数据分析原理与应用基础 面向新文科、新工科融合数据管理与创新应用系列

图书标准信息

• 作者 吴海东；陈可嘉；骈文景
• 出版社 北京大学出版社
• 出版时间 2023-01
• 版次 1
• ISBN 9787301335260
• 定价 78.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 352页
• 字数 495千字

【内容简介】

本书立足于大数据背景，面向“新文科”“新商科”相关专业，探析各行业专业人士在数据处理、管理、分析应用等方面的不同要求，整合统计学、数据分析与挖掘基本，利用主流数据处理工具讲解数据的管理和应用，既有文科、商科过程中常用的excel工具，也有与其相关联的power query、power pivot等加载项，也包括利用python进行数据获取等基础工作，等等。本书对内容的难易程度进行了分层，在实践中对进一步糅合，如结构化数据和非结构化数据的提取，从单表数据、关联数据到数据模型构建等；从体系上给各专业以立体的数据分析理论与应用全貌；从业务需求理解、多元数据获取、异构数据整理、分析和决策支持探讨方面，做到“浅入而深出”，梯次推进。这对培养大数据思维、数据管理能力有很好的帮助，特别是在创新创业活动过程中融合数据驱动，能够帮助团队更加地进行组织架构、高效运营、成本控制、产品定位、风险管控、投资决策等。
本书共分八章。首先，详细分析了数据分析理论基础以及数据获取理论与实践；其次，分别从基础与两个角度对数据处理进行深入的剖析；再次，以powerpivot为工具阐释如何快速挖掘数据，即数据深度分析；后，运用可视化技术等说明数据分析分享的方法。

【作者简介】

吴海东：福州大学经济管理学院讲师，微软认证it专家mcitp，微软认证讲师mct，微软全球有价值专家mvp，ciw安全分析师/工程师；华为认证网络课程讲师hai；ibm lotu domino adminitrator/developer等。主要研究方向为：数据管理、安全与创新；企业信息化；信息系统安全。
陈可嘉 ：福州大学经济与管理学院副院长，教授。自然科学管理科学部评审专家，高等学校博士学科点专项科研评审专家，浙江省自然科学评审专家，福建省系统工程学会常务理事，ci期刊jg编委。
骈文景 ：福州大学经济与管理学院副教授，主要从事健康大数据分析和用户行为研究，同时兼顾医院管理创新和用户服务研究。

【目录】

第1章    数据分析理论

        1.1    数据、信息与大数据

        1.2    数据分析的重要性

        1.3    数据分析的基本流程

        1.4    数据分析的发展趋势

        1.5    小结

第2章    数据获取

        2.1    数据存储位置

        2.2    数据获取流程

        2.3    数据获取技术

        2.4    数据获取工具

        2.5    数据获取实践

        2.6    小结

第3章    数据处理基础

        3.1    数据处理概念

        3.2    数据处理流程

        3.3    利用Excel常规功能处理数据

        3.4    利用Excel函数处理数据

        3.5    小结

第4章    数据处理进阶

        4.1    Excel高级函数

        4.2    利用VBA处理数据

        4.3    利用Power Query处理数据

        4.4    小结

第5章    数据基础分析

        5.1    利用Excel进行数据基础分析

        5.2    统计分析

        5.3    利用Power Pivot进行数据基础分析

        5.4    小结

第6章    数据深度分析——Power Pivot篇

        6.1    Power Pivot数据深度分析概览

        6.2    Power Pivot数据深度分析案例

        6.3    小结

第7章    数据深度分析——数据快速挖掘篇

        7.1    数据挖掘概述

        7.2    数据快速挖掘——Excel表分析工具

        7.3    数据快速挖掘——Excel数据挖掘客户端

        7.4    小结

第8章    数据可视化与决策支持

        8.1    数据可视化概述

        8.2    数据分析流程

        8.3    数据可视化分享方法

        8.4    数据可视化实践

        8.5    数据分析在线分享

        8.6    数据分析的安全分享

        8.7    小结

参考文献