大数据可视化：重构智慧社会
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
查看完整
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
查看完整
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
《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。
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
^ 收 起
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
^ 收 起
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
《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。
比价列表
