추가 적립 안내

빅데이터 시각화를 배우고 이를 익히기 위한 도전 과제(접근 속도, 문맥 이해/추가, 데이터 품질 향상, 결과 표시, 이상점 등)를 다룬다. 가장 대중적인 라이브러리에 초점을 두고, 하둡(Hadoop), R, D3.js, 파이썬, 스플렁크, 태블로(Tableau)와 같은 빅데이터 시각화 도구를 소개한다. 또한 데이터 도구 사용 및 기초 분석론과 같은 주제를 통해 데이터가 다양한 변수와 사용 사례에 따라 어떻게 달라지는지 보여준다.

★ 이 책에서 다루는 내용 ★
■ 빅데이터가 기초 분석론에 미치는 영향
■ 효과적이고 효율적인 빅데이터 시각화 방법
■ 빅데이터를 시각화할 때 직면할 수 있는 도전 과제를 해결하는 다양한 접근법
■ 빅데이터 시각화에 사용되는 개념과 모델
■ 다양한 사례를 실시간으로 시각화하는 방법
■ 스플렁크(Splunk)와 태블로 같은 유명 대시보드 시각화 도구 활용법
■ 태블로와 같은 BI 도구로 시각적인 빅데이터를 통합하는 가치와 과정
■ 빅데이터에 최적화된 시각화 방법 이해

★ 이 책의 대상 독자 ★
데이터 분석가 혹은 빅데이터 분석의 기초 지식을 바탕으로 빅데이터 시각화에 대한 흥미로운 접근 방법을 배우려는 독자를 대상으로 한다. 하둡(Hadoop)과 같은 빅데이터 플랫폼 도구 및 R과 같은 프로그래밍 언어를 어느 정도 알고 있다면 이 책에 나오는 여러 기술을 기반으로 빅데이터 시각화에 특화된 도전 과제를 해결할 수 있는 다양한 접근법을 배울 수 있다.

★ 이 책의 구성 ★
1장, ‘빅데이터 시각화 소개’에서는 데이터 시각화를 간단히 설명하고 다양한 데이터 시각화 개념을 알아본다.
2장, ‘하둡을 사용한 데이터 접근, 속도, 저장’에서는 대용량 데이터에 접근하고 저장할 때 직면할 수 있는 도전 과제에 관한 설명과 실행 예제를 통해 다양한 해결 방법을 소개한다.
3장, ‘R을 사용한 데이터의 이해’에서는 R을 사용해 빅데이터에 문맥을 추가하는 개념을 설명한다.
4장, ‘빅데이터 품질’에서는 분류된 데이터 품질과 빅데이터로 인해 발생할 수 있는 품질 문제에 관한 설명과 예제를 통해 그 해결 방법을 제공한다.
5장, ‘D3로 결과 표현하기’에서는 빅데이터 분석 프로젝트의 결과를 웹 브라우저와 데이터 기반 문서(D3, Data-Driven Documents)를 활용해 표현할 수 있는 데이터 시각화 절차를 설명한다.
6장, ‘빅데이터를 위한 대시보드-태블로’에서는 대시보드를 구성할 수 있는 데이터 시각화 도구인 태블로(Tableau)에 관한 소개와 실행 예제를 통해 빅데이터 분석 결과를 실시간 대시보드 형태로 표시하는 방법을 설명한다.
7장, ‘파이썬을 사용한 이상점 다루기’에서는 빅데이터 시각화와 관련된 이상점(outliers)과 기타 변칙 사례 처리 방법을 설명하고 파이썬으로 작성된 실행 예제로 효과적인 데이터 처리 방법을 제공한다.
8장, ‘빅데이터 운영 인텔리전스 구축하기 - 스플렁크’에서는 스플렁크(Splunk)를 활용해 빅데이터의 가치를 높일 수 있는 운영 인텔리전스를 구축하는 예제를 제시한다.

