大数据分析指南电子书

书名页

版权页

致读者

前言

第一章 从头说起：什么是大数据分析

1.1 大数据分析的背景与基础

1.1.1 大数据分析的背景

1.1.2 大数据分析的基础

1.2 大数据分析的概念与原理

1.2.1 大数据分析的概念界定

1.2.2 大数据分析的基本原理

1.3 大数据分析的思维与误区

1.3.1 大数据分析的思维

1.3.2 大数据分析的误区

1.4 大数据分析的作用及影响

1.4.1 大数据分析对企业的作用和影响

1.4.2 大数据分析对社会的作用和影响

1.5 大数据分析的过程与对象

1.5.1 大数据分析的过程

1.5.2 大数据分析的对象

1.6 大数据分析的流程与基础模型

1.6.1 大数据分析的流程

1.6.2 大数据分析的基础模型

延伸阅读：大数据分析带来的改变

认知大数据分析的价值

第二章 整体认知：大数据分析的体系架构

2.1 大数据分析的总体架构

2.1.1 基础IT系统

2.1.2 数据集中与标准化

2.1.3 数据报表与可视化

2.1.4 产品与运营分析

2.1.5 精细化运营

2.1.6 数据产品

2.2 大数据分析的技术体系

2.2.1 基于分析流程的大数据技术栈

2.2.2 基于主流软件的大数据技术栈

2.2.3 基于淘宝海量数据的大数据技术栈

2.3 大数据分析的产业架构

2.3.1 国外大数据分析的产业架构

2.3.2 国内大数据分析的产业架构

延伸阅读：携程大数据应用框架的重构

理解大数据分析的体系

第三章 抓大放小：大数据分析的关键技术

3.1 大数据分析的关键技术概述

3.1.1 基于大数据分析流程的关键技术

3.1.2 基于大数据生态的关键技术

3.1.3 大数据分析技术的发展趋势

3.2 大数据分析的基础架构Hadoop

3.2.1 Hadoop概述

3.2.2 Hadoop的版本与选择

3.2.3 Hadoop生态的四层架构

3.2.4 Hadoop生态中的典型组件

3.2.5 Spark

3.3 大数据分析的云技术

3.3.1 云计算

3.3.2 云平台

3.4 大数据分析的存储技术

3.4.1 分布式文件系统

3.4.2 分布式数据库HBase

3.4.3 NoSQL数据库

延伸阅读：“人脸识别+大数据”的创新应用与实践

认知大数据分析工具——以“魔镜”为例

第四章 始于足下：大数据分析的数据采集与存储

4.1 大数据采集概述

4.1.1 大数据采集的基本概念

4.1.2 大数据采集的数据源

4.1.3 大数据采集架构与场景

4.1.4 大数据采集的困境及对策

4.2 大数据采集工具

4.2.1 已有大数据采集工具的比较

4.2.2 大数据采集工具的设计

4.3 大数据存储

4.3.1 传统存储面临的挑战

4.3.2 大数据存储概述

4.3.3 大数据存储的技术路线

4.3.4 大数据存储和管理数据库系统

延伸阅读：医疗大数据——数据收集或是最难点

大数据分析的数据导入与编辑

第五章 谁的问题：大数据分析的数据清洗

5.1 大数据质量

5.1.1 大数据质量概述

5.1.2 大数据质量产生的根源

5.1.3 大数据质量问题的分类与实例

5.2 大数据清洗概述

5.2.1 大数据清洗定义

5.2.2 大数据清洗的对象

5.2.3 大数据清洗的总体架构

5.2.4 大数据清洗与数据质量的关系

5.3 大数据清洗的方法与工具

5.3.1 大数据清洗方法概述

5.3.2 可视化大数据清洗

5.3.3 大数据清洗的工具

5.4 大数据清洗的过程与具体内容

5.4.1 大数据清洗的过程

5.4.2 大数据清洗的具体内容

延伸阅读：微软与谷歌的拼写检查

大数据分析的数据清洗

第六章 突破想象：大数据分析的数据挖掘

6.1 传统数据挖掘

6.1.1 数据挖掘的界定

6.1.2 数据挖掘的基本流程

6.1.3 数据挖掘面临的主要问题

6.2 大数据和数据挖掘

6.2.1 递进升级学说

6.2.2 一体两面学说

6.2.3 互相促进学说

6.2.4 其他学说

6.3 大数据挖掘的任务

6.3.1 分类

6.3.2 聚类

6.3.3 关联分析

6.3.4 估测和预测

6.4 大数据挖掘的流程

6.5 大数据挖掘的常用算法

6.5.1 决策树

6.5.2 遗传算法

6.5.3 神经网络

6.5.4 关联规则

6.5.5 粗糙集

延伸阅读：大数据预测——真的有那么神奇吗？

大数据挖掘实验

第七章 讲述故事：大数据分析的数据展现

7.1 数据可视化概述

7.1.1 数据可视化的含义

7.1.2 数据可视化的应用价值和应用领域

7.1.3 数据可视化的工具

7.1.4 数据可视化步骤

7.2 数据可视化的基础要素

7.2.1 数据

7.2.2 图表

7.3 数据可视化的表现形式

7.3.1 数据可视化的常见方式

7.3.2 不同类型数据的展示

7.3.3 不同类型图形的展示

7.4 数据可视化的设计

7.4.1 设计的基本理念

7.4.2 图表设计技巧

7.4.3 配色方案设计

7.4.4 字体设计

7.4.5 应用场景设计

7.5 数据可视化的改进

7.5.1 总体思路

7.5.2 图表改进思路

延伸阅读：《卫报》的数据可视化与数据新闻

数据图表规范化和美化

第八章 躬体力行：大数据分析的实训

8.1 财务数据分析

8.1.1 实训背景知识

8.1.2 实训简介

8.1.3 实训过程

8.1.4 实训总结

8.1.5 实训思考

8.2 库龄库存分析

8.2.1 实训背景知识

8.2.2 实训简介

8.2.3 实训过程

8.2.4 实训总结

8.2.5 实训思考

8.3 销售数据分析

8.3.1 实训背景知识

8.3.2 实训简介

8.3.3 实训过程

8.3.4 实训总结

8.3.5 实训思考

8.4 油井数据分析

8.4.1 实训背景知识

8.4.2 实训简介

8.4.3 实训过程

8.4.4 实训总结

8.4.5 实训思考

8.5 网站流量分析

8.5.1 实训背景知识

8.5.2 实训简介

8.5.3 实训过程

8.5.4 实训总结

8.5.5 实训思考

8.6 贷款数据分析

8.6.1 实训背景知识

8.6.2 实训简介

8.6.3 实训过程

8.6.4 实训总结

8.6.5 实训思考

8.7 NBA数据分析

8.7.1 实训背景知识

8.7.2 实训简介

8.7.3 实训过程

8.7.4 实训总结

8.7.5 实训思考

8.8 行业职位需求分析

8.8.1 实训背景知识

8.8.2 实训简介

8.8.3 实训过程

8.8.4 实训总结

8.8.5 实训思考

8.9 水资源数据分析

8.9.1 实训背景知识

8.9.2 实训简介

8.9.3 实训过程

8.9.4 实训总结

8.9.5 实训思考

8.10 国民经济数据分析

8.10.1 实训背景知识

8.10.2 实训简介

8.10.3 实训过程

8.10.4 实训总结

8.10.5 实训思考

参考文献