雅书

内容简介：

一家公司，如何运用大数据进行客户定位、营销推广、品牌传播? 一个行业，如何运用大数据进行产业分析、前景预测、商机挖掘? 本书将全面揭秘大数据价值挖掘、平台构建、营销定位、生活服务、社会互动、风险管理和未来应用，特别是对销售行业、餐饮行业、网络通信、交通能源、医疗领域、娱乐传媒、生产制造、企业管理、金融行业、旅游行业、游戏行业和房地产行业等影响力大的行业或领域进行剖析，帮助读者知晓赚钱公司的大数据是怎样玩转的! 书中内容零基础、全图解，通过12个行业应用挖掘 17章专题内容详解 400多张图片图解展示，深度剖析了大数据的商业分析、运营推广、营销技巧和实战案例，让您一书在手，轻松玩转大数据! 本书对象为对大数据分析、营销感兴趣的所有读者，特别是企业经营者、管理者、互联网营销岗位的工作人员等。

作者简介：

“十年•专注，精品•奉献”!本团队组织者有着十多年图书行业策划经验，并由专注于金融、理财、营销、电商、微商等行业的几十位专业人士参与，他们中的成员大都是财经记者、银行金融理财师、财富顾问、互联网营销专家、电商和微商店主等。本团队组织者紧扣时代潮流趋势，力求为读者打造一系列精品理财、营销、金融类图书。由作者团队编写的“新手理财系列”、玩转“电商营销 互联网金融”系列图书，一经上市就受到读者的一致好评!

