hiskio

    大數據分析SQL Server 2016與R全方位應用

    台灣微軟首席技術與策略長 丁維揚 專業推薦! *數據是企業的重要資產，近來大數據潮流、機器學習和人工智慧(AI)…等興起。無疑地，都是依據數據來支持決定。 *本書內容闡述從大數據技術範疇、資料倉儲和商業智慧的概念與原理，以及顧客關係管理(CRM)的相關應用。重點深入敘述Microsoft SQL Server 2016發揮在大數據分析領域。 *從實務分析，說明利用T-SQL撰寫會

    Collecting
    US$11.08

    台灣微軟首席技術與策略長 丁維揚 專業推薦！


    *數據是企業的重要資產，近來大數據潮流、機器學習和人工智慧(AI)…等興起。無疑地，都是依據數據來支持決定。


    *本書內容闡述從大數據技術範疇、資料倉儲和商業智慧的概念與原理，以及顧客關係管理(CRM)的相關應用。重點深入敘述Microsoft SQL Server 2016發揮在大數據分析領域。


    *從實務分析，說明利用T-SQL撰寫會員消費行為分析指令，例如：會員基本輪廓、購買行為(週期)、產品組合、會員流失率、會員貢獻度與行銷模型RFM等，讓讀者獲得貼近實務的大數據分析經驗。


    *從整合分析，介紹SQL Server 2016在數據分析的突破With R。R屬於免費開放來源(Open Source)程式設計和統計語言，近來特別受到青睞。如今SQL Server 2016將R整合，資料分析人員不僅可以在SQL Server執行原本T-SQL之外，更可同時執行R語言，瞬間搭起分析與IT的橋樑。

     

    *內容闡述從R Services 和R Package安裝、利用R Script讀取SQL Server資料表與寫入資料至SQL Server和使用R Tools for Visual Studio 進行資料建模。


