大数据分析

图书标准信息

• 作者 吴明晖 周 苏
• 出版社 清华大学出版社
• 出版时间 2020-11
• 版次 1
• ISBN 9787302562610
• 定价 69.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 300页
• 字数 432千字

【内容简介】

这是一个大数据爆发的时代。面对信息的激流，多元化数据的涌现，大数据已经为个人生活、企业经营，甚至国家与社会的发展都带来了机遇和挑战，大数据已经成为IT信息产业中*潜力的蓝海。

【作者简介】

1982年计算机应用专业本科毕业，1986年由水电部研究所调入杭州大学计算机系任教，1991年破格晋升副教授，1999年调入浙江大学城市学院计算机系任教，2005年晋升教授。在杭州大学、浙江大学、浙江大学城市学院、浙江工业大学之江学院、温州大学城市学院、嘉兴学院南湖学院、温州职业技术学院等多所院校专/兼职任教，教学经验丰富。

长期从事计算机等专业教学工作，担任计算机基础、计算机导论、软件工程、软件测试技术、软件体系结构、电子商务、移动商务、多媒体技术、数字媒体技术、项目管理、管理信息系统、应用统计学、C语言程序设计、面向对象程序设计、网络传播技术、网络生态学、人机交互技术、艺术设计概论、艺术欣赏概论、计算机平面设计、信息管理与信息系统概论、信息资源管理、办公软件高级应用、信息安全技术、网络管理技术、科技应用文写作、创新思维与创新方法、大数据与数据挖掘等课程的教学，对计算机学科教学以及应用型院校教学有深刻理解。

1988年在天津科学技术出版社出版第一本教材《FoxBASE 及其程序设计技巧》并获1991年全国优秀科技畅销书。1992年所著教材《软件工程及其应用》(天津科技出版社) 获北方十省市科技图书二等奖。

