Note :
Il n'y a actuellement aucun avis de lecteur. La note est basée sur 2 votes.
Social Media Data Mining and Analytics
Exploiter la puissance des médias sociaux pour prédire le comportement des clients et améliorer les ventes.
Les médias sociaux sont la plus grande source de Big Data. C'est pourquoi 90 % des entreprises du classement Fortune 500 investissent dans des initiatives de Big Data qui les aideront à prédire le comportement des consommateurs afin d'obtenir de meilleurs résultats commerciaux. Rédigé par Gabor Szabo, Data Scientist senior chez Twitter, et Oscar Boykin, Software Engineer chez Twitter, Social Media Data Mining and Analytics montre aux analystes comment utiliser des techniques sophistiquées pour exploiter les données des médias sociaux, afin d'obtenir les informations dont ils ont besoin pour générer des résultats étonnants pour leurs entreprises.
Social Media Data Mining and Analytics n'est pas un livre de plus sur l'analyse de rentabilité des médias sociaux. Ce livre fournit plutôt des exemples pratiques d'application d'outils et de technologies de pointe pour exploiter les médias sociaux - par exemple Twitter, Facebook, Pinterest, Wikipedia, Reddit, Flickr, les hyperliens Web et d'autres sources de données riches. Vous y apprendrez :
⬤ Les quatre caractéristiques clés des services en ligne - utilisateurs, réseaux sociaux, actions et contenu.
⬤ Le cycle de vie complet de la découverte de données : extraction, stockage, analyse et visualisation des données.
⬤ Comment travailler avec du code et extraire des données pour créer des solutions.
⬤ Comment utiliser le Big Data pour faire des prédictions précises sur les clients.
Szabo et Boykin ont écrit ce livre pour donner aux entreprises l'avantage concurrentiel dont elles ont besoin pour exploiter les riches données disponibles sur les plateformes de médias sociaux.
© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)