目  录：

目录

第1章 发展揭秘：全程破解大数据 1

1.1 相关了解，全面分析 2

1.1.1 大数据的发展历程 2

1.1.2 大数据的4大特征 4

1.1.3 大数据增长的结构类型 5

1.1.4 大数据发展的三大趋势 7

1.1.5 大数据视角下的世界 9

1.2 深入了解，营销获益 10

1.2.1 新型营销模式的形成 11

1.2.2 新型业务模式的发掘 12

1.2.3 存量客户的价值发掘 12

1.2.4 新客户资源的高效获取 13

1.3 核心建设，把握机遇 14

1.3.1 4G时代下的大数据

产业链 14

1.3.2 大数据营销机会的挖掘 15

1.4 商业智能，价值转型 16

1.4.1 大数据下的商业智能

概述 16

1.4.2 商业智能的大数据基础 17

1.4.3 商业智能的行业掘金 17

1.5 综合利用，未来曙光 19

1.5.1 必然走向的大数据 19

1.5.2 大数据时代的业界生态 19

1.5.3 大数据的未来应用 20

1.5.4 大数据未来的发展要求 21

第2章 价值获取：深度挖掘大数据 23

2.1 数据挖掘的相关知识 24

2.1.1 数据挖掘的基本概念 24

2.1.2 数据挖掘的商业解读 25

2.1.3 数据挖掘的具体计算 25

2.1.4 数据挖掘的一般过程 26

2.2 基础设施的建设与发展 27

2.2.1 云计算数据中心 28

2.2.2 存储服务器 28

2.2.3 全面虚拟化模式 29

2.2.4 虚拟化网络模式 30

2.3 互联网数据库的营销应用 31

2.3.1 免费Wi-Fi的客户数据

搜集 31

2.3.2 用户头像的信息获取 32

2.3.3 Immersion的用户邮件

挖掘 33

2.3.4 LinkedIn社交数据的商业

分析 34

2.4 不同行业的大数据源 35

2.4.1 文本数据的用户情感分析 35

2.4.2 电网数据的用户需求分析 37

2.4.3 车载信息数据的风险评估

分析 37

2.4.4 遥测数据的活动状况分析 38

第3章 平台构建：大数据分布计算 41

3.1 分布式计算的相关概念 42

3.1.1 云计算系统的运行概述 42

3.1.2 分布式文件系统的数据

存储 43

3.1.3 分布式计算系统的优势 44

3.2 Hadoop分析技术 45

3.2.1 Hadoop的含义概述 45

3.2.2 Hadoop的4大特点 47

3.2.3 Hadoop的企业应用 47

3.2.4 Hadoop的拓宽应用 48

3.3 平台搭建与营销效果 50

3.3.1 大数据平台搭建 50

3.3.2 英特尔的云生态圈构建 51

3.3.3 公有云解决方案的应用

选择 54

3.3.4 云创存储的智能门户

平台 55

第4章 精准定位：大数据策略营销 57

4.1 做好细分，客户定位制胜关键 58

4.1.1 客户属性细分 58

4.1.2 精准定位的地位 59

4.1.3 目标客户群定位 60

4.1.4 企业客户细分 61

4.1.5 二次细分与动态调整 63

4.2 品牌传播，企业客户定位优选 64

4.2.1 企业品牌的基本含义 65

4.2.2 品牌定位的基本含义 66

4.2.3 品牌的客户定位策略 67

4.3 特征把握，行业客户定位技巧 69

4.3.1 零售行业的个体特色

定位 69

4.3.2 房地产行业的服务意识

定位 71

4.3.3 汽车行业的品牌塑造

定位 71

第5章 生活服务：日趋便捷的移动大数据 75

5.1 移动LBS的位置服务 76

5.1.1 移动LBS的定义和特点 76

5.1.2 移动LBS的生活服务

应用 78

5.1.3 移动LBS的未来发展 80

5.1.4 LBS的移动大数据营销 81

5.2 移动O2O的购物模式 84

5.2.1 移动O2O模式的基本

概念 84

5.2.2 移动O2O模式的发展

优势 85

5.2.3 移动O2O模式的商业

用途 87

5.2.4 O2O模式的移动大数据

营销 89

5.3 App的各类生活应用 90

5.3.1 App的基本概念 91

5.3.2 App的营销优势 93

5.3.3 App的移动大数据营销 93

5.4 二维码的扫码服务 96

5.4.1 二维码的相关应用与价值 96

5.4.2 二维码的营销优势 97

5.4.3 二维码的移动大数据营销 98

第6章 社交互动：全天候的移动大数据 103

6.1 微信的多样化互动 104

6.1.1 微信互动的营销条件 104

6.1.2 微信互动的营销含义 106

6.1.3 微信互动的营销模式 107

6.1.4 【案例】南航的微信互动

服务体验 111

6.2 移动微博的文本互动 112

6.2.1 微博互动的营销含义 113

6.2.2 微博互动的营销价值 113

6.2.3 微博互动的营销原则 114

6.2.4 微博互动的营销策略 115

6.2.5 【案例】京东的微博

引流营销 118

6.3 移动QQ的大范围沟通 119

6.3.1 移动QQ的营销平台 119

6.3.2 QQ互动的营销优势 120

6.3.3 QQ营销的数据应用 121

6.3.4 QQ营销的互动技巧 122

6.3.5 【案例】西瓜的QQ空间

创意营销 125

第7章 风险管理：大数据安全应用 127

7.1 五大风险，日益凸显 128

7.1.1 企业数据管理风险 128

7.1.2 用户隐私泄露风险 129

7.1.3 企业成本控制风险 130

7.1.4 网络数据安全风险 131

7.1.5 数据人才缺乏问题 131

7.2 七大误区，问题丛生 132

7.2.1 项目噱头应用误区 132

7.2.2 成果过分夸大误区 133

7.2.3 项目盲目跟风误区 134

7.2.4 软件万能认识误区 134

7.2.5 项目应用僵化误区 135

7.2.6 数据量偏重的误区 135

7.2.7 他人经验轻忽误区 135

7.3 三大板块，管理优化 135

7.3.1 三大硬件设备管理 135

7.3.2 两类软件管理 137

7.3.3 两项认识调整 138

第8章 完整记录：销售行业的大数据攻略 139

8.1 大数据时代下的销售行业 140

8.1.1 大数据下的智能零售

形成 140

8.1.2 大数据下的零售业挑战

产生 141

8.1.3 大数据下的零售业商业

价值 141

8.2 锁定客户的大数据实体零售 143

8.2.1 实体零售的信息化趋势 143

8.2.2 【案例】精准定位的

"上品折扣" 144

8.2.3 【案例】服务转型的

富士通 145

8.2.4 【案例】构建大数据

战略的朝阳大悦城 146

8.3 大数据领域的电商零售方针 147

8.3.1 金麦奖的实体零售方案

探索 147

8.3.2 【案例】阿里巴巴的大数据

营销变革 149

