빅데이터의 효과적인 활용: 실제 활용 사례, 예제, 실용적인 코드, 그리고 상세 해법들 대용량 데이터 분석은 이제 거의 모든 비즈니스에서 매우 중요하다. 모바일과 소셜 기술은 대용량 데이터를 만들어내고 있다. 분산 클라우드 컴퓨팅은 그와 같은 대용량 데이터를 저장하고 분석할 수 있는 자원을 제공하고 있다. 전문가들은 NoSQL 데이터베이스를 비롯해 완전히 새로운 기술들로 무장하고 있다. 하지만 지금까지 제목에 ‘빅데이터’라는 단어가 포함된 대부분의 책에서는 비즈니스 논쟁이나 제품 카탈로그 이상의 내용을 다루지 않았다. 『데이터는 언제나 옳다! 대규모 데이터 처리와 분석 실무』는 다르다. 이 책은 모든 빅데이터 의사결정자, 개발자, 그리고 전략가들을 위한 완전히 실용적이고 필수적인 가이드를 제시한다. 이 책에서 다루는 내용 * 빅데이터 성공으로 이끄는 네 가지 원칙과 피해야 할 공통적인 함정 * 협업을 증진하는 법과 데이터 사일로와 관련해서 피해야 할 문제 * 테라바이트 규모의 데이터를 효율적이고 경제적으로 제공하고 공유하는 법 * 급속한 데이터 증가에 대처하기 위해 무한대로 확장 가능한 솔루션 구축하기 * 대중이 만들어내는 데이터를 수집하기 위한, 레디스를 이용한 NoSQL 웹 애플리케이션 구축 * 하둡, 하이브, 샤크를 통해 대용량 데이터를 대상으로 분산 질의 실행 * 구글 빅쿼리를 이용한 데이터 대시보드 구축 * 고급 시각화 기법을 이용한 대용량 데이터 탐색 * 대용량 데이터를 변환하기 위한 효율적인 파이프라인 구축 * 아파치 피그와 캐스케이딩 자바 라이브러리를 이용한 복잡한 데이터 처리 자동화 * 정보를 분류하고 추천하고 예측하기 위한 머신 러닝 적용 * 대용량 데이터를 대상으로 통계분석을 수행하기 위한 R 활용 * 파이썬과 판다스를 활용한 효율적인 분석 워크플로우 구축 * 솔루션의 직접 구축, 구입, 아웃소싱 시점을 결정하는 구매 전략 수립 * 확장 가능한 데이터 기술의 트렌드와 수렴, 진화하는 데이터 과학자의 역할 조망

[1부] 빅데이터 시대의 방향 ▣ 1장: 데이터를 성공적으로 다루는 네 가지 법칙 언제부터 데이터가 중요해졌는가? 데이터와 단일 서버 빅데이터 트레이드오프 - 무한대로 확장 가능한 루션을 구축하라 - 인터넷을 통해 데이터를 공유할 수 있는 시스템을 구축하라 - 인프라가 아닌 솔루션을 구축하라 - 데이터에서 가치를 찾는 것에 집중하라 빅데이터 파이프라인의 해부 궁극의 데이터베이스 정리 [2부] 대용량 데이터의 수집 및 공유 ▣ 2장: 대용량의 미가공 데이터를 호스팅하고 공유하기 파일 더미에서 괴로워하다 - 다량의 파일을 공유할 때 직면하는 문제 스토리지: 인프라 서비스 - 네트워크는 느리다 적합한 데이터 포맷 선택하기 - XML: 데이터, 스스로 표현하다 - JSON: 프로그래머의 선택 문자 인코딩 - 파일 변환 데이터 이동: 데이터 직렬화 포맷 - 아파치 쓰리프트와 프로토콜 버퍼 - 아파치 아브로 정리 ▣ 3장: 대중이 생성한 데이터를 수집하기 위한 NoSQL 기반의 웹 애플리케이션 구축하기 관계형 데이터베이스: 명령과 제어 - 관계형 데이터베이스 ACID 테스트 관계형 데이터베이스와 인터넷 비교 - CAP 이론과 BASE 비관계형 데이터베이스 모델 - 키-값 데이터베이스 - 문서 저장소 쓰기 속도 최적화: 레디스 여러 레디스 인스턴스에 걸쳐 샤딩하기 - 트윔프록시를 이용한 자동 파티셔닝 - 레디스의 대안 NewSQL: 코드의 귀환 정리 ▣ 4장: 데이터 사일로를 다루는 전략 전문용어 투성이인 웨어하우스 - 현실에서의 문제 - 데이터 규약과 안전을 위한 계획하기 - 데이터 웨어하우스 입문하기 - 데이터 웨어하우스의 마법 주문: 추출하고 변환하고 읽는다(ETL ) 하둡: 웨어하우스의 코끼리 데이터 사일로에 좋은 면도 있다 - 기술이 아닌 데이터 도전과제에 집중한다 - 직원들이 직접 질문할 수 있는 권한 주기 - 데이터 사일로를 연결하는 기술에 투자하기 융합: 데이터 사일로의 끝 룬의 비즈니스 인텔리전스 시스템은 실현될 것인가? 정리 [3부] 데이터에 관해 질문하기 ▣ 5장: 하둡, 하이브, 샤크를 이용해 대용량 데이터 집합에 대해 질문하기 데이터 웨어하우스란 무엇인가? 