3 大數據挖掘與高級分析 3.4.4 大數據挖掘與高級分析庫 3.4.5 非結構化復雜數據分析 3.4.6 實時預測分析 3.4.7 開源可視化工具：R語言 3.4.8 可視化技術 3.5 以銀行客戶分析為例的大數據應用體系架構第4章 大數據與企業級應用的整合策略 4.1 大數據傳輸、接入、整合和流程管理平台 4.1.1 數據傳輸 4.1.2 數據接入 4.1.3 數據整合 4.1.4 流程管理 4.2 大數據與存儲架構的整合 4.2.1 傳統存儲架構比較 4.2.2 大數據平台的存儲架構的選擇 4.2.3 集群存儲的發展 4.2.4 基於HDFS的集群存儲 4.2.5 固態硬盤（SSD）對內存計算的支持 4.2.6 軟件定義存儲（SDS） 4.2.7 超融合架構（HCI） 4.3 大數據與網絡架構的發展 4.3.1 統一的以太網結構 4.3.2 軟件定義網絡（SDN） 4.3.3 網絡功能虛擬化（NFV） 4.4 大數據與虛擬化技術的整合 4.5 大數據與Docker技術 4.5.1 Docker概述 4.5.2 Docker原理與總體架構 4.5.3 Docker與應用程序開發與管理 4.6 大數據與雲計算 4.7 大數據安全 4.8 以銀行客戶分析為例，分析一個大數據的平台整合第5章 大數據應用的實踐方法與案例 5.1 實踐方法論 5.1.1 業務需求定義 5.1.2 數據應用現狀分析與標桿比較 5.1.3 大數據應用架構規划和設計 5.1.4 大數據技術切入與實施 5.1.5 大數據試用和評估 5.1.6 大數據應用推廣 5.2 技術應用案例 5.2.1 Amazon和 5.2.2 5.2.3 5.2.4 Fa 5.2.5 T 5.2.6 淘寶網 5.3 以銀行客戶分析為例的實施案例分析 5.3.1 銀行基於大數據的客戶分析的業務需求 5.3.2 銀行基於大數據的客戶分析的現狀與標桿比較 5.3.3 銀行基於大數據的客戶分析的應用架構規划與設計 5.3.4 銀行基於大數據的數據分析的實施、試點和推廣第6章 大數據應用的主流解決方案 6.1 產業鏈 6.1.1 國際大數據產業生態 6.1.2 國內大數據產業生態 6.2 主流廠商解決方案 6.2.1 Clo 6.2.2 Horto 6.2.3 6.2. 6.2.5 6.2. 6.2.7 6.2. 6.2.9 Te第7章 大數據應用的未來挑戰和趨勢 7.1 隱私保護 7.1.1 法律保護 7.1.2 技術保護 7.1.3 理念革新 7.2 技術標准 7.2.1 ISO大數據標准化進展 7.2.2 大數據基准和基准測試 7.2.3 大數據處理分析標准套件 7.3 大數據治理 7.3.1 數據治理框架 7.3.2 數據質量管理 7.3.3 大數據的組織、角色和責任 7.4 適應商業社會的未來趨勢 7.4.1 從產品推銷向數據營銷的轉變 7.4.2 從流程驅動到分析驅動的轉變 7.4.3 從私有資源到公共服務的轉變