“大数据分析”是一门理论性和实践性都很强的课程。本书是为高等职业院校相关专业“大数据分析”课程全新设计编写,针对职业教育学生的发展需求,系统、全面地介绍了关于大数据分析的基本知识和技能,以项目/任务方式详细介绍了大数据基础、大数据分析基础、大数据技术与大数据分析的应用、大数据分析基本原则、构建大数据分析路线、大数据分析方法的运用、大数据分析的用例、预测分析方法、预测分析技术、数据清洗与处理、大数据分析模型、大数据分析的工具与平台等内容,具有较强的系统性、可读性和实用性。本书适合作为高等职业院校相关专业开设“大数据分析”课程的教材,也可供有一定实践经验的IT应用人员、管理人员参考并作为继续教育的教材。

目录 项目1 大数据分析基础 1 任务1.1 熟悉大数据的概念 1 导读案例 葡萄酒的品质分析 1 任务描述 5 知识准备 5 1.1.1 信息爆炸的社会 5 1.1.2 大数据的发展 7 1.1.3 大数据的定义 9 1.1.4 大数据的结构类型 10 1.1.5 大数据应用改变生活 11 【实训与思考】案例企业ETI的背景信息 14 【作业】 18 任务1.2 掌握大数据分析基础知识 20 导读案例 数据工作者的数据之路:从洞察到行动 20 任务描述 24 知识准备 24 1.2.1 大数据对分析的影响 24 1.2.2 数据具有内在预测性 25 1.2.3 大数据分析的定义 25 1.2.4 四种数据分析方法 26 1.2.5 大数据分析的行业作用 30 1.2.6 分析团队的文化与建设 32 【实训与思考】企业��数据准备度自我评价 34 【作业】 38 任务1.3 熟悉大数据分析基本原则 40 导读案例 得数据者得天下 40 任务描述 42 知识准备 42 1.3.1 大数据的现代分析原则 42 1.3.2 原则1:实现商业价值和影响 43 1.3.3 原则2:专注于*后一公里 44 1.3.4 原则3:持续改善 45 1.3.5 原则4:加速学习能力和执行力 46 1.3.6 原则5:差异化分析 46 1.3.7 原则6:嵌入分析 47 1.3.8 原则7:建立现代分析架构 47 1.3.9 原则8:构建人力因素 48 1.3.10 原则9:利用消费化趋势 48 【实训与思考】熟悉大数据规划方法 49 【作业】 50 项目2 分析应用与用例分析 53 任务2.1 构建大数据分析路线 53 导读案例 大数据时代,别用“假数据”自嗨 53 任务描述 55 知识准备 55 2.1.1 什么是分析路线 55 2.1.2 第1步:确定关键业务目标 59 2.1.3 第2步:定义价值链 59 2.1.4 第3步:头脑风暴分析解决方案机会 60 2.1.5 第4步:描述分析解决方案机会 63 2.1.6 第5步:创建决策模型 63 2.1.7 第6步:评估分析解决方案机会 64 2.1.8 第7步:建立分析路线图 65 2.1.9 第8步:不断演进分析路线图 65 【实训与思考】确定数据特征与类型 66 【作业】 69 任务2.2 运用大数据分析方法 71 导读案例 数据驱动≠大数据 71 任务描述 73 知识准备 73 2.2.1 企业分析的分类 74 2.2.2 战略分析 74 2.2.3 管理分析 76 2.2.4 运营分析 78 2.2.5 科学分析 79 2.2.6 面向客户的分析 80 2.2.7 案例:大数据促进商业决策 81 【实训与思考】IT团队采用的大数据分析技术 83 【作业】 84 任务2.3 建立大数据分析用例 86 导读案例 疫情之后的变化 86 任务描述 89 知识准备 89 2.3.1 什么是用例 90 2.3.2 预测用例 91 2.3.3 解释用例 93 2.3.4 预报用例 93 2.3.5 发现用例 94 2.3.6 模拟用例 95 2.3.7 优化用例 95 【实训与思考】ETI大数据分析采用的技术平台 95 【作业】 98 项目3 预测分析技术 101 任务3.1 运用预测分析方法 101 导读案例 用手机信令大数据科学控制疫情 101 任务描述 103 知识准备 103 3.1.1 预测分析方法论 103 3.1.2 定义业务需求 104 3.1.3 建立分析数据集 107 3.1.4 建立预测模型 111 3.1.5 部署预测模型 113 3.1.6 预测分析软件系统 116 【实训与思考】预测分析项目的方案设计 116 【作业】 117 任务3.2 熟悉预测分析技术 119 导读案例 日本中小企业的“深层竞争力” 119 任务描述 122 知识准备 123 3.2.1 统计分析 123 3.2.2 生存分析 124 3.2.3 有监督和无监督学习 125 3.2.4 机器学习 127 3.2.5 神经网络 133 3.2.6 深度学习 135 3.2.7 语义分析 137 3.2.8 视觉分析 141 【实训与思考】智能学习的熟悉度评估 142 【作业】 144 项目4 大数据分析与处理 149 任务4.1 执行数据清洗与处理 149 导读案例 公共数据开放的探索实践 149 任务描述 154 知识准备 154 4.1.1 数据标识 155 4.1.2 数据抽样 155 4.1.3 数据过滤 156 4.1.4 数据标准化 157 4.1.5 数据提取 158 4.1.6 数据清洗 159 4.1.7 数据聚合与表示 161 4.1.8 降维与特征工程 162 4.1.9 成分分析 165 【实训与思考】 大数据分析的数据预处理 166 【作业】 169 任务4.2 建立大数据分析模型 171 导读案例 行业人士必知的十大数据思维原理 171 任务描述 179 知识准备 179 4.2.1 关联分析模型 179 4.2.2 分类分析模型 183 4.2.3 聚类分析模型 189 4.2.4 结构分析模型 192 4.2.5 文本分析模型 193 【实训与思考】建立大数据分析模型 194 【作业】 196 任务4.3 了解分析工具与分析平台 198 导读案例 包罗一切的数字图书馆 198 任务描述 201 知识准备 201 4.3.1 数据工作者 201 4.3.2 分析的成功因素 205 4.3.3 分析编程语言 205 4.3.4 业务用户工具 207 4.3.5 分布式分析 210 4.3.6 预测分析架构 212 4.3.7 现代SQL平台 214 【实训与思考】ETI企业的大数据之旅(总结) 217 【作业】 220 附 录 223 附录A 部分作业参考答案 223 附录B 课程学习与实训总结 225 参考文献 229