大数据分析时代的隐私与用户控制

大数据时代的数据分析入门指南，让洞见更准确，让沟通更简洁。从订指标、报预算，到分析市场、评估风险，真正能解决实际问题的数据分析书！用数据表达想法、说服对方和赢得信赖，只有逻辑严密的数据分析才能创造价值、驱动未来！数据分析入门级读物，四个步骤加上Excel通用工具，零基础也能轻松进阶！数据分析其实比你想象得更简单！数据真的有用吗？如何从庞杂的数据中提取对自己有用的信息？如何厘清多种数据关系，锁定问题的关键？如何用数据呈现客观事实，使自己的观点更富逻辑和说服力？用数据解决实际问题的能力，已经成为大数据时代人人必备的硬实力之一。本书摒弃了复杂的统计学原理和数学公式，紧密贴合多种工作场景，介绍了一整套

随着互联网、移动互联网和物联网的蓬勃发展，我们已经置身于海量数据的时代。据数据调查公司IDC预测，到2011年，全球数据总量将达到1.8万亿GB。在这样的背景下，对海量数据进行精准分析已经成为一项非常紧迫的需求。

大数据的统计思维，真的是值得花点时间了解一下。文章从统计角度切入，把“大数据”的概念讲得比较透，尤其是结合国内外现状讲“统计研究要怎么转型”，这点我觉得蛮有启发的。不是空谈，内容扎实。像前端常常需要一堆数据——不管是图表展示、用户行为，还是性能日志，这种时候脑子里要是没点统计学思维，容易只停留在表面。你可以看看文中提到的挑战，比如传统统计流程在大数据面前就不太灵光了，得重新调整。哦对了，它还整理了不少相关资源，像《Excel 数据与基础统计学应用》（点这里）这种，适合你用来做快速数据。还有《数据挖掘的统计学基础》（点这里），也是做用户行为预测啥的挺实用的。如果你平时跟数据打交道比较多，尤其是在

这本书是关于大数据分析的教科书，由斯坦福大学知名教授Anand Rajaraman和Jeff Ullman整理编写而成，内容非常实用。

大数据时代的商务 PPT，思路比较新，核心在于全量数据思维。不搞样本、不纠结精准预测，直接上全部数据，配合算法模型跑一遍，效率高，结果还挺靠谱。讲相关关系比因果关系更重要，这种思维在推荐系统、用户画像里用得多，比如点击率就用相关性建模，先跑出模式再去解释逻辑。里面还提到不精确容忍，嗯，这个点挺有意思。不是非得精确值，只要趋势对，决策就能成。做业务决策、投放优化啥的，用这个思路还蛮实用。你要是对因果有兴趣，可以看看这些扩展阅读：因果关系研究数据 和 Granger 因果关系检验 都挺有干货。另外，还有一篇思路类似的 PPT 也推荐一下：大数据时代商业模式的全新展望，风格差不多，内容更偏商业。如果

第一章：数据分析基础理论- 数据分析概述- 大数据分析基础- 大数据预测分析 第二章：计算机数据分析SPSS Modeler- SPSS Modeler概述- SPSS Modeler节点介绍 第三章：计算机数据分析Hadoop- 大数据平台Hadoop

Scala 实现的大数据分析代码，包括最高在线人数、登录日志分析、付款情况分析等。

大数据的与应用案例讲得还挺细的，尤其是对Hadoop生态的拆解，蛮适合刚入门或者想系统捋一遍的前端朋友看一看。嗯，它不是讲怎么撸代码，但对你理解大数据架构、后端接口、数据流转逻辑挺有。Hadoop 的HDFS是怎么存储 TB 级数据的，MapReduce怎么拆解计算任务都说得明明白白，还顺带提了下YARN、Hive这类常见工具，干货不少。另外，国内外的技术发展也顺手提了一嘴，虽然不是重点，但能帮你大致知道业界都怎么玩，算是长点见识。如果你最近在搞可视化平台、BI界面、或者和后端协作搭数据功能，推荐花半小时扫一遍这篇。需要动手的朋友也可以顺着下面这些链接看一看，像《构建大数据 hadoop 分布

“大数据”正在改变着我们的世界。政府和企业通过整合海量数据集，并利用统计分析和数据挖掘技术，从中提取出隐藏的信息和令人意想不到的关联。大数据带来了巨大的经济和社会效益，但同时也引发了严重的隐私问题。 欧盟数据保护指令所体现的公平信息惯例（FIP）面临着大数据带来的挑战。欧盟委员会提出的新法规试图改革和取代现有的指令，但我认为该法规过于依赖信誉欠佳的明智选择模型，无法充分应对即将到来的大数据浪潮。 我认为，当大数据浪潮来临时，知情选择和数据最小化的核心隐私原则将不堪重负。仅仅依靠改革努力是不够的，我们需要采取适当的对策，将法律改革与鼓励以消费者授权为前提并得到个人数据生态系统支持的新商业模式相结