為什麼需要大數據的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

Greenplum：從大數據戰略到實現

為了解決為什麼需要大數據的問題，作者馮雷等 這樣論述：

這是一本系統剖析Greenplum開源大數據平台的書籍，也是大數據戰略制定與落地的實戰型指導書！本書圍繞數字原生和雲計算、大數據、人工智慧驅動的企業數字化轉型的核心訴求，從商業和技術實戰視角分享了業界領先企業大數據戰略的深刻思考，並提供了大數據戰略從制定到落地的全面指導。既有高階數字化戰略高度對大數據的解讀，又有技術實戰角度對使用Greenplum大數據和機器學習平台實現大數據戰略的實踐指南。本書作者來自Greenplum核心研發團隊，致力於以開源、開放的理念和先進的技術推進大數據產業生態，助力企業以更低的成本、更高的效率實現數字化轉型，並基於Greenplum開源社區培養大數據產業更多人才。

本書分為四個部分。第一部分介紹大數據戰略。其中，第1章將分享作者對於人工智慧、大數據和雲計算之間關係的理解以及對人和人工智慧的思考。第2章將介紹進取型企業為什麼需要大數據戰略以及如何建立大數據戰略。第二部分介紹大數據平台。其中，第3章將以數據平台演進歷史和未來趨勢為主題，描述三次整合的背景及影響，介紹選擇大數據平台需要考慮的因素，以及為什麼Greenplum是理想的大數據平台。第4章將介紹Greenplum資料庫快速入門指南。第5章將介紹Greenplum架構的主要特點和核心引擎。第6章將介紹數據載入、數據聯邦和數據虛擬化。第7章將介紹Greenplum的資源管理以及對混合負載的支持。第三部分

介紹機器學習。其中，第8章介紹Greenplum的各種過程化編程語言（用戶自定義函數），用戶可以使用Python、R、Java等實現用戶自定義函數，還可以通過容器化技術實現自定義函數的安全性和隔離性。第9章將介紹Greenplum內建的機器學習庫MADlib，數據科學家可以使用內建的50多種機器學習演算法用SQL對數據進行高級分析，並介紹如何擴展MADlib以實現新演算法。第10章和第11章將分別介紹Greenplum如何對文本數據和時空數據（GIS）進行存儲、計算和分析。第12章將介紹Greenplum豐富的圖計算能力。第四部分介紹運維管理和數據遷移。其中，第13章會介紹各種監控和管理工具及

相關企業級產品。第14章介紹資料庫備份和恢復。第15章和第16章將分別介紹如何從Oracle和Teradta遷移到Greenplum。馮雷(RayFeng)，Pivotal中國常務董事(ManagingDirector)兼研發中心總經理。Pivotal中國成立至今，馮雷主持了近十億人民幣投資的中國運營和研發體系。作為Pivotal全球產品關鍵領導人，為Pivotal公司的數字化理念建立及其對應的CloudFoundry和Greenplum產品提供戰略輸入。馮雷于2010年從美國矽谷歸國，在世界500強公司EMC旗下組建了Pivotal中國。在歸國之前，馮雷曾在500強企業甲骨文(Oracle)

總部從事雲計算產品研發。作為雲計算最早的一批從業人員，幫助甲骨文雲計算資源調度領域成為意見領袖。擁有多項雲計算專利。姚延棟，Pivotal中國研發中心副總裁，在Pivotal公司全球範圍內為Greenplum技術發展路線提供戰略輸入。聯合創建了Pivotal中國研發中心，發起了Greenplum中國開源社區，奠定了包括阿里雲、騰訊雲和百度雲在內的廣大開源Greenplum用戶群。在Pivotal中國招募並建設了Greenplum和HAWQ團隊成為大數據和機器學習的意見領袖，培養團隊成員同時成為Apache和Greenplum代碼提交者。在創建Greenplum/Pivotal中國之前,曾在Su

nMicrosystem與Symantec系統和存儲部門工作多年。擁有多項國內外雲計算和大數據專利。高小明，Pivotal中國研發中心Greenplum產品總監，先後參與和負責數據分析協作平台Chorus、開源PaaS雲平台CloudFoundry、MPP資料庫Greenplum等產品的開發、運維和技術推廣。目前著重關注PaaS雲平台與大數據平台支撐下的數字化轉型、微服務架構以及容器化與混合負載給數據產品帶來的機遇和挑戰。楊瑜，Pivotal中國研發中心Greenplum工程技術總監，長期從事Greenplum內核的研發和管理工作，先後參與和負責基於Greenplum內核的機器學習庫MADli

