《华为数据之道》 《华为数据之道》 这是一部从技术、流程、管理等多个维度系统讲解华为数据治理和数字化转型的著作。华为是一家超大型企业，华为的数据底座和数据治理方法支撑着华为在优选170多个国家/地区开展多业态、差异化的运营。书中凝聚了大量数据治理和数字化转型方面的有价值的经验、方法论、规范、模型、解决方案和案例，不仅能让读者即学即用，还能让读者了解华为数字化建设的历程。 全书共10章，内容从逻辑上分为四个部分。 第一部分（～3章） 第1章以非数字原生企业在数字化转型方面面临的挑战开篇，介绍了华为在数据治理和数字化转型方面的目标、愿景、蓝图和框架；第2章从企业政策和架构协同的角度，介绍了企业级的数据综合治理体系，理顺了数据与变革、运营、IT之间的协同关系，明确了数据管理的责任主体在业务；第3章详细

阅读本书可以学习使用Python对数据集进行操作、处理、清洗和规整。第3版针对Python3.10和pandas1.4进行了更新，并通过实操讲解和实际案例向读者展示了如何高效地解决一系列数据分析问题。读者将在阅读过程中学习新版本的pandas、NumPy、IPython和Jupyter。 本书作者Wes McKinney是Python pandas项目的创始人。本书对Python数据科学工具的介绍既贴近实战又内容新颗，非常适合刚开始学习Python的数据分析师或刚开始学习数据科学和科学计算的Python程序员阅读。读者可以从GitHub获取数据文件和相关资料。 学完本书，你将能够： ·使用Jupyter notebook和IPython shell进行探索性计算。 ·掌握NumPy的基础功能和高级功能。 ·掌握pandas库中的数据分析工具。 ·使用灵活的工具对数据进行加载、清洗、转换、合并和重塑。 ·使用matplotlib进行信息可视化。 ·使用pandas的groupBy功能对数据集进行切片、切

《深入浅出数据分析》以类似"章回小说”的活泼形式，生动地向读者展现出色的数据分析人员应知应会的技术：数据分析基本步骤、实验方法、优化方法、假设检验方法、贝叶斯统计方法、主观概率法、启发法、直方图法、回归法、误差处理、相关数据库、数据整理技巧；正文之后，意犹未尽地以三篇附录介绍数据分析十大要务、R工具及ToolPak工具，在充分展现目标知识以外，为读者搭建了走向深入研究的桥梁。

Python是一门开源的计算机编程语言，凭借其易学、灵活等特点，得到了越来越多人的认可和青睐。金融科技日新月异，金融行业的数字化、科技化和智慧化快速推进，Python在金融领域有着很好的应用现状和前景。 本书在上一版的基础上进行了内容升级，持续聚焦Python在金融分析与风险管理的应用，第2版从原先的12章扩充至15章，并依次划分为基础篇（共5章）、中阶篇（共5章）以及高阶篇（共5章），基础篇结合金融场景演示了Python语言以及NumPy、pandas、Matplotlib、SciPy以及statsmodel等金融领域常用的第三方模块的编程方法；中阶篇通过Python编程结合金融实例，依次探讨利率、汇率、债券、股票、互换合约、期货合约等产品的定价、风险测度以及风险管控等内容；高阶篇则融合Python与金融案例，探究了期权的定价、希腊字母、动态对冲、隐含波动率、交易策略及其他延

本书通过大量案例研究介绍数据可视化的基础知识，以及如何利用数据创造出吸引人的、信息量大的、有说服力的故事，进而达到有效沟通的目的。具体内容包括：如何充分理解上下文，如何选择合适的图表，如何消除杂乱，如何聚焦受众的视线，如何像设计师一样思考，以及如何用数据讲故事。 本书适合所有需要用图表展示信息和数据的人士阅读。

商业分析有用吗？当然有用！商业分析是行走职场、创业启航的一项推荐技能。作者结合自己多年的工作经验，用生动的语言介绍如何用数据分析解决商业问题。本书分为6篇，共17章，其中第1篇是概念篇，讲述商业分析的基本概念；第2篇是基础篇，讲述如何用基础的分析方法评估企业经营状况；第3篇是进阶篇，讲述如何构建分析体系解决较复杂的问题；第4篇是高阶篇，讲述如何应对复杂的商业难题；第5篇是基础实践篇，通过案例讲述如何解决更复杂的商业问题；第6篇是高阶实践篇，通过案例讲述如何解决商业分析中的疑难杂症。本书的讲解思路是层层递进的，从简单场景到复杂场景，从基础的方法到复杂的方法。因此，无论读者是否有数据分析基础和经验，都建议从头开始阅读，这样可以一步步提升认知，更快地掌握商业分析的方法。

