首尔大学工科学院原子核工程系毕业，美国南加州大学计算机工程硕士。曾在美国visa卡、EDS、美国航空公司、德国Amadeus、甲骨文总公司工作。1996年回国后，历任韩国甲骨文咨询本部理事、SiebelKorea分公司总经理、SASKorea副总裁、德勤咨询（Deloitte Consulting）合伙人、安永韩国区负责人，运营FutureTrend咨询公司，是大数据和云计算领域具有代表性的咨询师。在韩国数百家大企业、公共机关等单位负责经营与IT咨询业务，以实际业务为基础，在各种学术会议上和大学校园内举办讲座，并为多家媒体撰写稿件。著有《攻彼顾我》《面向实操人员的数据仓库技术Data Warehouse》。现任天睿（TeraData）韩国副总裁、大数据专家协议会议长，担任未来创造部和京畿道的大数据咨询委员。

本书从切实可行的大数据方案选择方法着手，面向不懂大数据相关概念、不知道如何将大数据项目引入何种领域的IT团队和实际经营团队，以自己的实际经验为基础，创立并介绍了大数据项目构建方法。帮助需要引入大数据项目的所有企业解决核心课题，以顺利开展大数据项目，并避免运行过程中出现过多失误，实现正确的策划和执行。书中收录了大数据分析与研究案例、企业引入大数据项目时发生的实际问题、策划及运营过程、实际分析时需要的技巧等，利用清晰的图表和示意图直观反映了核心法则和原理。

1．　IT趋势与数字商务
1．1　开启大数据时代的IT趋势变化与未来核心技术的出现…2
1．1．1　始于IBM大型计算机的中央集中式商务处理方式…3
1．1．2　在“减员增效”浪潮中成为业界翘楚的甲骨文、思科和惠普…3
1．1．3　微软开启个人PC时代…4
1．1．4　大数据技术的起点：Hadoop的诞生…5
1．1．5　量产大数据的智能手机触发移动时代…5
1．1．6　将企业IT资源最大化的云计算热潮…6
1．1．7　产生更多大数据的传感器时代即将到来…7
1．1．8　未来核心技术：社交网络、移动技术、大数据、云计算、物联网…7
1．2　始于大数据技术的创新——数字商务…9
1．2．1　同时提供优质产品体验与最低价格才能引发购买行为…11
1．2．2　Beacon：融合物联网、大数据分析、移动通信等技术…12
1．3　陷入危机还是成功创新：跨国IT企业与IT趋势…15
1．3．1　云计算领域…15
1．3．2　移动领域…16
1．3．3　大数据领域…17
1．3．4　物联网领域…17
1．3．5　ERP及内存数据库领域…18
1．3．6　IT领域的新霸主：谷歌、亚马逊、赛富时…19
1．3．7　跨国IT企业因何变弱…20
大数据小问答…24
2．从实例分析入手的有趣的大数据分析
2．1　大数据…28
2．1．1　大数据的定义：4V…28
2．1．2　大数据之“大”…29
2．1．3　大数据技术与新商业模式的出现…30
2．1．4　小数据、暗数据、快数据、智能数据…32
2．2　创新源自大数据分析…34
2．3　大数据预测未来：从免费分析工具开始…38
2．3．1　大数据的滞后性：准确分析得出结论…38
2．3．2　关键词的超前性：完善预测模型以提高准确度…39
2．3．3　门户网站搜索频率分析工具：Naver Trend与谷歌趋势…41
2．3．4　免费社交媒体分析工具：Social Metrics…44
2．4　正式开始分析大数据前：基于场景的关键词分析练习…46
2．4．1　智能手机竞争分析…47
2．4．2　户外运动：高尔夫、登山与露营的比较…57
2．4．3　Naver Trend与Social Metrics的应用 …59
大数据小问答…62
3．　分析广泛应用的社交媒体
3．1　灵活运用强大的社交媒体…66
3．1．1　社交媒体分析定义…67
3．1．2　社交媒体分析是大数据分析吗？…67
3．1．3　以人们熟知的关键词为中心进行分析…68
3．1．4　进行自然语言处理时要注意同音近义词…70
3．1．5　选择人们平时关注的领域…70
3．1．6　选举中体现的社交媒体的力量…74
3．1．7　社交媒体在政府决策过程中大有用武之地…75
3．1．8　区分社交媒体中的谣言与真相…78
3．2　社交媒体分析的3个步骤…81
3．2．1　用户需求…81
3．2．2　步骤1：Web信息采集…83
3．2．3　步骤2-1：自然语言处理服务…84
3．2．4　步骤2-2：文本分析…85
3．2．5　步骤2-3：可视化…85
3．2．6　步骤3：最终用户…87
3．3　社交媒体分析的应用领域…87
3．3．1　新品研发及上市效果分析…87
3．3．2　广告效果分析…88