b的研發、Greenplum內核和PostgreSQL內核持續歸併等工作，並參與組建Greenplum文本挖掘引擎GPText團隊，有豐富的一線內核研發經驗。

為什麼需要大數據進入發燒排行的影片

大數據分析之研究－以中鼎工程公司為例

為了解決為什麼需要大數據的問題，作者李慶祥 這樣論述：

大數據是一種新的能力，它結合硬體、軟體、統計模型、專業領域知識、經驗等元素，從資料解析出對決策有用的資訊，讓企業可以達到節省成本、加快速度、改進產品與服務、提升決策品質的目的，進而創造競爭優勢。這種能力以物聯網、雲端計算、Hadoop叢集資料處理等資訊技術為基礎，加上人的專業知識，經過實驗、分析、解讀、調整的循環，逐步改進程序以獲取有意義資訊，形成企業的策略行動。其中最關鍵因素是人的專業知識與判斷，影響大數據行動成敗。工程專案執行時會產生大量非結構化資料，過去未被有效利用。個案公司期望引進大數據技術，解讀與業主往來的文件，從中分析其對於工程的要求與偏好，並將這些資訊累積形成知識文件，透過經驗

的傳承，提高對業主的熟悉度，減少punch發生、縮短工期，達到節約成本與提高工程品質的目的。本研究採用R語言的文字探勘模組(tm package)，解析工程文件內容，尋找出現頻率最高關鍵字，再透過領域專家解讀，從中了解業主的潛在需求，經由實做過程，熟悉大數據技術的應用，評估是否適合用於解決流程問題，並建議引進的程序與步驟，供有意在公司內部養成大數據分析能力的企業參考。亞倫•韋伯在《改寫規則的人，獨贏》書中提到「未來將是個人化、隨身化、數位化的世界，主角不是科技本身，而是科技將什麼化為可能，真正的科技是無形的，包括它所建立的連結、因它實現的速度與彈性、它所導致的行為改變，還有它所激發的創新可能等

。要見識科技的真正力量，就請注意觀察那些無形的事物，最好多思考科技的用途，而不是科技工具本身，運算要比電腦重要。」

數學之美(第二版)

為了解決為什麼需要大數據的問題，作者吳軍 這樣論述：

幾年前，「數學之美」系列文章原刊載於谷歌黑板報，獲得上百萬次點擊，得到讀者高度評價。 正式出版前，吳軍博士幾乎把所有文章都重寫了一遍，為的是把高深的數學原理講得更加通俗易懂，讓非專業讀者也能領略數學的魅力。吳軍編著的《數學之美(第2版)》第一版上市后深受廣大讀者歡迎，並榮獲國家圖書館第八屆文津圖書獎。讀者說，讀了《數學之美》，才發現大學時學的數學知識，比如馬爾科夫鏈、矩陣計算，甚至余弦函數原來都如此親切，並且栩栩如生，才發現自然語言和信息處理這麼有趣。而今，數學在信息產業中的應用越來越廣泛，因此，作者在第二版中增加了一些內容，尤其是針對大數據和機器學習的內容，以便滿足人們對當下技術的學習需求。

吳軍博士，畢業於清華大學和美國約翰·霍普金斯大學（博士），是著名自然語言處理和搜索專家，硅谷風險投資人。 吳軍博士於2002年加入谷歌公司。在谷歌，他和Amit Singhal（谷歌院士，世界著名搜索專家）、Matt Cutts（谷歌反作弊官方發言人）等三位同事一起開創了網絡搜索反作弊的研究領域，並因此獲得谷歌工程獎。2003年，他和谷歌全球架構的總工程師朱會燦博士等共同成立了中日韓文搜索部門。吳軍博士是當前谷歌中日韓文搜索算法的主要設計者。在谷歌期間，他還領導了許多研發項目，包括許多與中文相關的產品和自然語言處理的項目，並得到了當時公司首席執行官埃里克·施密特和創始人謝爾蓋·布林的高度評價。

2010年加盟騰訊公司，出任負責搜索和搜索廣告的副總裁。2012年回到谷歌，領導創新項目。目前任谷歌公司的Principal Engineer。 吳軍博士在國內外發表過數十篇論文，曾獲得1995年全國人機語音智能接口會議的最佳論文獎和2000年Eurospeech的最佳論文獎。他還獲得和申請了十余項美國和國際專利。他撰寫的《浪潮之巔》（第一版）和《數學之美》深受業界的好評。 吳軍博士在美國兩家風險投資基金（中國世紀基金和ZPark風險基金）分別擔任董事和顧問，他還擔任約翰·霍普金斯大學工學院董事會董事，以及該校國際事務委員會的顧問。他曾經是國家重大專項「新一代搜索引擎和瀏覽器」項目的總負責人。

