大數據可視化：重構智慧社會

《大數據可視化：重構智慧社會》包括四大部分。第Ⅰ部分，“全書概述和背景”，探討了可視化組織快速發展背後的原因；第Ⅱ部分，“可視化組織的介紹”，介紹了可視化組織如何擁抱大數據和數據可視；第Ⅲ部分，“走起：成為可視化組織”，從理解四個不同層面的可視化組織開始，然後基於案例研究推導出的教訓、最佳實踐、奇蹟以及錯誤做法；第Ⅳ部分，“總結及數據可視的未來”，並對目前趨勢、可視化組織、大數據以及數據可視的未來提供了一系列嚴謹認真的預測。 ^[2] 

第Ⅰ部分　全書概述和背景　1

導言　3

I.1　Twitter數據探險　4

I.2　實時數據可視101 　9

主要目標 　10

作用 　11

比以往更重要 　13

落後的報復：數據可視的現狀 　16

I.3　全書概覽 　18

可視化組織的界定 　20

本書中心主題 　20

何人受益？ 　21

方法論：故事在這裏很重要 　22

對知識和案例研究的執着 　24

差異化：有關其他數據可視文本的記錄 　26

作戰計劃 　27

I.4　接下來 　27

I.5　註釋 　28

第 1章　可視化組織的快速發展　29

1.1　大數據的興起 　30

1.2　開放數據 　32

1.3　數據生態的萌芽 　33

1.4　新的網絡：可視化、語義和API驅動 　34

可視化網絡的到來 　34

關聯數據和更語義化的網絡 　35

採集數據更趨便利 　37

藉助雲和數據中心更高效 　38

1.5　更好的數據工具 　39

1.6　更透明的組織 　40

1.7　山寨經濟：有樣學樣 　41

1.8　數據新聞和Nate Silver效應 　42

1.9　數字人 　45

可視化公民的出現 　45

移動化 　48

可視化員工：更技術和數據達人化的工作場所　48

遨遊在我們數據驅動的世界裏 　49

1.10　下一步 　50

1.11　註釋 　50

第 2章　將數據轉化為洞見：工具　53

2.1　數據可視化：智能化和整合戰略的構成 　54

2.2　專業術語：數據可視、BI、報表、分析和KPI 　55

可視化組織應該杜絕一切“試過才知對”的報表工具嗎？ 　57

刻畫出一些區別 　58

2.3　數據可視五虎將 　58

大型企業軟件供應商應用 　59

**優性能應用 　63

流行的開源工具　66

設計公司　68 ^[3] 

創業、網站服務及其他資源　73

2.4　**後的話：沒有放之四海皆準的真理 　75

2.5　下一步 　75

2.6　註釋 　76

第Ⅱ部分　可視化組織介紹　77

第3章　可視化組織的典範　79

3.1　Netflix 1.0: 計劃落空 　79

3.2　Netflix 2.0:自我顛覆 　80

3.3　數據可視：大數據整合戰略的構成部分 　82

3.4　數據可視：Netflix文化灌輸 　83

客户洞察　84

更好的技術性和網絡化診斷 　86

擁抱社區 　90

3.5　經驗教訓　91

3.6　下一步 　92

3.7　註釋 　92

第4章　DNA中的數據可視　95

4.1　起始 　96

4.2　UX到高無上 　97

4.3　探究 　100

擁抱免費的開源工具 　100

API的延伸應用 　103

4.4　經驗教訓 　103

4.5　下一步 　104

4.6　註釋 　104

第5章　得克薩斯大學體系的透明化　105

5.1　背景 　106

5.2　數據可視化的初期努力 　107

5.3　擁抱傳統BI 　108

5.4　數據發現 　109

對學生生涯的可見性更強 　110

拓展：數據可視的全系統推廣 　113

5.5　成果 　114

5.6　經驗教訓 　116

5.7　下一步 　116

5.8　註釋 　116

第Ⅲ部分　走起：成為可視化組織　117

第6章　可視化組織的四層架構　119

6.1　慎重的免責説明 　120

6.2　簡單模型 　121

侷限性和明晰性 　123

進步性 　124

回落：向更低層面後退 　126

補充，而非替代 　127

累積優勢 　127

低層面的侷限性 　127

相關性和子層面 　128

每個組織都應該渴望進入級別4嗎？ 　128

6.3　下一步 　128

第7章　WWVOD？　129

7.1　將重構所造成的影響可視化 　130

員工流動可視化 　131

沿着數據可視化道路起步 　131

結果和經驗教訓 　137

未來 　138

7.2　營銷示例 　138

7.3　下一步 　139

7.4　註釋 　139

第8章　建立可視化組織　141

8.1　數據提示和**佳實踐 　141

數據：原生湯 　141

在跑之前先學走……到少現在如此 　142

數據可視化通常只是起點 　142

大數據和小數據的可視化 　143

不要忘記元數據 　143

朝企業外面看 　145

起始：並不需要完整數據 　145

可視化好的和差的數據 　146

支撐鑽取能力 　146 ^[3] 

8.2　設計提示和**佳實踐 　150

牢記以終為始 　150

儘可能做減法 　151

UX：參與與試驗到關重要 　152

鼓勵互動 　152

謹慎使用移動和動畫 　152

使用相對數 　153

8.3　技術提示和**佳實踐 　153

凡有可能，請考慮使用API 　153

擁抱新工具 　154

瞭解數據可視化工具的侷限 　155

開放性 　155

8.4　管理提示和**佳實踐 　156

鼓勵自助服務、探索和數據民主 　156

提出正面懷疑 　156

相信過程，而非結論 　157

消除信息割據和專業化障礙 　157

若可能，可視化之 　158

聘用綜合型人才 　159

方向第 一，精準其次 　159

8.5　下一步 　159

8.6　註釋 　160

第9章　障礙：錯誤、神話和挑戰　161

9.1　錯誤 　162

掉入傳統ROI陷阱 　162

對數據可視總是—盲目—信任 　163

忽視受眾 　164

置身大教堂中進行開發 　164

設置目標，轉身即忘 　164

糟糕的數據可視化 　165

9.2　神話 　167

數據可視化對確定性和成功的保證 　167

數據可視化很容易 　167

把數據可視化作為項目 　168

存在一個“全對”的數據可視化 　169

Excel足矣 　169

9.3　挑戰 　170

季度性可視化心態 　170

蔑視數據 　170

拋棄歷史：超越之前工具帶來的失望 　171

9.4　下一步 　171

9.5　註釋 　172

第Ⅳ部分　總結及數據可視的未來　173

尾聲　其實我們才剛剛開始　175

C.1　 以數據為中心的四大關鍵趨勢 　177

可穿戴技術和量化自我 　177

機器學習和物聯網 　178

多維數據 　179

數據移植與數據所有權之間即將發生的鬥爭 　181

C.2　**後的一些想法 　183

C.3　註釋 　184

後記　我的數據生涯　185

附錄　數據可視化資源　189

參考文獻　193

關於作者　195

如何幫助這本書　197

譯者後記　199 ^[3]