【目录】

第1章大数据基础1

1.1什么是大数据4

1.1.1天文学——信息爆炸的起源5

1.1.2信息爆炸的社会5

1.1.3大数据的发展7

1.1.4大数据作为BI的进化形式8

1.2大数据的定义9

1.2.1定义大数据9

1.2.2大数据的3V特征10

1.2.3广义的大数据12

1.3大数据的结构类型12

1.4大数据应用改变生活13

1.4.1在线娱乐14

1.4.2在线广告14

1.4.3销售和营销14

1.4.4数据可视化15

1.4.5运营智能15

1.5大数据准备度自我评分表16

作业19第2章大数据分析基础22

2.1大数据的影响25

2.2数据具有内在预测性27

2.3大数据分析的定义27

2.44种数据分析方法28

2.4.1描述性分析29

2.4.2诊断性分析30

2.4.3预测性分析30

2.4.4规范性分析32

2.4.5关键绩效指标33

2.5定性分析与定量分析33

2.6大数据分析的行业作用33

2.6.1大数据分析的作用33

2.6.2大数据分析的关键应用35

2.6.3大数据分析的能力分析36

2.6.4大数据分析面临的问题36

作业38第3章大数据分析生命周期40

3.1大数据分析生命周期概述43

3.2商业案例评估44

3.3数据标识44

3.4数据获取与过滤44

3.5数据提取45

3.6数据验证与清理46

3.7数据聚合与表示47

3.8数据分析48

3.9数据可视化48

3.10分析结果的使用49

作业50第4章大数据分析基本原则52

4.1大数据的现代分析原则54

4.2原则1： 实现商业价值和影响56

4.3原则2： 专注于最后一千米56

4.4原则3： 持续改善57

4.5原则4： 加速学习能力和执行力58

4.6原则5： 差异化分析58

4.7原则6： 嵌入分析59

4.8原则7： 建立现代分析架构59

4.9原则8： 构建人力因素60

4.10原则9： 利用消费化趋势60

作业61第5章构建分析路线63

5.1什么是分析路线66

5.1.1商业竞争3.0时代66

5.1.2创建独特的分析路线67

5.2第1步： 确定关键业务目标69

5.3第2步： 定义价值链69

5.4第3步： 头脑风暴分析解决方案机会71

5.4.1应用描述71

5.4.2分析手段71

5.5第4步： 描述分析解决方案机会74

5.6第5步： 创建决策模型74

5.7第6步： 评估分析解决方案机会75

5.8第7步： 建立分析路线图77

5.9第8步： 不断演进分析路线图77

作业77第6章大数据分析的运用79

6.1企业分析的分类81

6.2战略分析82

6.2.1专案分析83

6.2.2战略市场细分84

6.2.3经济预测84

6.2.4业务模拟84

6.3管理分析85

6.4运营分析86

6.5科学分析88

6.6面向客户的分析89

6.6.1预测服务89

6.6.2分析应用89

6.6.3消费分析90

6.6.4案例： 大数据促进商业决策91

作业94第7章大数据分析的用例96

7.1什么是用例100

7.2预测用例101

7.3解释用例104

7.4预报用例104

7.5发现用例106

7.6模拟用例106

7.7优化用例107

作业107第8章预测分析方法109

8.1预测分析方法论111

8.2定义业务需求113

8.2.1理解业务问题113

8.2.2定义应对措施113

8.2.3了解误差成本115

8.2.4确定预测窗口116

8.2.5评估部署环境116

8.3建立分析数据集117

8.3.1配置数据117

8.3.2评估数据117

8.3.3调查异常值118

8.3.4转换数据119

8.3.5执行基本表操作119

8.3.6处理丢失数据120

8.4降维与特征工程120

8.4.1降维120

8.4.2特征工程120

8.4.3特征变换123

8.5建立预测模型123

8.5.1制订建模计划123

8.5.2细分数据集124

8.5.3执行模型训练计划125

8.5.4测量模型效果125

8.5.5验证模型126

8.6部署预测模型126

8.6.1审查和批准预测模型127

8.6.2执行模型评分127

8.6.3评价模型效果128

8.6.4管理模型资产128

8.7预测分析软件系统129

作业129第9章预测分析技术132

9.1关于预测分析技术136

9.2统计分析136

9.3生存分析137

9.4有监督和无监督学习138

9.4.1有监督学习138

9.4.2无监督学习140

9.4.3有监督和无监督学习的区别141

9.5机器学习141

9.5.1机器学习的思路141

9.5.2异常检测142

9.5.3过滤144

9.5.4贝叶斯网络145

9.5.5文本挖掘146

9.6神经网络147

9.7深度学习149

9.8语义分析151

9.8.1自然语言处理152

9.8.2文本分析152

9.8.3文本处理153

9.8.4语义检索154

9.8.5A/B测试154

9.9视觉分析155

9.9.1热点图156

9.9.2空间数据图156

作业157第10章大数据分析模型161

10.1什么是分析模型169

10.2关联分析模型169

10.2.1回归分析170

10.2.2关联规则分析171

10.2.3相关分析172

10.2.4相关分析与回归分析173

10.3分类分析模型173

10.3.1判别分析的原理和方法174

10.3.2基于机器学习的分类模型174

10.3.3支持向量机175

10.3.4逻辑回归176

10.3.5决策树176

10.3.6k近邻177

10.3.7随机森林178

10.3.8朴素贝叶斯180

10.4聚类分析模型180

10.4.1聚类问题分析181

10.4.2聚类分析的分类182

10.4.3聚类有效性的评价183

10.4.4聚类分析方法183

10.4.5聚类分析的应用184

10.5结构分析模型184

10.5.1典型的结构分析方法184

10.5.2社团发现185

10.6文本分析模型185

作业186第11章用户角色与分析工具189

11.1用户角色193

11.1.1超级分析师193

11.1.2数据科学家194

11.1.3业务分析师195

11.1.4分析使用者195

11.2分析的成功因素196

11.3分析编程语言197

11.3.1R语言197

11.3.2SAS编程语言199

11.3.3SQL200

11.4业务用户工具201

11.4.1BI的常用技术201

11.4.2BI工具和方法的发展历程202

11.4.3新的分析工具与方法204

11.4.4业务工具实例206

作业208第12章大数据分析平台210

12.1分布式分析217

12.1.1关于并行计算217

12.1.2并行计算的三种形式218

12.1.3数据并行与“正交”218

12.1.4分布式的软件环境219

12.2预测分析架构220

12.2.1独立分析220

12.2.2部分集成分析221

12.2.3基于数据库的分析223

12.2.4基于Hadoop的分析224

12.3Apache Spark分布式分析软件225

12.4云计算中的分析227

12.4.1公有云和私有云228

12.4.2安全和数据移动229

12.5现代SQL平台229

12.5.1什么是现代SQL平台230

12.5.2现代SQL平台区别于传统SQL平台231

12.5.3MPP数据库232

12.5.4SQLonHadoop232

12.5.5NewSQL数据库233

12.5.6现代SQL平台的发展233

作业234第13章社交网络与推荐系统236

13.1社交网络的定义239

13.1.1社交网络的特点240

13.1.2社交网络度量241

13.1.3社交网络学习242

13.2社交网络的结构243

13.2.1社交网络的统计学构成244

13.2.2社交网络的群体形成245

13.2.3图与网络分析246

13.3社交网络的关联分析248

13.4推荐系统248

13.4.1推荐系统的概念248

13.4.2推荐方法的组合251

13.4.3推荐系统的评价252

13.5协同过滤252

13.6推荐方法254

13.6.1基于用户评价的推荐254

13.6.2基于人的推荐255

13.6.3基于标签的推荐255

作业256第14章组织分析团队258

14.1企业的分析文化262

14.1.1管理分析团队的有效因素262

14.1.2繁荣分析的文化共性263

14.2数据科学家（数据工作者）264

14.2.1数据科学家角色264

14.2.2分析人才的四种角色264

14.2.3数据准备专业人员266

14.2.4分析程序员266

14.2.5分析经理267

14.2.6分析通才268

14.2.7吸引数据科学家269

14.3集中式与分散式分析团队270

14.4组织分析团队272

14.4.1卓越中心272

14.4.2首席数据官与首席分析官272

14.4.3实验室团队273

14.4.4数据科学技能自我评估273

14.5走起，大数据分析275

作业276附录278

附录A部分作业参考答案278

附录B大数据分析课程实践280

B.1大数据帮零售企业制定促销策略280

B.2电信公司通过大数据分析挽回核心客户280

B.3大数据帮能源企业设置发电机地点281

B.4电商企业通过大数据制定销售战略281

B.5案例分析与课程实践要求281

参考文献284