從2012年起任職工業與信息化部的專家和顧問。 第一版讀者贊譽第二版出版說明第一版序言第二版序言第二版前言第1章　文字和語言vs數字和信息 1　信息 2　文字和數字 3　文字和語言背后的數學 4　小結第2章　自然語言處理——從規則到統計 1　機器智能 2　從規則到統計 3　小結第3章　統計語言模型 1　用數學的方法描述語言規律 2　延伸閱讀：統計語言模型的工程訣竅 3　小結第4章　談談分詞 1　中文分詞方法的演變 2　延伸閱讀：如何衡量分詞的結果 3　小結第5章　隱含馬爾可夫模型 1　通信模型 2　隱含馬爾可夫模型 3　延伸閱讀：隱含馬爾可夫

模型的訓練 4　小結第6章　信息的度量和作用 1　信息熵 2　信息的作用 3　互信息 4　延伸閱讀：相對熵 5　小結第7章　賈里尼克和現代語言處理 1　早年生活 2　從水門事件到莫妮卡·萊溫斯基 3　一位老人的奇跡第8章　簡單之美——布爾代數和搜索引擎 1　布爾代數 2　索引 3　小結第9章　圖論和網絡爬蟲 1　圖論 2　網絡爬蟲 3　延伸閱讀：圖論的兩點補充說明 4　小結第10章　PageRank——Google的民主表決式網頁排名技術 1　PageRank 算法的原理 2　延伸閱讀：PageRank的計算方法 3　小結第11章　如何確定網頁和查詢的相關

性 1　搜索關鍵詞權重的科學度? 2　延伸閱讀：TF-IDF的信息論依據 3　小結第12章　有限狀態機和動態規划——地圖與本地搜索的核心技術 1　地址分析和有限狀態機 2　全球導航和動態規划 3　延伸閱讀：有限狀態傳感器 4　小結第13章　Google AK-47的設計者——阿米特·辛格博士第14章　余弦定理和新聞的分類 1　新聞的特征向量 2　向量距離的度量 3　延伸閱讀：計算向量余弦的技巧 4　小結第15章　矩陣運算和文本處理中的兩個分類問題 1　文本和詞匯的矩陣 2　延伸閱讀：奇異值分解的方法和應用場景 3　小結第16章　信息指紋及其應用 1　信息指紋 2

　信息指紋的用途 3　延伸閱讀：信息指紋的重復性和相似哈希 4　小結第17章　由電視劇《暗算》所想到的——談談密碼學的數學原理 1　密碼學的自發時代 2　信息論時代的密碼學 3　小結第18章　閃光的不一定是金子——談談搜索引擎反作弊問題和搜索結果的權威性問題 1　搜索引擎的反作弊 2　搜索結果的權威性 3　小結第19章　談談數學模型的重要性第20章　不要把雞蛋放到一個籃子里——談談最大熵模型 1　最大熵原理和最大熵模型 2　延伸閱讀：最大熵模型的訓練 3　小結第21章　拼音輸入法的數學原理 1　輸入法與編碼 2　輸入一個漢字需要敲多少個鍵——談談香農第一定理 3　拼

音轉漢字的算法 4　延伸閱讀：個性化的語言模型 5　小結第22章　自然語言處理的教父馬庫斯和他的優秀弟子們 1　教父馬庫斯 2　從賓夕法尼亞大學走出的精英們第23章　布隆過濾器 1　布隆過濾器的原理 2　延伸閱讀：布隆過濾器的誤識別問題 3　小結第24章　馬爾可夫鏈的擴展——貝葉斯網絡 1　貝葉斯網絡 2　貝葉斯網絡在詞分類中的應用 3　延伸閱讀：貝葉斯網絡的訓練 4　小結第25章　條件隨機場、文法分析及其他 1　文法分析——計算機算法的演變 2　條件隨機場 3　條件隨機場在其他領域的應用 4　小結第26章　維特比和他的維特比算法 1　維特比算法 2　CDMA

技術——3G移動通信的基礎 3　小結第27章　上帝的算法——期望最大化算法 1　文本的自收斂分類 2　延伸閱讀：期望最大化和收斂的必然性 3　小結第28章　邏輯回歸和搜索廣告 1　搜索廣告的發展 2　邏輯回歸模型 3　小結第29章　各個擊破算法和Google雲計算的基礎 1　分治算法的原理 2　從分治算法到Ma 3　小結第30章　Google大腦和人工神經網絡 1　人工神經網絡 2　訓練人工神經網絡 3　人工神經網絡與貝葉斯網絡的關系 4　延伸閱讀：Google大腦 5　小結第31章　大數據的威力——談談數據的重要性 1　數據的重要性 2　數據的統計和信息技術

3　為什麼需要大數據 4　小結附錄　計算復雜度第二版后記索引