前言
基礎部分
第1章　什么是大數(shù)據(jù) / 2
1.1　數(shù)據(jù)及大數(shù)據(jù)發(fā)展史 / 2
1.2　大數(shù)據(jù)的概念 / 3
1.2.1　大數(shù)據(jù)的特征 / 4
1.2.2　大數(shù)據(jù)類型 / 5
1.2.3　銀行業(yè)大數(shù)據(jù) / 5
第2章　大數(shù)據(jù)成為銀行業(yè)核心競爭力 / 7
2.1　銀行業(yè)IT建設發(fā)展歷程 / 7
2.1.1　電算化階段 / 8
2.1.2　信息化階段 / 8
2.1.3　網(wǎng)絡移動化階段 / 9
2.1.4　數(shù)字智能化階段 / 11
2.2　銀行業(yè)創(chuàng)新轉(zhuǎn)型的突破口 / 14
2.2.1　大數(shù)據(jù)給銀行業(yè)帶來服務模式變革 / 15
2.2.2　大數(shù)據(jù)思維助力銀行業(yè)從創(chuàng)新中挖掘效益 / 15
2.2.3　大數(shù)據(jù)推進數(shù)字化轉(zhuǎn)型 / 17
2.3　大數(shù)據(jù)思維 / 20
2.4　數(shù)據(jù)挖掘能力 / 22
2.5　業(yè)界的關(guān)鍵觀點 / 24
2.5.1　IBM的觀點 / 24
2.5.2　普華永道的觀點 / 24
技術(shù)部分
第3章　大數(shù)據(jù)技術(shù)概述 / 28
3.1　數(shù)據(jù)采集相關(guān)概念介紹 / 28
3.2　大數(shù)據(jù)的數(shù)據(jù)源與數(shù)據(jù)類型 / 29
3.2.1　大數(shù)據(jù)的數(shù)據(jù)源 / 29
3.2.2　傳統(tǒng)的數(shù)據(jù)類型 / 31
3.2.3　大數(shù)據(jù)時代創(chuàng)新的數(shù)據(jù)類型 / 32
3.3　大數(shù)據(jù)的采集方法和工具 / 33
3.3.1　大數(shù)據(jù)采集方法 / 33
3.3.2　常用的大數(shù)據(jù)采集工具 / 34
第4章　大數(shù)據(jù)平臺 / 36
4.1　MPP / 37
4.1.1　Teradata數(shù)據(jù)倉庫 / 39
4.1.2　IBM Netezza / 42
4.1.3　Pivotal Greenplum / 43
4.1.4　GBase 8a Cluster / 44
4.2　Hadoop / 45
4.2.1　Hadoop是什么 / 45
4.2.2　Hadoop和大數(shù)據(jù) / 46
4.2.3　Hadoop的發(fā)展歷程 / 47
4.2.4　Hadoop生態(tài)圈 / 49
4.2.5　Hadoop核心組件 / 50
4.2.6　Hadoop其他組件 / 54
4.3　NoSQL / 55
4.3.1　概述 / 55
4.3.2　典型NoSQL簡介 / 57
4.4　國內(nèi)銀行大數(shù)據(jù)平臺的應用 / 61
4.4.1　概述 / 61
4.4.2　國內(nèi)銀行大數(shù)據(jù)平臺介紹 / 61
4.5　大數(shù)據(jù)技術(shù)的云平臺化 / 63
4.6　數(shù)據(jù)湖的介紹 / 64
4.6.1　數(shù)據(jù)湖的概念 / 64
4.6.2　數(shù)據(jù)湖的架構(gòu) / 64
4.6.3　數(shù)據(jù)湖與數(shù)據(jù)倉庫的區(qū)別 / 66
第5章　大數(shù)據(jù)科學技術(shù) / 68
5.1　相關(guān)概念介紹 / 68
5.1.1　數(shù)據(jù)挖掘 / 69
5.1.2　機器學習 / 70
5.2　數(shù)據(jù)挖掘算法 / 71
5.2.1　樸素貝葉斯分類模型 / 72
5.2.2　決策樹模型 / 72
5.2.3　K最近鄰分類算法 / 72
5.2.4　神經(jīng)網(wǎng)絡 / 73
5.2.5　支持向量機算法 / 73
5.2.6　集成學習 / 74
5.2.7　聚類分析 / 75
5.2.8　關(guān)聯(lián)分析算法 / 76
5.2.9　最大期望算法 / 76
5.2.10　網(wǎng)頁排名算法 / 76
5.2.11　其他常用算法 / 77
5.3　數(shù)據(jù)科學工具 / 78
5.3.1　SAS / 78
5.3.2　PASW / 78
5.3.3　R語言 / 79
5.3.4　Python / 79
5.3.5　MATLAB / 80
5.3.6　Stata / 80
5.3.7　Splunk / 80
5.3.8　Spark / 81
5.4　數(shù)據(jù)可視化技術(shù) / 81
5.4.1　Tableau Desktop / 82
5.4.2　QlikView / 83
5.4.3　D3.js / 83
5.5　數(shù)據(jù)挖掘的應用 / 83
治理與實踐部分
第6章　數(shù)據(jù)治理概述與理論研究 / 88
6.1　銀行業(yè)數(shù)據(jù)治理的發(fā)展 / 88
6.1.1　數(shù)據(jù)大集中和數(shù)據(jù)倉庫建設時期的數(shù)據(jù)治理 / 89