8.3.3 百度视频的大数据建模 150

8.4 大数据的广告营销引导 152

8.4.1 广告投放的一般法则 152

8.4.2 【案例】投放精准的

"泰一指尚" 153

8.4.3 【案例】亚马逊的RTB

广告模式 154

第9章 市场定位：特色餐饮的大数据策略 155

9.1 大数据与餐饮行业的相关知识 156

9.1.1 餐饮业市场的大数据

需求 156

9.1.2 餐饮业发展的大数据

作用 158

9.1.3 餐饮业经营的大数据

应用 159

9.1.4 餐饮业管理的大数据

挑战 160

9.2 餐饮行业的大数据特色营销

案例 162

9.2.1 【案例】活力舒化：大数据

和微博双助力 162

9.2.2 【案例】美团美食：LBS

与大数据双联合 163

9.2.3 【案例】海底捞订餐：

大数据与App双选择 165

9.2.4 【案例】食谱：大数据

与创意双营销 166

第10章 信息累积：网络通信的大数据变革 167

10.1 大数据与信息行业的相关知识 168

10.1.1 信息行业转变的大数据

环境 168

10.1.2 信息行业发展的大数据

前景 170

10.1.3 信息行业营销的大数据

方案 170

10.1.4 移动互联网的大数据

分析 171

10.2 互联网企业的大数据营销 172

10.2.1 【案例】PPTV聚力：

大数据智能推送 172

10.2.2 【案例】大众点评：

大数据智能展现 173

10.2.3 【案例】世纪佳缘：

大数据智能判断 174

10.3 通信行业的大数据应用手段 175

10.3.1 【案例】中国移动：

大数据信息化战略 175

10.3.2 【案例】中国联通：

大数据标准化进程 177

10.3.3 【案例】湖南电信：

大数据综合化推进 177

第11章 智能监控：交通能源的大数据效益 179

11.1 大数据与交通行业的相关知识 180

11.1.1 交通行业的城市发展

难题 180

11.1.2 交通行业的大数据应用 181

11.1.3 交通行业的大数据优势 183

11.1.4 交通行业的大数据挑战 184

11.2 交通行业的大数据营销利器 185

11.2.1 【案例】数据交流，

行车安全 185

11.2.2 【案例】信息服务，

丰田畅通 186

11.2.3 【案例】数据救援，

安联智能 187

11.3 能源行业的大数据开发与应用 188

11.3.1 电力行业的大数据应用 189

11.3.2 【案例】谷歌的漂浮数据

中心 190

11.3.3 【案例】UPS的物流数据

中心 191

第12章 高效服务：医疗领域的大数据价值 193

12.1 大数据时代下的医疗营销 194

12.1.1 医疗领域的大数据

价值 194

12.1.2 医疗领域的大数据

应用 195

12.1.3 医疗领域的大数据

前景 196

12.1.4 医疗领域的大数据

挑战 197

12.2 医疗领域的营销大数据 198

12.2.1 医疗领域的大数据

增长 198

12.2.2 医疗领域的大数据

关系 199

12.2.3 医疗领域的大数据

方案 200

12.3 医疗领域的大数据应用案例 201

12.3.1 【案例】"南湘雅"的

临床大数据系统 201

12.3.2 【案例】"好大夫在线"

的大数据定位 203

12.3.3 【案例】康诺云的大数据

医疗服务 204

第13章 迅速反应：娱乐传媒的大数据冲击 205

13.1 大数据时代下的娱乐传媒 206

13.1.1 娱乐传媒的大数据

意义 206

13.1.2 娱乐传媒的大数据

挑战 208

13.1.3 娱乐传媒的大数据

策略 209

13.2 娱乐传媒的大数据营销应用 211

13.2.1 娱乐传媒的大数据

趋势 211

13.2.2 娱乐传媒的大数据商业

模式 212

13.3 娱乐传媒的大数据营销案例 213

13.3.1 【案例】新影数讯的

大数据分析 213

13.3.2 【案例】《小时代》的

大数据分析 214

13.3.3 【案例】《纸牌屋》的

大数据变革 215

第14章 供需调控：生产制造的大数据支撑 217

14.1 大数据与生产制造业的相关

知识 218

14.1.1 生产制造业的大数据

挖掘 218

14.1.2 生产制造业的大数据

冲击 220

14.1.3 生产制造业的大数据

应用 221

14.1.4 制造业的大数据商业

智能 222

14.2 生产制造业的大数据价值体现 224

14.2.1 【案例】可口可乐的

大数据昵称捕捉 225

14.2.2 【案例】长虹的大数据

家电战略 226

14.2.3 【案例】欧派电动车的

大数据服务 227

14.2.4 【案例】长安汽车的

大数据制造应用 228

第15章 对内经营：企业管理的大数据战略 229

15.1 大数据与企业管理的相关知识 230

15.1.1 企业管理的大数据内部

重塑 230

15.1.2 企业管理的大数据

方法 231

15.1.3 企业管理的大数据

智能 232

15.1.4 企业管理的大数据应用

关键 232

15.1.5 企业管理的大数据

要点 233

15.2 企业管理的大数据应用 235

15.2.1 【案例】智慧商贸进销存的

企业管理 235

15.2.2 【案例】汉庭酒店的

大数据预算管理 236

15.2.3 【案例】机场的大数据

预测管理 238

15.2.4 【案例】国药集团的

大数据平台 240

第16章 线上线下：金融行业的大数据竞争 241

16.1 大数据时代下的金融行业 242

16.1.1 金融行业的大数据变革

理念 242

16.1.2 金融行业的大数据应用

途径 244

16.1.3 金融行业的大数据趋势 245

16.1.4 金融行业的大数据挑战 246

16.2 银行业的大数据营销应用案例 246

16.2.1 【案例】工商银行的

大数据方案 247

16.2.2 【案例】招商银行的

大数据战略 248

16.2.3 【案例】花旗银行的

大数据服务 249

16.3 金融行业其他领域的大数据

应用 250

16.3.1 【案例】纽交所的大数据

系统 250

16.3.2 【案例】基金业的大数据

预判 251

16.3.3 【案例】保险业的大数据

风险控制 251

第17章 广泛发展：其他行业的大数据应用 253

17.1 大数据时代下的旅游行业 254

17.1.1 旅游行业的大数据发展

趋势 254

17.1.2 【案例】黄山游客大数据

引流 256

17.2 大数据时代下的游戏行业 257

17.2.1 游戏行业的大数据关联

指导 258

17.2.2 【案例】EA游戏体验的

大数据改进 258

17.3 大数据时代下的房地产行业 262

17.3.1 房地产行业的大数据

营销 262

17.3.2 【案例】万科地产的

大数据战略 264