3．3．3　企业信誉风险/危机管理…88
3．3．4　顾客的VOC…89
3．3．5　社会研究…89
3．3．6　数据新闻…90
大数据小问答…92
4．　引入大数据项目时的常见问题
4．1　对大数据概念的理解不够…96
4．2　与准备引入大数据项目的企业分享我的个人经验…96
4．3　大数据项目中企业管理层存在的问题…98
4．3．1　引入大数据项目时企业管理层会忽视自身影响力…98
4．3．2　企业管理层将大数据项目想得过于简单…99
4．3．3　企业管理者依靠“直觉”经营的同时决定引入大数据战略…100
4．3．4　不能由IT部门领导大数据TF…101
4．3．5　引入大数据项目需要巨额投资吗？…103
4．4　大数据项目中业务负责人存在的问题…104
4．4．1　业务负责人必须培养自身数据分析能力…104
4．4．2　业务负责人将数据分析工作外包而只接收分析结果…104
4．4．3　业务负责人认为大数据分析与传统数据分析差别很大…105
4．5　大数据项目中IT负责人存在的问题…106
4．5．1　IT负责人不愿意学习Hadoop…106
4．5．2　IT负责人认为构建大数据系统后只需维护…107
4．6　准确理解大数据项目…108
4．6．1　大数据项目取决于参与专家的水平…108
4．6．2　大数据专家涉及多个领域…109
4．6．3　大数据项目旨在基于数据进行决策…110
4．6．4　是否引入大数据系统要由实际业务负责人判断…111
大数据小问答…114
5．　大数据方案选择方法
5．1　以何种主题实现大数据项目：制定大数据项目主题…118
5．1．1　确定大数据项目主题时要灵活运用大数据咨询公司…119
5．1．2　大数据项目主题确定方法与流程…120
5．2　步骤1：各行业大数据系统应用案例分析…123
5．3　步骤2：基本业务分析…128
5．4　步骤3：访谈…131
5．4．1　步骤3-1：管理层访谈…131
5．4．2　步骤3-2：业务访谈…132
5．4．3　步骤3-3：IT团队访谈…134
5．5　步骤4：内部/外部数据采集与数据挖掘…135
5．5．1　步骤4-1：内部/外部数据采集…135
5．5．2　步骤4-2：初期数据挖掘…136
5．6　步骤5：培训与研讨…137
5．6．1　步骤5-1：管理者、业务团队、IT团队的培训…137
5．6．2　步骤5-2：业务研讨会…140
5．7　步骤6：大数据项目备选主题的选择及评估…143
5．7．1　步骤6-1：选择大数据项目备选主题…143
5．7．2　步骤6-2：评估…145
5．8　步骤7：Quick Win课题及主题选择、总体规划…148
5．8．1　步骤7-1：Quick Win课题及主题选择…148
5．8．2　步骤7-2：大数据项目总体规划…149
大数据小问答…154
6．　具有竞争力的大数据分析
6．1　保持企业竞争力的大数据分析案例…158
6．1．1　大数据分析与统计分析的区别…158
6．1．2　Netflix的Cinematch system与深度学习…159
6．1．3　亚马逊的推荐系统…162
6．2　实现大数据项目时可以灵活应用的分析服务…165
6．2．1　沃尔弗拉姆·阿尔法计算知识引擎…165
6．2．2　ID INCU的移动研究…168
6．3　实现大数据项目时可供参考的数据…171
6．3．1　韩国健康保险审查评价院用于研究的申请数据…171
6．3．2　基于SKT地理信息系统的空间大数据服务…175
6．4　实现大数据项目时可以灵活使用的分析系统…177
大数据小问答…180
7．　大数据技术与IT技术
7．1　大数据系统与传统DW/BI系统的异同…184
7．1．1　大数据技术与传统DW/BI技术的区别…184
7．1．2　大数据技术与传统DW/BI技术的共同点…189
7．2　向传统DW/BI系统引入大数据技术时的一些建议…189
7．2．1　传统DW/BI系统的需求…189
7．2．2　DW/BI第一阶段扩展方案…190
7．2．3　DW/BI第二阶段扩展方案…193
7．2．4　DW/BI第三阶段扩展方案…195
7．2．5　引入大数据系统引起的IT组织变化…197
7．3　大数据解决方案…198
7．3．1　大数据架构…198
7．3．2　数据处理、查询领域的软件优缺点分析…201
7．3．3　大数据基础设施与服务：国外解决方案…202
7．3．4　大数据基础设施与服务：韩国解决方案…204
7．4　几款值得推荐的韩国产品…206
7．4．1　Flamingo…206
7．4．2　Apache Tajo…210