    *相較於一般市面上SQL Server書籍，本書讓讀者更好理解和上機操作，每一個範例都搭配詳細的操作步驟和分析結果解讀。

    Content

    • 1-1
      封面頁
    • 1-2
      書名頁
    • 1-3
      推薦序
    • 1-4
      序
    • 1-5
      目 錄
    • 1-6
      CH01 淺談大數據技術與應用
    • 1-7
      1-1 大數據技術範疇
    • 1-8
      1-1-1 何謂大數據？
    • 1-9
      1-1-2 大數據技術V.S.大數據
    • 1-10
      1-1-3 大數據技術簡介
    • 1-11
      1-1-4 大數據分析簡介
    • 1-12
      1-2 大數據與資料倉儲
    • 1-13
      1-2-1 兩者差異之處
    • 1-14
      1-2-2 兩者相同之處
    • 1-15
      1-3 大數據應用案例
    • 1-16
      1-3-1 IBM 推出華生機器人來看診
    • 1-17
      1-3-2 汽車防盜系統使用臀部辨識技術
    • 1-18
      1-3-3 Amazon 及Netflix 網路消費
    • 1-19
      1-3-4 歐巴馬也靠大數據
    • 1-20
      1-3-5 平價連鎖零售商－猜妳懷孕了
    • 1-21
      1-4 機器學習、自然語言與統計分析、其他
    • 1-22
      1-4-1 機器學習和統計分析
    • 1-23
      1-4-2 自然語言與其他分析
    • 1-24
      CH02 大數據的基礎建設－資料倉儲
    • 1-25
      2-1 資料倉儲定義與特性
    • 1-26
      2-1-1 何謂資料倉儲？
    • 1-27
      2-1-2 資料倉儲特性有哪些？
    • 1-28
      2-2 資料倉儲架構及建置目的
    • 1-29
      2-2-1 常用資料倉儲架構
    • 1-30
      2-2-2 為何要建置資料倉儲
    • 1-31
      2-3 建置資料倉儲目的
    • 1-32
      2-4 資料倉儲應用與管理
    • 1-33
      2-4-1 資料倉儲應用範圍
    • 1-34
      2-4-2 管理資料倉儲
    • 1-35
      2-4-3 實施資料倉儲
    • 1-36
      2-4-4 資料倉儲與資料採礦關係
    • 1-37
      2-5 大數據的IT 策略
    • 1-38
      2-5-1 資料四象限模型
    • 1-39
      2-5-2 活用資料策略
    • 1-40
      CH03 大數據的資訊揭露－商業智慧
    • 1-41
      3-1 何謂商業智慧
    • 1-42
      3-1-1 商業智慧系統架構
    • 1-43
      3-1-2 商業智慧與資料倉儲的不同
    • 1-44
      3-2 商業智慧流程作用
    • 1-45
      3-2-1 商業智慧流程
    • 1-46
      3-2-2 商業智慧優勢與導入階段
    • 1-47
      3-3 顧客關係管理（CRM）
    • 1-48
      3-3-1 何謂CRM
    • 1-49
      3-3-2 CRM 與Data Mining 關係
    • 1-50
      3-3-3 CRM 指標
    • 1-51
      3-3-4 RFM 指標分析結構
    • 1-52
      3-3-5 CRM 過程
    • 1-53
      3-3-6 顧客市場區隔
    • 1-54
      3-3-7 交叉銷售
    • 1-55
      3-4 資料庫行銷
    • 1-56
      CH04 何謂T-SQL 及案例資料說明
    • 1-57
      4-1 結構化查詢語言
    • 1-58
      4-1-1 標準SQL 語言
    • 1-59
      4-1-2 組成SQL 語言要素
    • 1-60
      4-2 何謂Transact-SQL
    • 1-61
      4-2-1 前言
    • 1-62
      4-2-2 Microsoft SQL Server 的Go 指令
    • 1-63
      4-2-3 Microsoft SQL Server 的註解
    • 1-64
      4-3 範例資料來源說明
    • 1-65
      4-4 範例資料匯入
    • 1-66
      CH05 SQL SERVER 2016 概述與新功能案例介紹
    • 1-67
      5-1 Microsoft SQL Server 2016 新價值特性
    • 1-68
      5-1-1 SQL Server 2016 企業價值
    • 1-69
      5-1-2 加值服務-Windows Azure
    • 1-70
      5-1-3 SQL Server 2016 特性
    • 1-71
      5-2 Microsoft SQL Server 2016 新功能案例
    • 1-72
      5-2-1 新功能範例－Live Query Statistics
    • 1-73
      5-2-2 新功能範例－動態資料遮罩
    • 1-74
      5-2-3 新功能範例－JSON 支援
    • 1-75
      CH06 資料科學家必備武器－分析型SQL
    • 1-76
      6-1 何謂分析型SQL
    • 1-77
      6-2 分析型SQL 語法範例
    • 1-78
      6-3 SQL 基本應用分析語法
    • 1-79
      6-3-1 基本功夫－查詢資料
    • 1-80
      6-3-2 函數應用
    • 1-81
      6-3-3 進階功夫－分析資料
    • 1-82
      6-3-4 併聯結查詢應用
    • 1-83
      6-3-5 子查詢的運用
    • 1-84
      6-3-6 資料新增、刪除、更新與處理
    • 1-85
      CH07 會員消費行為分析
    • 1-86
      7-1 會員基本輪廓
    • 1-87
      7-1-1 會員基本資料整理－縣市別填答
    • 1-88
      7-1-2 會員基本資料整理－婚姻狀態
    • 1-89
      7-1-3 會員基本變項分析－性別、職業、來源管道…
    • 1-90
      7-1-4 會員基本變項分析－會籍時間長度
    • 1-91
      7-2 會員購買行為
    • 1-92
      7-2-1 交易週期變化
    • 1-93
      7-2-2 第一次交易時年齡及婚姻狀態
    • 1-94
      7-2-3 交易金額級距分析
    • 1-95
      7-2-4 紅利積點分析
    • 1-96
      7-2-5 平均交易時間間隔
    • 1-97
      7-3 產品組合
    • 1-98
      7-3-1 產品熱銷排行榜
    • 1-99
      7-3-2 單一產品熱銷排行榜
    • 1-100
      7-3-3 產品重複購買比率
    • 1-101
      7-4 會員流失率
    • 1-102
      7-5 會員貢獻度
    • 1-103
      7-6 RFM 模型
    • 1-104
      CH08 SQL Server 2016 with R 應用
    • 1-105
      8-1 R Services 概述與基礎統計
    • 1-106
      8-1-1 安裝R Services
    • 1-107
      8-1-2 R 基礎統計分析範例
    • 1-108
      8-2 在R Services 安裝R 模組（Package）
    • 1-109
      8-3 在R 取得已安裝的R 模組清單
    • 1-110
      8-4 利用R Script 讀取SQL Server 資料表與寫入資料至SQL Server 資料表
    • 1-111
      8-5 R 的World Cloud
    • 1-112
      8-6 使用R Tools for Visual Studio 進行資料建模
    • 1-113
      8-6-1 準備分析的資料與建立ODBC 資料來源
    • 1-114
      8-6-2 建立R 語言資料建模分析專案
    • 1-115
      版權頁
    • 1-116
      封底頁

    FAQ

    您可以透過手機、平板或是電腦登入 HiSKIO 平台，在【我的學習】＞【我的書籍】頁面，選擇想看的電子書。

    Recommendations

    Reviews

    | Collecting

    Sales Plans