顶部
收藏

大数据分析及应用实践(第三版)


作者:
总主编 马小东 主编 杨和稳
定价:
39.00元
ISBN:
978-7-04-056986-5
版面字数:
327.000千字
开本:
16开
全书页数:
暂无
装帧形式:
平装
重点项目:
暂无
出版时间:
2022-01-04
读者对象:
高等职业教育
一级分类:
计算机大类
二级分类:
计算机类
三级分类:
物联网应用技术

暂无
  • 第1章 认识大数据
    • 1.1 大数据综述1
    • 1.1.1.大数据的产生 1
    • 1.1.2 大数据的特征 2
    • 1.2 大数据的基本概念 5
    • 1.2.1 大数据的定义 5
    • 1.2.2 大数据的特点 5
    • 1.3 大数据思维7
    • 1.3.1 大数据思维的变革 7
    • 1.3.2 大数据思维的关注点 9
    • 1.3.3 企业大数据思维之数字化转型 10
    • 1.4 大数据的处理过程10
    • 1.4.1 大数据采集 10
    • 1.4.2 大数据导入与预处理 11
    • 1.4.3数据治理11
    • 1.4.4 大数据统计与分析 .11
    • 1.4.5 大数据挖掘 12
    • 1.5 企业常用的数据平.台 13
    • 1.5.1 数据分析工具 13
    • 1.5.2 数据中台 13
    • 1.6 大数据分析在企业中的实际应.用 14
    • 1.6.1数据业务应用场景 14
    • 1.6.2 大数据分析应用案例 15
    • 实验1 认识大数据分析工具“魔镜” 18
  • 第2章 大数据技术基础
    • 2.1 云计算 26
    • 2.1.1 云计算的特点 27
    • 2.1.2 云计算与大数据 28
    • 2.2 基础架构支持 28
    • 2.2.1 Hadoop28
    • 2.2.2 HBase.29
    • 2.2.3 MapReduce 30
    • 2.2.4 Hive 31
    • 2.2.5 Python31
    • 2.2.6 R语言 32
    • 2.2.7 维度建模 32
    • 2.3 数据采集 35
    • 2.3.1 数据的形态 35
    • 2.3.2 数据采集的方法 37
    • 2.4 数据存储 38
    • 2.4.1 数据存储的概念 38
    • 2.4.2 数据的存储方式 38
    • 2.4.3 常见数据源类型 39
    • 实验2 数据源接入与编辑 42
  • 第3章 大数据治理
    • 3.1 数据标准管理 51
    • 3.1.1 数据服务标准 51
    • 3.1.2 指标梳理标准 53
    • 3.1.3 技术实现标准 55
    • 3.2 数据清洗 56
    • 3.2.1 数据清洗的作用 57
    • 3.2.2 数据清洗的方法和过程 57
    • 3.2.3 数据清洗的实例 59
    • 3.2.4 数据类型 60
    • 3.2.5 数据转换 63
    • 3.3 数据资产管理 64
    • 3.3.1 数据规划 64
    • 3.3.2 元数据管理 65
    • 3.3.3 数据质量管理 66
    • 3.4 数据服务 67
    • 3.4.1 统计分析 67
    • 3.4.2 数据开发 69
    • 实验3 数据处理 70
  • 第4章 大数据统计分析技术
    • 4.1 统计分析概述 81
    • 4.1.1 统计分析的概念 81
    • 4.1.2 统计分析的特点 83
    • 4.1.3 统计分析的应用 85
    • 4.2 统计分析的常见指标 87
    • 4.2.1 统计指标概述 87
    • 4.2.2 总量指标 89
    • 4.2.3 相对指标 92
    • 4.2.4 平均指标 95
    • 4.2.5 变异指标 100
    • 4.3 回归与预测 102
    • 4.3.1 回归 102
    • 4.3.2 预测 104
    • 实验4数据分析 105
  • 第5章数据挖掘
    • 5.1 大数据挖掘概念 112
    • 5.1.1 数据挖掘的起源 112
    • 5.1.2 数据挖掘的定义 114
    • 5.2 数据挖掘任务 114
    • 5.2.1数据总结 114
    • 5.2.2 分类 114
    • 5.2.3 关联分析 115
    • 5.2.4 聚类 115
    • 5.3 数据挖掘流程 115
    • 5.3.1 业务理解 116
    • 5.3.2数据理解 116
    • 5.3.3数据准备 117
    • 5.3.4 建立模型 117
    • 5.3.5 结果评价 118
    • 5.4 数据挖掘的常用方法 118
    • 5.4.1 决策树 118
    • 5.4.2 遗传算法 121
    • 5.4.3 神经网络 123
    • 5.4.4 关联规则 124
    • 5.4.5 粗糙集 125
    • 5.4.6 判别分析 126
    • 实验5 数据挖掘 128
  • 第6章 大数据可视化
    • 6.1 数据可视化分类 134
    • 6.1.1 结构可视化 134
    • 6.1.2 功能可视化 135
    • 6.1.3 关联关系可视化 135
    • 6.1.4 趋势可视化 136
    • 6.2 可视化表现形式 137
    • 6.2.1 二维可视化形式 137
    • 6.2.2 三维可视化形式 138
    • 6.2.3 仪表盘 140
    • 6.2.4 定制可视化形式 141
    • 6.2.5 大数据可视化方式的选择 142
    • 实验6 数据可视化 144
  • 第7章 大数据安全
    • 7.1 大数据安全的内容 170
    • 7.1.1 物理安全 171
    • 7.1.2 网络安全 172
    • 7.1.3 应用安全 172
    • 7.1.4 数据隐私 174
    • 7.2 数据保护技术 175
    • 7.2.1 镜像技术 175
    • 7.2.2 快照技术 176
    • 7.2.3 持续数据保护技术 177
    • 7.2.4 用户管理技术 178
    • 实验7 权限管理机制 182
  • 第8章 大数据应用案例实操
    • 8.1 贷款明细分析 186
    • 8.1.1 背景分析 186
    • 8.1.2 需求分析 187
    • 8.1.3 大数据分析过程 187
    • 8.1.4 分析总结 196
    • 8.2 电商行业销售分析 196
    • 8.2.1 背景分析 196
    • 8.2.2 需求分析 197
    • 8.2.3 大数据分析过程 197
    • 8.2.4 分析总结 204
    • 8.3 网站流量分析 204
    • 8.3.1 背景分析 204
    • 8.3.2 需求分析 204
    • 8.3.3 大数据分析过程 205
    • 8.3.4 分析总结 215
  • 参考文献 216

相关图书