ما در حال ورود به عصر بزرگی هستیم که در سیطره حکمرانی بزرگ داده‌ها قرار دارد. بزرگ داده‌ها مفهومی است که به رشد انفجاری داده‌ها در زمان حال اشاره دارند. داده‌های بسیار عظیمی که از طریق ابزارهای متعددی بدون وقفه تولید شده و در اغلب موارد بدون ساختار هستند. از طرفی در علم ژنومیک، ما شاهد کاهش هزینه‌های مربوط به توالی یک ژنوم هستیم. همین موضوع در ارتباط با سایر حوزه‌های مختلف علم همچون تصویربرداری بیومدیکال، آزمایش‌های آنلاین، تراکنشهای مالی در مقیاس سنگین، تراکنشهای مربوط به خرده‌فروشی‌های آنلاین نیز صدق می‌کند. الگوی جاری که به منظور ذخیره‌سازی و تحویل حجم بسیار وسیعی از اطلاعات مورد استفاده قرار می‌گیرد در مقایسه با گذشته ارزان و مقرون به صرفه‌تر شده است. رویکردی که به نظر می‌رسد در آینده با شتاب بیشتری به حرکت خود ادامه خواهد داد. کاهش هزینه‌ها در حوزه‌هایی که به آن‌ها اشاره شد باعث شده است تا رشد تولید داده‌ها دوچندان شود. شرکت‌ها به خوبی آگاه شده‌اند که تنها راه بقا و پیشرفت آن‌ها منوط به تحلیل داده‌هایی است که از مشتریان خود به دست می‌آورند. تحلیل‌هایی که در نهایت بینش لازم را در اختیار آن‌ها قرار می‌دهد. همین موضوع باعث شده است تا شرکت‌ها به‌طور فزاینده‌ای به متخصصانی نیاز پیدا کنند که در این زمینه صاحب تخصص هستند. این تحلیل‌ها ضمن آن‌که درب‌های جدیدی را به روی شرکت‌ها می‌گشاید به همان نسبت مشکلات جدیدی را به وجود می‌آورد که تحلیل اطلاعات در راس آن قرار دارد.» در فصل اول این کتاب با پیش‌زمینه‌ای از بزرگ داده‌ها، الگوریتم‌هایی که به منظور تحلیل بزرگ داده‌ها در دسترس قرار دارد، پژوهش‌های انجام شده در این خصوص در حوزه‌های اقتصاد و مالی، ویژگی‌های برجسته بزرگ داده‌ها، ناهمگونی‌ها، انباشت، تاثیر بزرگ‌داده‌ها بر زیرساخت‌ها، مدل‌سازی گرافیکی احتمالی آشنا خواهید شد. در فصل دوم، با چالش‌های مربوط به داده‌ها همچون ذخیره‌سازی، حجم زیاد داده‌ها، تنوع داده و عدم ساختار، شتاب ذخیره و بازیابی داده‌ها، توان محاسباتی، کیفیت داده‌ها، مجازی‌سازی، تصمیم‌گیری، هادوپ و مفاهیم مرتبط با هادوپ آشنا خواهید شد. در فصل سوم، با مدل مرجع مدیریت بزرگ داده‌ها، مجازی‌سازی اطلاعات بر مبنای مدل مرجع IVIS4BigData، نحوه برقراری تعامل با نمای بصری داده‌ها، مدیریت بر فرآیندهای بزرگ داده‌ها بر مبنای مدل مرجع CRISP4BigData آشنا خواهید شد. در فصل چهارم، با ترندهای مربوط به تحلیل بزرگ داده‌ها، بانک‌های اطلاعاتی درون حافظه‌ای، مجازی‌سازی و تحلیل‌های پیشرفته آشنا خواهید شد. در فصل‌های دیگر این کتاب با مفاهیم مرتبط با علم داده‌ها که در پس‌زمینه تحلیل‌های تجاری قرار دارند، برنامه‌ریزی قدرتمند تجاری مبتنی بر بزرگ داده‌ها، مفاهیم مرتبط با یادگیری عمیق، چهارچوب‌هایی که برای به حداقل رساندن نشتی داده‌ها در سامانه‌های غیرتولیدی به کار می‌روند، ابزارهایی که برای جمع‌آوری و تحلیل داده‌ها از سوی بنیاد آپاچی ارائه شده است، مدل‌های ذخیره‌سازی و تحلیل داده‌های جریانی، تحلیل داده‌هایی که از سوی ابزارهای هوشمند اینترنت اشیا به دست می‌آید و بسیاری دیگر از نکات آشنا خواهید شد.
