Nicht aus der Schweiz? Besuchen Sie lehmanns.de
From Big Data to Big Profits -  RUSSELL WALKER

From Big Data to Big Profits (eBook)

Success with Data and Analytics
eBook Download: PDF
2015
352 Seiten
Oxford University Press (Verlag)
978-0-19-937833-3 (ISBN)
Systemvoraussetzungen
51,35 inkl. MwSt
(CHF 49,95)
Der eBook-Verkauf erfolgt durch die Lehmanns Media GmbH (Berlin) zum Preis in Euro inkl. MwSt.
  • Download sofort lieferbar
  • Zahlungsarten anzeigen
Technological advancements in computing have changed how data is leveraged by businesses to develop, grow, and innovate. In recent years, leading analytical companies have begun to realize the value in their vast holdings of customer data and have found ways to leverage this untapped potential. Now, more firms are following suit and looking to monetize Big Data for big profits. Such changes will have implications for both businesses and consumers in the coming years. In From Big Data to Big Profits, Russell Walker investigates the use of Big Data to stimulate innovations in operational effectiveness and business growth. Walker examines the nature of Big Data and how businesses can use it to create new monetization opportunities. Using case studies of Apple, Netflix, Google, LinkedIn, Zillow, Amazon, and other leaders in the use of Big Data, Walker explores how digital platforms such as mobile apps and social networks are changing the nature of customer interactions and the way Big Data is created and used by companies. Such changes, as Walker points out, will require careful consideration of legal and unspoken business practices as they affect consumer privacy. Companies looking to develop a Big Data strategy will find great value in the SIGMA framework, which he has developed to assess companies for Big Data readiness and provide direction on the steps necessary to get the most from Big Data. Rigorous and meticulous, From Big Data to Big Profits is a valuable resource for students, researchers, and professionals with an interest in Big Data, digital platforms, and analytics
Erscheint lt. Verlag 1.7.2015
Sprache englisch
Themenwelt Mathematik / Informatik Informatik Datenbanken
Informatik Theorie / Studium Algorithmen
Mathematik / Informatik Mathematik Analysis
ISBN-10 0-19-937833-9 / 0199378339
ISBN-13 978-0-19-937833-3 / 9780199378333
Haben Sie eine Frage zum Produkt?
PDFPDF (Adobe DRM)

Kopierschutz: Adobe-DRM
Adobe-DRM ist ein Kopierschutz, der das eBook vor Mißbrauch schützen soll. Dabei wird das eBook bereits beim Download auf Ihre persönliche Adobe-ID autorisiert. Lesen können Sie das eBook dann nur auf den Geräten, welche ebenfalls auf Ihre Adobe-ID registriert sind.
Details zum Adobe-DRM

Dateiformat: PDF (Portable Document Format)
Mit einem festen Seiten­layout eignet sich die PDF besonders für Fach­bücher mit Spalten, Tabellen und Abbild­ungen. Eine PDF kann auf fast allen Geräten ange­zeigt werden, ist aber für kleine Displays (Smart­phone, eReader) nur einge­schränkt geeignet.

Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen eine Adobe-ID und die Software Adobe Digital Editions (kostenlos). Von der Benutzung der OverDrive Media Console raten wir Ihnen ab. Erfahrungsgemäß treten hier gehäuft Probleme mit dem Adobe DRM auf.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen eine Adobe-ID sowie eine kostenlose App.
Geräteliste und zusätzliche Hinweise

Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.

Mehr entdecken
aus dem Bereich
Build memory-efficient cross-platform applications using .NET Core

von Trevoir Williams

eBook Download (2024)
Packt Publishing (Verlag)
CHF 29,30
Learn asynchronous programming by building working examples of …

von Carl Fredrik Samson

eBook Download (2024)
Packt Publishing Limited (Verlag)
CHF 29,30