★ 옮긴이의 말 ★
데이터 시각화(data visualization)는 데이터 분석 결과를 쉽게 이해할 수 있도록 시각적으로 표현하고 전달하는 일련의 과정을 뜻합니다. 그 과정에는 여러 가지 시각화 도구와 언어를 활용하는데 이 책은 데이터 시각화의 기초 지식을 바탕으로 오픈소스인 R, 파이썬, 태블로, 스플렁크 등 다양한 언어와 도구를 다룹니다. 독자 여러분은 이 책에 소개된 내용을 이정표 삼아 각자에게 맞는 시각화 도구를 선택할 수 있을 것입니다.

1장. 빅데이터 시각화 소개
__데이터 시각화의 개념
____데이터 시각화의 전통적 개념
____교육 기회
__빅데이터 시각화의 도전 과제
____빅데이터
____엑셀을 이용한 데이터 측정
____빅데이터를 더 높은 수준으로 확대하기
____3V
____분류
____시각화 철학
__빅데이터 시각화 접근법
____접근, 속도, 저장
____하둡 첫발 딛기
____문맥
____품질
__요약

2장. 하둡을 사용한 접근, 속도, 저장
__하둡에 관하여
____하둡의 대안
____IBM 오픈 플랫폼
__로그 파일과 엑셀
____R 스크립팅 예제
____고려 사항
__하둡과 빅데이터
____하둡 첫발 딛기
____하둡 프로젝트를 위한 AWS
__실행 예제 1
____환경 정의
____시작하기
____데이터 업로드하기
____데이터 조작하기
____결론
__예제 2
____정렬하기
____IP 구문 분석하기
__요약

3장 R을 사용한 데이터의 이해
__정의 및 설명
____비교
____대조
____경향
____산포
__문맥 추가하기
__R에 관하여
____R과 빅데이터
__실행 예제 1
__R로 파고들기
__실행 예제 2
____정의 및 설명
____루핑 사용하지 않기
____비교
____대조
____경향
____산포
__요약

4장. 빅데이터 품질 다루기
__데이터 품질 범주
__데이터 매니저
__데이터 매니저와 빅데이터
__실행 예제 1
____데이터 재구성
__실행 예제 2
____일관성
____신뢰성
____적합성
____접근성
__요약

5장. D3를 사용해 결과 표시하기
__D3란?
__D3와 빅데이터
__몇 가지 기본 예제
____D3 시작하기
____중단 시간
____시각화 전환
____다중 도넛
__더 많은 예제
____막대그래프 시각화의 또 다른 트위스트
____예제 하나 더 보기
__샘플 선택하기
__요약

6장. 빅데이터를 위한 대시보드 - 태블로
__태블로란?
__태블로와 빅데이터
__예제 1 - 판매 트랜잭션
____컨텍스트 추가
____데이터 랭글링
____태블로 대시보드
____통합 문서 저장
____결과물 프리젠테이션하기
____기타 도구들
__예제 2
____목표는 무엇인가? - 비즈니스 목적과 대상
____판매와 지출
____Sales v Spend, Spend as % of Sales Trend
____테이블 및 표시기
____모두 합치기
__요약

7장. 파이썬을 사용해 이상점 다루기
__파이썬이란?
__파이썬과 빅데이터
__이상점
____이상점 옵션들
____이상점 식별하기
__몇 가지 기본 예제
____수익성을 위한 슬롯머신 테스트
__더 많은 예제
____주제별 모집단
____집중의 철학
__요약

8장. 빅데이터 운영 인텔리전스 구축하기 - 스플렁크
__스플렁크란
____스플렁크 및 빅데이터
__스플렁크 시각화 - 실시간 로그 분석
__스플렁크로 모니터링하기
____스플렁크 지정하기
____행과 열 설정하기
____스플렁크 및 오류 처리
__스플렁크 시각화 - 로그를 더 깊이 살펴보기
____새 필드
____대시보드 편집
____대시보드에 대해 더 알아보기
__요약