无论是审计师还是会计师，在工作中都会遇到如何获取数据、分析数据的问题，甚至有时想制作一些自动化的工具或利用编程技巧来辅助完成重复性的工作。本书正是从审计师、会计师的实际工作场景出发，讲解IT审计的学习技巧、SQL基础与实战技巧、Python基础与Python实战技巧，以及数据可视化技巧等。

伴随人类社会数字化进程的深入，数据正不断渗透于日常的生活、生产、分配、流通、消费等各个环节，对人类社会的影响日益凸显。数据已成为继土地、劳动力、资本、技术之后的第五大生产要素，对其他生产要素的整合能力也使其成为既有要素中最重要的和最难替代的关键要素，并成为值得重点讨论的时代性议题与理解数字时代的基本入手点。 对数据要素的理解涉及多学科、多视野，本书从与数据要素关系最密切的信息、权属、价值、安全、交易等五个维度出发，汇聚不同学科背景的既有文献，整合现有观点，对数据要素的多维特性进行探讨，以丰富人们对数据要素的认知，凝聚共识，澄清数字时代的发展与治理迷思，为未来的相关创新提供起点。

首席数据官（Chief Data Officer，CDO）是数字时代的产物，它在数字化转型的过程中，以及在转型成功后的数字经济中，都会起到关键作用。本书旨在建立一套相对完整的关于首席数据官的知识体系，帮助读者更好地参与数字时代的发展。 本书分为5篇。“第一篇 CDO概论”介绍CDO产生的背景、发展趋势、主要职责、推荐技能和工作路径等。“第二篇 管好数据”讲解CDO如何管理好数据，涉及数据战略、数据治理、数据制度、数据标准、数据架构、数据质量、数据安全、数据合规、数据建模、数据集成、数据存储、数据分析和挖掘、数据伦理、数据开放与共享等。“第三篇 做好转型”讲解CDO如何做好数字化转型。“第四篇 建好团队”讲解CDO如何构建、领导和考核数据团队。“第五篇 新技术、新模式、新业态”介绍一些与数据及CDO相关的新技术、新模式和新业态。 本书适

全书分为 8 章， 主要内容如下：第1章介绍学术论文插图绘制的规范性和基本原则以及学术论文插图的配色基础；第2章介绍绘制学术论文插图的主要工具，并重点介绍 Matplotlib、Seaborn、ProPlot 以及 SciencePlots 工具包的语法及其重要特征；第3章介绍学术论文中常见的单变量图及其绘制方法，包括直方图、密度图、Q-Q 图等；第4章介绍学术论文中常见的双变量图及其绘制方法， 具体包括误差线、柱形图、箱线图、相关性散 点图以及矩阵热力图等；第5 章介绍学术论文中常见的多变量图及其绘制方法，包括等高线图、点图系列、 三元相图、 3D 图系列以及 RadViz 图等；第 6 章介绍学术论文中常见的空间数据型图及其绘制方法，包括分 级统计地图、连接线地图、等值线地图以及子地图等；第 7 章介绍学术论文中常见的可视化图及其绘制方法，包括配对图系列、韦恩图、泰勒图

本书基于作者十多年的工作经验和分享，全面覆盖了从SQL基础查询到高级分析、从数据库设计到查询优化等内容，通过循序渐进的方式和简单易懂的案例分析，透彻讲解了每个SQL知识点。本书采用了近期新的SQL:2019标准，紧跟产业发展趋势，帮助读者解锁最前沿的SQL特性，同时提供了5种主流数据库的实现和差异。最后，本书还介绍了近期新SQL标准对文档存储（JSON）、复杂事件处理（MATCH_RECOGNIZE）、多维数组（SQL/MDA）以及图形存储（SQL/PGQ）的支持。

本书深入剖析了组织中数据质量的重要性及提升方法，为组织打造优质数据提供了全面的指导。书中首先揭示了糟糕的数据质量对企业流程、决策及合规的潜在影响，进而阐述了提高数据质量的核心要素和端到端的实践流程。详细解析了数据质量提升方案的每个步骤，从构建业务案例到管理初期的繁忙阶段，再到确定关键利益相关者并明确数据规则，为读者提供了清晰的操作路径。此外，书中还介绍了数据监控与修正的有效方法，并探讨了如何将良好的数据实践融入企业日常运营。最后，作者总结了一份提升数据质量的完整纲要，配以实例和模板工具，以点燃读者的探索热情，并助力数据质量工作持续高效推进。 本书是企业数据质量管理的推荐指南，适合各类组织的数据从业者和管理者阅读参考。