6.1.2　精細化管理和外部監(jiān)管驅(qū)動下的數(shù)據(jù)治理 / 89
6.1.3　以企業(yè)級視角為重要標志的新時期大數(shù)據(jù)治理 / 89
6.2　監(jiān)管數(shù)據(jù)治理體系及要求 / 89
6.2.1　《良好標準》與《指引》的制定 / 90
6.2.2　監(jiān)管數(shù)據(jù)治理要求的目的和意義 / 91
6.2.3　《良好標準》的主要內(nèi)容 / 91
6.2.4　《指引》的主要內(nèi)容 / 92
6.3　銀行業(yè)標準體系 / 92
6.3.1　制定背景 / 92
6.3.2　框架簡介 / 93
6.3.3　作用 / 94
6.4　大數(shù)據(jù)時代的數(shù)據(jù)治理 / 94
6.4.1　大數(shù)據(jù)的特征 / 94
6.4.2　大數(shù)據(jù)時代給數(shù)據(jù)治理提出新的要求 / 95
6.4.3　大數(shù)據(jù)生命周期 / 97
6.4.4　大數(shù)據(jù)治理方法概述 / 97
6.5　數(shù)據(jù)治理理論研究 / 99
6.5.1　國際數(shù)據(jù)管理協(xié)會數(shù)據(jù)治理 / 100
6.5.2　國際治理協(xié)會數(shù)據(jù)治理 / 103
6.5.3　IBM數(shù)據(jù)治理 / 105
6.5.4　MIKE2.0數(shù)據(jù)治理 / 107
6.5.5　普華永道數(shù)據(jù)治理 / 109
6.5.6　理論總結(jié) / 111
第7章　銀行大數(shù)據(jù)治理實踐 / 113
7.1　銀行大數(shù)據(jù)治理體系框架 / 113
7.2　銀行大數(shù)據(jù)治理實施策略與推進模式 / 115
7.2.1　大數(shù)據(jù)治理實施策略 / 115
7.2.2　大數(shù)據(jù)治理推進模式 / 118
7.2.3　三位一體的大數(shù)據(jù)治理能力建設 / 121
7.3　銀行提升大數(shù)據(jù)應用能力的關(guān)鍵舉措 / 122
7.4　大數(shù)據(jù)治理組織機制 / 124
7.4.1　大數(shù)據(jù)治理組織 / 124
7.4.2　首席數(shù)據(jù)官 / 125
7.4.3　數(shù)據(jù)認責機制 / 126
7.5　數(shù)據(jù)資產(chǎn)管理 / 129
7.5.1　數(shù)據(jù)資產(chǎn)管理的意義 / 130
7.5.2　數(shù)據(jù)資產(chǎn)特征與分類 / 130
7.5.3　數(shù)據(jù)架構(gòu)與模型管理 / 131
7.5.4　數(shù)據(jù)質(zhì)量管理 / 132
7.5.5　外部數(shù)據(jù)管理 / 135
7.6　數(shù)據(jù)安全及隱私 / 139
7.6.1　大數(shù)據(jù)帶來的安全挑戰(zhàn) / 139
7.6.2　大數(shù)據(jù)安全挑戰(zhàn)應對方式 / 140
第8章　銀行大數(shù)據(jù)應用實踐 / 142
8.1　大數(shù)據(jù)應用體系構(gòu)建 / 142
8.1.1　數(shù)據(jù)正在成為銀行的重要戰(zhàn)略資產(chǎn)，未來銀行必將是數(shù)據(jù)驅(qū)動型的 / 142
8.1.2　大數(shù)據(jù)應用體系構(gòu)建能力 / 143
8.2　大數(shù)據(jù)挖掘 / 146
8.3　大數(shù)據(jù)運營 / 147
8.3.1　數(shù)據(jù)產(chǎn)品化 / 147
8.3.2　數(shù)據(jù)服務社區(qū) / 153
8.3.3　數(shù)據(jù)服務目錄 / 161
8.4　大數(shù)據(jù)應用場景 / 165
8.4.1　利用大數(shù)據(jù)支持客戶服務提升 / 166
8.4.2　利用大數(shù)據(jù)支持客戶營銷 / 168
8.4.3　利用大數(shù)據(jù)進行線上客戶智能運營 / 172
8.4.4　利用大數(shù)據(jù)進行智能風險管理 / 174
8.4.5　利用大數(shù)據(jù)提升運營效率 / 180
8.4.6　利用大數(shù)據(jù)預防和控制金融犯罪 / 181
第9章　銀行大數(shù)據(jù)評價 / 184
9.1　銀行大數(shù)據(jù)能力評價 / 185
9.1.1　數(shù)據(jù)管理能力成熟度模型 / 185
9.1.2　大數(shù)據(jù)成熟度模型 / 186
9.1.3　數(shù)據(jù)化能力指數(shù)：某銀行數(shù)據(jù)能力評價實踐 / 188
9.2　大數(shù)據(jù)應用價值評價 / 193
9.2.1　應用場景評價 / 193
9.2.2　應用結(jié)果評價 / 194
9.3　數(shù)據(jù)資產(chǎn)估值與交易 / 195
9.3.1　數(shù)據(jù)交易市場 / 195
9.3.2　數(shù)據(jù)資產(chǎn)估值 / 197
結(jié)語　誰將引領未來的潮流 / 199
參考文獻 / 203