互联网数据分析与应用PDF|Epub|txt|kindle电子书版本网盘下载

互联网数据分析与应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 大数据与数据分析1

1.1 概述1

1.1.1 大数据的含义2

1.1.2 大数据的定义2

1.1.3 大数据的特征3

1.1.4 大数据与云计算5

1.1.5 大数据与商业模式变革5

1.1.6 大数据带来的问题6

1.2 大数据与云计算8

1.3 大数据与电子商务14

1.3.1 电子商务催生大数据15

1.3.2 数据分析给电子商务带来更多机会15

1.3.3 网站分析与应用17

1.4 大数据与物联网18

1.4.1 物联网的含义18

1.4.2 物联网与大数据的关系19

1.4.3 美国物联网应用19

1.5 移动互联网与智能终端20

1.6 大数据应用的机会与挑战23

1.6.1 挖出“潜伏”的数据价值24

1.6.2 大数据面临的挑战27

1.6.3 大数据思维30

1.7 银行业大数据应用36

第2章 互联网数据存储37

2.1 大数据对数据存储的要求37

2.1.1 数据存储面临的问题38

2.1.2 与大数据存储基础设施相关的属性39

2.1.3 数据存储技术面临的挑战41

2.1.4 存储技术趋势预测与分析42

2.2 存储技术44

2.2.1 DAS存储46

2.2.2 RAID存储46

2.2.3 NAS48

2.2.4 SAN50

2.2.5 IP网络存储51

2.2.6 iSCSI52

2.2.7 存储技术比较54

2.3 云存储技术56

2.3.1 云存储技术与传统存储技术56

2.3.2 云存储的优点57

2.3.3 云存储的分类58

2.3.4 云存储的技术基础60

2.3.5 云存储系统的结构模型61

2.3.6 云存储的用途62

2.4 大数据存储解决方案63

2.4.1 戴尔的流动文件系统64

2.4.2 华为的集群存储系统65

2.4.3 戴尔的自动分层存储66

2.4.4 EMC的闪存存储技术68

第3章 互联网数据分析工具70

3.1 数据分析概述70

3.1.1 数据分析过程72

3.1.2 数据分析框架的主要事件73

3.2 数据分析与数据挖掘74

3.2.1 数据挖掘的任务75

3.2.2 数据挖掘的过程77

3.2.3 数据挖掘的主要算法78

3.2.4 数据挖掘的应用领域81

3.2.5 数据挖掘和OLAP83

3.3 关联分析84

3.3.1 关联规则挖掘过程84

3.3.2 关联规则分类85

3.3.3 关联规则算法86

3.3.4 关联规则应用87

3.4 聚类分析88

3.5 分类分析93

3.5.1 决策树93

3.5.2 其他分类算法95

3.6 时间序列分析99

3.6.1 时间序列的构成要素100

3.6.2 时间序列的分类101

3.6.3 预测方法102

3.6.4 确定性时间序列分析104

3.6.5 随机性时间序列分析107

第4章 商务网站数据分析与应用109

4.1 概述111

4.1.1 商业活动与商业数据111

4.1.2 电子商务数据的特点112

4.1.3 商务数据的挖掘利用113

4.2 网站数据分析115

4.2.1 为什么需要数据分析115

4.2.2 网站数据分析的内容115

4.2.3 怎么做数据分析115

4.3 网站数据分析的指标体系117

4.3.1 相关术语介绍117

4.3.2 网站数据分析的指标分类122

4.3.3 数据分析的内容指标体系126

4.3.4 网站分析的商业指标130

4.3.5 网站数据分析的应用价值132

4.4 网站流量数据的获取133

4.4.1 监听网络数据包133

4.4.2 分析服务器日志134

4.4.3 添加页面脚本134

4.4.4 三种方法的比较134

4.5 网站数据分析技术135

4.5.1 数据收集系统137

4.5.2 数据转发系统139

4.5.3 实时数据分析系统140

4.5.4 离线数据平台系统143

4.6 数据分析应用145

4.6.1 网站优化146

4.6.2 个性化推荐146

4.6.3 网页设计优化150

4.6.4 服务提升与优化152

4.6.5 网络营销153

