Podstawy Big Data - koncepcje, czynniki napędzające i techniki

Opinie czytelników

Książka na temat Big Data oferuje mieszankę pozytywnych i negatywnych opinii od czytelników. Wielu docenia podstawowe koncepcje i studia przypadków, podczas gdy krytyka często koncentruje się na mylącym języku, powtarzających się treściach, niskiej jakości druku i niewystarczającej głębi niektórych tematów. Najlepiej nadaje się dla początkujących, ale może nie zadowolić tych, którzy szukają kompleksowego źródła informacji.

⬤ Dobrze wyjaśnione koncepcje
⬤ powiązania między tematami
⬤ przydatne przykłady studiów przypadku
⬤ łatwa lektura
⬤ solidne wprowadzenie
⬤ dobra dla początkujących
⬤ dobry wgląd w Big Data
⬤ wysoce powiązane podtematy.

⬤ Mylące sformułowania w pierwszej części
⬤ powtarzające się i zbyt uproszczone treści
⬤ niskiej jakości druk
⬤ bezużyteczne diagramy
⬤ płytkie omówienie zaawansowanych tematów
⬤ wielu uważa, że nie jest warta sugerowanej ceny.

(na podstawie 18 opinii czytelników)

Oryginalny tytuł:

Big Data Fundamentals - Concepts, Drivers & Techniques

Zawartość książki:

"Ten tekst powinien być lekturą obowiązkową dla każdego we współczesnym biznesie."

--Peter Woodhull, CEO, Modus21.

"Jedyna książka, która jasno opisuje i łączy koncepcje Big Data z użytecznością biznesową."

--Dr Christopher Starr, PhD.

"Po prostu jest to najlepsza książka o Big Data na rynku".

--Sam Rostam, Cascadian IT Group.

"... jedno z najbardziej współczesnych podejść do podstaw Big Data, jakie widziałem...".

--dr Joshua M. Davis.

The Definitive Plain-English Guide to Big Data for Business and Technology Professionals.

Big Data Fundamentals zapewnia pragmatyczne, bezsensowne wprowadzenie do Big Data. Autor bestsellerów z branży IT Thomas Erl i jego zespół w jasny sposób wyjaśniają kluczowe koncepcje, teorię i terminologię Big Data, a także podstawowe technologie i techniki. Całość poparta jest przykładami studium przypadku i licznymi prostymi diagramami.

Autorzy rozpoczynają od wyjaśnienia, w jaki sposób Big Data może napędzać rozwój organizacji poprzez rozwiązywanie szeregu wcześniej trudnych do rozwiązania problemów biznesowych. Następnie demistyfikują kluczowe techniki i technologie analityczne oraz pokazują, w jaki sposób można zbudować i zintegrować środowisko rozwiązań Big Data, aby zapewnić przewagę konkurencyjną.

⬤ Odkrycie podstawowych koncepcji Big Data i tego, co odróżnia je od poprzednich form analizy danych i nauki o danych.

⬤ Zrozumienie motywacji biznesowych i czynników stojących za przyjęciem Big Data, od usprawnień operacyjnych po innowacje.

⬤ Planowanie strategicznych, biznesowych inicjatyw Big Data.

⬤ Uwzględnienie kwestii takich jak zarządzanie danymi, ład korporacyjny i bezpieczeństwo.

⬤ Rozpoznanie 5 cech "V" zbiorów danych w środowiskach Big Data: objętość, szybkość, różnorodność, prawdziwość i wartość.

⬤ Wyjaśnienie relacji Big Data z OLTP, OLAP, ETL, hurtowniami danych i magazynami danych.

⬤ Praca z Big Data w formatach ustrukturyzowanych, nieustrukturyzowanych, częściowo ustrukturyzowanych i metadanych.

⬤ Zwiększanie wartości poprzez integrację zasobów Big Data z korporacyjnym monitorowaniem wydajności.

⬤ Zrozumienie, w jaki sposób Big Data wykorzystuje przetwarzanie rozproszone i równoległe.

⬤ Wykorzystanie NoSQL i innych technologii w celu spełnienia różnych wymagań Big Data w zakresie przetwarzania danych.

⬤ Wykorzystanie statystycznego podejścia do analizy ilościowej i jakościowej.

⬤ Stosowanie metod analizy obliczeniowej, w tym uczenia maszynowego.