아파치 하이브: 하둡을 위한 대화식 질의하기 - 하이브 활용 사례 - 하이브 사용하기 - 하이브로 추가 데이터 소스 사용하기 샤크: RAM 속도로 질의하기 클라우드에서의 데이터 웨어하우스 정리 ▣ 6장: 구글 빅쿼리를 이용한 데이터 대시보드 구축하기 분석형 데이터베이스 드리멜: 구글의 혁신 전파하기 - 드리멜과 맵리듀스는 어떻게 다른가? 빅쿼리: 서비스로서의 데이터 분석 - 빅쿼리의 질의 언어 맞춤형 데이터 대시보드 구축하기 - 빅쿼리 API 접근 인증하기 - 질의를 실행하고 결과 받기 - 질의 결과 캐싱하기 - 시각화 추가하기 분석형 질의 엔진의 미래 정리 ▣ 7장: 대용량 데이터 탐색을 위한 데이터 시각화 전략 주의를 요하는 이야기: 데이터를 이야기로 바꾸기 인간 규모 대 컴퓨터 규모 - 상호작용성 대화식 데이터 애플리케이션 구축하기 R과 ggplot2를 이용한 대화식 시각화 - matplotlib: 파이썬을 이용한 2D 차트 - D3.js: 웹을 위한 대화식 시각화 정리 [4부] 데이터 파이프라인 구축하기 ▣ 8장: 하나로 합치기: 맵리듀스 데이터 파이프라인 데이터 파이프라인이란 무엇인가? - 작업에 적합한 도구 하둡 스트리밍을 이용한 데이터 파이프라인 - 맵리듀스와 데이터 변환 - 가장 간단한 파이프라인: stdin에서 stdout으로 단일 맵리듀스 변환 - 미가공 NVSS 데이터에서 관련 정보 추출하기: 맵 단계 - 월별 출생 수 세기: 리듀서 단계 - 로컬에서 맵리듀스 파이프라인 테스트하기 - 하둡 클러스터에서 맵리듀스 잡 실행하기 복잡성 관리: 하둡용 파이썬 맵리듀스 프레임워크 - mrjob을 이용해 하둡 스트리밍 예제 재작성하기 - 여러 단계 파이프라인 구축하기 - 엘라스틱 맵리듀스에서 mrjob 스크립트 실행하기 - 파이썬 기반의 대안 맵리듀스 프레임워크 정리 ▣ 9장: 피그와 캐스케이딩을 이용한 데이터 변환 워크플로우 구축하기 실전에서의 대규모 데이터 워크플로우 복잡하다: 다단계 맵리듀스 변환 - 아파치 피그: 복잡함을 제거하다 - 대화식 그룬트 셸을 이용해 피그 실행하기 - 데이터 워크플로우를 필터링하고 최적화하기 - 배치 모드로 피그 스크립트 실행하기 캐스케이딩: 견고한 데이터 워크플로우 애플리케이션 만들기 - 소스과 싱크 개념으로 생각하기 - 캐스케이딩 애플리케이션 만들기 - 캐스케이드 만들기: 간단한 JOIN 예제 - 하둡 클러스터에 캐스케이딩 애플리케이션 배포하기 피그와 캐스케이딩 중에서 선택해야 할 때 정리 [5부] 대용량 데이터를 위한 기계 학습 ▣ 10장: 머하웃을 이용한 대용량 분류기 구축하기 컴퓨터는 미래를 예측할 수 있는가? 기계 학습의 도전과제 - 베이지안 분류 - 클러스터링 - 추천 엔진 아파치 머하웃: 확장 가능한 기계 학습 - 텍스트 분류에서 머하웃 사용하기 MLBase: 분산 기계 학습 프레임워크 정리 [6부] 대용량 데이터에 대한 통계 분석 ▣ 11장: 대용량 데이터에 R 활용하기 통계는 왜 섹시한가? - 대용량 데이터에서 R이 지닌 한계 - R 데이터 프레임과 행렬 대용량 데이터를 다루는 전략 - 큰 행렬 연산: bigmemory와 biganalytics - ff: 메모리보다 큰 데이터 프레임 다루기 - biglm: 대용량 데이터를 위한 선형 회귀 분석 - RHadoop: R에서 아파치 하둡에 접근하기 정리 ▣ 12장: 파이썬과 Pandas를 이용한 분석 워크플로우 구축하기 데이터 동물원에서 뱀(Python )이 풀려나다 - 통계 계산을 위한 언어 선택 - 기존 코드 확장하기 - 도구와 테스팅 데이터 처리를 위한 파이썬 라이브러리 - NumPy - SciPy: 파이썬을 위한 과학 컴퓨팅 - 이미지 데이터를 위한 SciPy 사용하기 - 판다스 데이터 분석 라이브러리 좀 더 복잡한 워크플로우 구축하기 - 잘못됐거나 누락된 레코드 처리하기 아이파이썬: 과학 컴퓨팅 도구의 완성 - 클러스터를 이용한 아이파이썬 병렬화하기 정리 [7부] 향후 전망 ▣ 13장: 언제 구축하고, 언제 구매하고, 언제 아웃소싱할 것인가? 중복된 솔루션 데이터 문제 이해하기 구축 대 구매 문제를 위한 각본 - 이미 투자한 바는 무엇인가? - 작게 시작하기 - 확장 계획하기 나만의 사설 데이터 센터 오픈소스 사용에 따른 비용 이해하기 정리 ▣ 14장: 데이터 기술의 미래 트렌드 하둡: 파괴자와 피파괴자 모든 것은 클라우드 속에 있다 데이터 과학자의 흥망 융합: 궁극의 데이터베이스 문화의 융합 정리