大数据小问答…212
8．　大数据项目构建方法
8．1　大数据项目构建方法的重要性…216
8．1．1　利用大数据需要大数据项目构建方法…216
8．1．2　大数据项目需要良好的沟通…217
8．1．3　必须将阶段性执行程序融入大数据项目构建方法…217
8．1．4　大数据项目构建方法必须与大数据方案选择方法
相对应…218
8．2　大数据项目构建方法定义…219
8．3　大数据项目推进总体规划（模块1）…221
8．4　商业应用及变化管理的实现（模块2）…223
8．4．1　充分理解商业主题（模块2-1）…224
8．4．2　与分析结果相关的商业行动计划（模块2-2）…225
8．4．3　企业应用监控与激活方案（模块2-3）…225
8．4．4　大数据系统应用评估（模块2-4）…226
8．4．5　大数据系统应用组织设计（模块2-5）…231
8．4．6　所需人力与技能组合的定义（模块2-6）…237
8．4．7　所需人力的调配方法（模块2-7）…238
8．4．8　内部人才培养计划（模块2-8）…239
8．5　各主题分析模型的设计及与分析（模块3）…239
8．5．1　大数据挖掘方法比较…239
8．5．2　大数据间接分析法…241
8．5．3　大数据直接分析法…243
8．5．4　大数据分析工具培训（模块3-0）…243
8．5．5　充分理解商业主题（模块3-1）…244
8．5．6　定义所需数据（模块3-2）…245
8．5．7　数据探索（模块3-3）…245
8．5．8　派生数据设计及数据处理需求传达（模块3-4）…246
8．5．9　分析模型设计与测试（模块3-5）…247
8．5．10　数据可视化（模块3-6）…247
8．5．11　评估分析结果（模块3-7）…248
8．5．12　分析模型维护与升级方案（模块3-8）…250
8．6　大数据系统设计与构建（模块4）…251
8．6．1　充分理解大数据项目主题（模块4-1）…251
8．6．2　数据建模（模块4-2）…251
8．6．3　内部/外部数据ETL设计（模块4-3）…252
8．6．4　内部/外部数据提炼操作设计（模块4-4）…253
8．6．5　内部/外部数据ETL及提炼操作执行（模块4-5）…254
8．6．6　执行数据处理（模块4-6）…254
8．6．7　用户/访问/安全管理执行（模块4-7）…255
8．7　大数据系统设计/构建（模块5）…255
8．7．1　SW架构设计（模块5-1）…255
8．7．2　HW/Cloud架构设计（模块5-2）…257
8．7．3　安装SW/HW/Cloud（模块5-3）…258
8．8　大数据治理设计与构建（模块6）…259
8．8．1　数据治理设计与构建（模块6-1）…259
8．8．2　外部数据管理（模块6-2）…260
8．8．3　用户/访问/安全管理设计（模块6-3）…260
大数据小问答…262
附录　通过行业大会了解大数据技术发展趋势
Strata　Hadoop World 2014…266
美国已经从“为什么是大数据”（Why　Big data）阶段进入“如何做大数据”（How to do Big data）阶段…267
目前形势下，Hadoop是“明显的胜者”（Clear　winner）…267
商业Hadoop比Apache　Hadoop更常用…268
Spark的极高关注度…268
传统RDB中的信息业务正在迁移到Hadoop…269
数据科学的关注度越来越高，但仍需努力缩短它与Hadoop阵营的距离…269
“大数据+物联网”的结合是理所当然的，并将持续探索最优架构…270
Mike　Olson眼中Hadoop的未来…271
针对商业用户提供良好的用户体验…272
与宣传本公司服务相比，我们更需要多分享个人见解…273
应用大数据技术时引发的个人信息安全问题…274
大数据也有可能得到错误的收集与分析…274
借助大数据分析人类情感…275
大数据行业现状…276
通过Strata　Hadoop World 2014预测大数据市场…277
Teradata　PARTNERS Conference 2014（Teradata 合作伙伴会议2014）…279
eBay：分析、运营海量数据…281
数据仓库与Hadoop之间的关系…282
通用汽车公司的全新EDW架构…284
沃尔沃大数据系统应用案例…287
Teradata的统一数据架构…291
对大数据排序以帮助决策…294
SQL　On Hadoop领域中值得关注的产品…294
个人隐私保护问题…296
后记…298