商業銀行大數據治理研究與實踐（簡體書）

本書詳細闡述了大數據的基本概念，大數據將成為商業銀行核心競爭力，商業銀行大數據應用的各類場景等內容，列舉了當前商業銀行普遍使用的各類大數據相關技術，結合數據治理的方法論及框架，商業銀行數據治理成果以及大數據時代的特點，構建大數據治理體系。同時，結合商業銀行自身特點，指出商業銀行大數據治理能力提升的6個重點方向。*後，結合大數據成熟度模型構建數據治理能力評價方法，探討數據資產估值的現狀及可行性。
本書既有較為全面的理論知識又有豐富的商業銀行實踐與案例，可以作為商業銀行數據管理者和大數據應用及開發人員的入門參考用書，也適合銀行業務人員閱讀，以幫助瞭解大數據應用對銀行業務發展的意義和大數據治理對數據應用的支撐作用。

既有較為全面的理論知識，又有豐富的商業銀行實踐與案例！可以為商業銀行數據管理者的入門參考用書，也適合銀行業務人員瞭解大數據應用對銀行業務發展的意義。

前言
基礎部分
第1章 什麼是大數據 / 2
1.1 數據及大數據發展史 / 2
1.2 大數據的概念 / 3
1.2.1 大數據的特徵 / 4
1.2.2 大數據類型 / 5
1.2.3 銀行業大數據 / 5
第2章 大數據成為銀行業核心競爭力 / 7
2.1 銀行業IT建設發展歷程 / 7
2.1.1 電算化階段 / 8
2.1.2 信息化階段 / 8
2.1.3 網絡移動化階段 / 9
2.1.4 數字智能化階段 / 11
2.2 銀行業創新轉型的突破口 / 14
2.2.1 大數據給銀行業帶來服務模式變革 / 15
2.2.2 大數據思維助力銀行業從創新中挖掘效益 / 15
2.2.3 大數據推進數字化轉型 / 17
2.3 大數據思維 / 20
2.4 數據挖掘能力 / 22
2.5 業界的關鍵觀點 / 24
2.5.1 IBM的觀點 / 24
2.5.2 普華永道的觀點 / 24
技術部分
第3章 大數據技術概述 / 28
3.1 數據採集相關概念介紹 / 28
3.2 大數據的數據源與數據類型 / 29
3.2.1 大數據的數據源 / 29
3.2.2 傳統的數據類型 / 31
3.2.3 大數據時代創新的數據類型 / 32
3.3 大數據的採集方法和工具 / 33
3.3.1 大數據採集方法 / 33
3.3.2 常用的大數據採集工具 / 34
第4章 大數據平臺 / 36
4.1 MPP / 37
4.1.1 Teradata數據倉庫 / 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是什麼 / 45
4.2.2 Hadoop和大數據 / 46
4.2.3 Hadoop的發展歷程 / 47
4.2.4 Hadoop生態圈 / 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 國內銀行大數據平臺的應用 / 61
4.4.1 概述 / 61
4.4.2 國內銀行大數據平臺介紹 / 61
4.5 大數據技術的雲平臺化 / 63
4.6 數據湖的介紹 / 64
4.6.1 數據湖的概念 / 64
4.6.2 數據湖的架構 / 64
4.6.3 數據湖與數據倉庫的區別 / 66
第5章 大數據科學技術 / 68
5.1 相關概念介紹 / 68
5.1.1 數據挖掘 / 69
5.1.2 機器學習 / 70
5.2 數據挖掘算法 / 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 神經網絡 / 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 關聯分析算法 / 76
5.2.9 最大期望算法 / 76
5.2.10 網頁排名算法 / 76
5.2.11 其他常用算法 / 77
5.3 數據科學工具 / 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 數據可視化技術 / 81
5.4.1 Tableau Desktop / 82
5.4.2 QlikView / 83
5.4.3 D3.js / 83
5.5 數據挖掘的應用 / 83
治理與實踐部分
第6章 數據治理概述與理論研究 / 88
6.1 銀行業數據治理的發展 / 88
6.1.1 數據大集中和數據倉庫建設時期的數據治理 / 89
6.1.2 精細化管理和外部監管驅動下的數據治理 / 89
6.1.3 以企業級視角為重要標誌的新時期大數據治理 / 89
6.2 監管數據治理體系及要求 / 89
6.2.1 《良好標準》與《指引》的制定 / 90
6.2.2 監管數據治理要求的目的和意義 / 91
6.2.3 《良好標準》的主要內容 / 91
6.2.4 《指引》的主要內容 / 92
6.3 銀行業標準體系 / 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 大數據時代的數據治理 / 94
6.4.1 大數據的特徵 / 94
6.4.2 大數據時代給數據治理提出新的要求 / 95
6.4.3 大數據生命週期 / 97
6.4.4 大數據治理方法概述 / 97
6.5 數據治理理論研究 / 99
6.5.1 國際數據管理協會數據治理 / 100
6.5.2 國際治理協會數據治理 / 103
6.5.3 IBM數據治理 / 105
6.5.4 MIKE2.0數據治理 / 107
6.5.5 普華永道數據治理 / 109
6.5.6 理論總結 / 111
第7章 銀行大數據治理實踐 / 113
7.1 銀行大數據治理體系框架 / 113
7.2 銀行大數據治理實施策略與推進模式 / 115
7.2.1 大數據治理實施策略 / 115
7.2.2 大數據治理推進模式 / 118
7.2.3 三位一體的大數據治理能力建設 / 121
7.3 銀行提升大數據應用能力的關鍵舉措 / 122
7.4 大數據治理組織機制 / 124
7.4.1 大數據治理組織 / 124
7.4.2 首席數據官 / 125
7.4.3 數據認責機制 / 126
7.5 數據資產管理 / 129
7.5.1 數據資產管理的意義 / 130
7.5.2 數據資產特徵與分類 / 130
7.5.3 數據架構與模型管理 / 131
7.5.4 數據質量管理 / 132
7.5.5 外部數據管理 / 135