4.7 案例分析155

第5章 政府网站数据分析及应用161

5.1 电子政务概述161

5.1.1 电子政务的含义161

5.1.2 电子政务价值163

5.1.3 电子政务环境下的政府信息资源164

5.1.4 政务网站信息分类166

5.2 政务网站信息分类169

5.3 政府数据仓库与数据挖掘170

5.3.1 政务元数据标准170

5.3.2 电子政务数据仓库171

5.3.3 电子政务数据挖掘173

5.4 电子政务网站数据分析方法174

5.5 数据分析与政府执行力179

5.5.1 服务满意度测评179

5.5.2 主动服务181

5.5.3 民生热点分析184

5.5.4 服务流程优化184

5.6 案例分析189

第6章 物联网数据分析与应用193

6.1 物联网概述193

6.1.1 物联网的概念与实质193

6.1.2 物联网的兴起与发展状况194

6.1.3 物联网的应用195

6.1.4 物联网在我国的应用现状196

6.1.5 应用模式197

6.2 物联网技术197

6.2.1 条码技术197

6.2.2 RFID技术200

6.2.3 全球数据同步203

6.3 物联网数据分析与处理206

6.3.1 物联网系统中数据的特点206

6.3.2 物联网数据处理模型207

6.3.3 物联网与大数据分析209

6.4 物联网数据分析应用212

6.4.1 智能家居212

6.4.2 远程医疗213

6.4.3 老人关怀214

6.4.4 药品安全监控214

6.4.5 零售、物流、供应链管理214

6.4.6 食品追踪215

6.4.7 农业育种215

6.5 物联网数据挖掘215

6.5.1 物联网数据挖掘的关键问题216

6.5.2 物联网环境数据挖掘存在的挑战216

6.5.3 基于云计算的物联网数据挖掘模型216

6.5.4 功能模块218

6.6 应用案例218

第7章 移动商务数据分析与应用221

7.1 移动商务概述221

7.1.1 移动商务的概念及分类221

7.1.2 移动商务的特点222

7.1.3 移动电子商务的体系与产业链224

7.2 移动商务的应用226

7.3 移动商务数据分析技术230

7.3.1 无线与移动技术230

7.3.2 数据仓库技术230

7.3.3 联机事务处理与联机分析处理231

7.3.4 知识发现技术231

7.3.5 信息聚合技术231

7.3.6 智能技术231

7.4 移动商务中的数据挖掘技术232

7.4.1 数据挖掘基本流程232

7.4.2 关联规则在移动商务客户价值挖掘中的应用案例232

7.5 位置信息分析与应用235

7.5.1 位置服务的含义235

7.5.2 定位技术238

7.5.3 基于位置服务的推荐算法241

7.5.4 LBS与物流优化244

7.6 移动商务发展中的问题248

7.6.1 技术应用阻力248

7.6.2 商业模式仍需摸索249

第8章 微博数据分析与应用251

8.1 微博概述252

8.1.1 微博的定义253

8.1.2 微博的特点254

8.1.3 中外微博的文化差异255

8.1.4 微博代表257

8.2 微博应用259

8.3 微博数据分析技术262

8.3.1 文本信息抽取技术263

8.3.2 微博文本处理263

8.3.3 微博舆情分析264

8.3.4 基于语义分析的微博文本挖掘技术265

8.3.5 用户影响力计算的相关算法269

8.3.6 适于演化的微博信息的数据表达模型274

8.3.7 适于微博信息的大规模数据集划分方法274

8.4 企业微博数据分析及应用276

8.4.1 微博营销：数据分析的应用276

8.4.2 微应用278

8.4.3 企业机构话题营销278

8.4.4 微博营销数据分析案例279

8.5 政务微博数据分析及应用281

8.5.1 政务微博的特点281

8.5.2 政务微博应用存在的问题282

8.5.3 政务微博应用面临的挑战282

8.5.4 政务微博的数据分析和应用284

8.6 大众微博的舆情分析288

8.6.1 舆情分析的内容288

8.6.2 新浪微博对网络舆情生成和传播的影响290

8.6.3 大众网络舆情的作用291

8.7 微博营销案例292

参考文献297