本书以数据思维为主题，以数据分析全流程为主线，融合了编程语言、统计学基础及案例分析等内容，全书分为4篇，囊括了数据思维的概念和培养方法、数据来源及体系建设、数据分析三大思维方式及用户流失、用户转化实战等共11章的内容。本书囊括了数据分析中常用的分析方法，包括经典的海盗（AARRR）模型、麦肯锡的MECE模型、逻辑树、漏斗分析、路径分析、对比分析、A／B试验、RFM模型、K－Means算法、5W2H等分析方法，还包括各类方法的实践案例及Python实操项目。可以说本书是数据分析方法论与统计学知识、编程语言及应用案例的完美结合。

了解数据结构与算法是透彻理解计算机科学的前提。随着Python日益广泛的应用，Python程序员需要实现与传统的面向对象编程语言相似的数据结构与算法。本书是用Python描述数据结构与算法的开山之作，汇聚了作者多年的实战经验，向读者透彻讲解在Python环境下，如何通过一系列存储机制有效地实现各类算法。通过本书，读者将深刻理解Python数据结构、递归、搜索、排序、树与图的应用，等等。这一版重写了书中的示例代码，并对诸多内容做了修正。

数据是自然和生命的一种表现形式。古人结绳计数、勒石记事，客观地记录了人类的成长和社会的发展。今天，大数据时代，数据洪流激荡着时代的发展。本书穿越数据的前世今生，回顾了数字和数据的基本演进过程，从数学家借助概率发现数据分布的秘密到量化看世界引领大数据思维；从虚拟现实、数据孪生、数据世界的规则深入探究元宇宙的数据本质，展现即将跟随元宇宙迸发的数据活力。本书能给读者以启发和参考，一起走向数字时代的未来。

本书是一本帮助读者了解Access功能，建立数据库思维，并且指导读者快速开发一个小型数据库应用程序的指导手册。与大部分Access书籍一开始就引入大量数据库专业术语不同，本书以读者已有的Excel知识为基础，逐步过渡到Access的相关知识，让读者感觉自己不是在学习一门全新的Access技术，而是在已掌握的Excel技术上进行自然扩展，极大地减轻了读者的学担。本书适合对Excel操作比较熟悉，想进一步利用Access知识提升个人能力的MicrosoftOffice爱好者，以及想利用MicrosoftOffice技术进一步提高工作效率的职场人士阅读。此外，本书对于已掌握一些Access知识，但对Access还没有形成清晰逻辑的Access初学者也非常适用。

本书以面向应用为原则，深入浅出的介绍了oracle平台上使用pl/sql语言进行数据库开发的技术。通过大量的示例，详细介绍了pl/sql的语言特性、使用技巧，同时配以2个在实际工作中的示例来深入的剖析了pl/sql进行oracle开发的方方面面。 本书附带1张dvd光盘，内容为作者为本书录制的全程语音教学视频及本书所涉及的源代码。 本书共分为20章，分为5大篇。涵盖的内容主要有pl/sql语言基础、开发环境、变量与类型、控制语句、数据表的管理和查询、数据表的操纵、使用pl/sql的记录与集合、各种内置函数、游标、事务处理、异常处理、子程序、包、面向对象的开发等等技术点。通过示例性的代码，由浅入深，详细介绍了每一个技术要点在实际工作中的应用，对于各种技术要点的应用场合进行了细致的分析。 本书适合于使用pl/sql进行应用程序开

本书是一本介绍数据分析相关算法的学习指南，主要包括数据分析及数据挖掘相关概念介绍、数据思维及各种数据分析算法的原理及实现方法。本书的每个数据分析算法都介绍了数学原理、Python代码实现以及实战案例，内容丰富、容易理解。本书共9章，第1章介绍了数据挖掘与数据分析、机器学习之间的关系；第2章介绍了数据分析人员应该具备的数据思维，包括数据思维认知、数据挖掘“定律”；第3~9章介绍了各种数据分析算法的原理、实现方法及实战案例，其中包括逻辑回归、决策树、朴素贝叶斯、聚类分析、关联规划、人工神经网络、集成学习。本书适合从事数据分析工作的读者自学，也可作为产品经理、运营人员、市场人员和对数据分析感兴趣的读者的参考用书。

本书是纳迪赫和雪莉二人对数据可视化创新、创意实践的总结和反思。全书12个主题作品、24篇精彩故事，从奥运会历史到美国总统和欧洲王室轶事，从暑期热门电影到星座神话、女性传奇――二人精诚合作，探索了可视化叙事的多种技术和形态，突破了数据可视化工具属性和美学表达之间的界限。书中内容翔实，见解独到深厚，通过对项目背景、创作历程和关键方案的阐述，揭示了数据可视化创意编程的思维方式和技术路线。本书非常适合那些对数据可视化和信息设计感兴趣的人或业内相关人士，尤其适合那些欣赏数据叙事之美，并期待借此提升自身业务能力的人阅读。

本书共分为四篇。前三篇分别对应数据血缘的理论、实现和应用：第一篇阐明数据血缘的概念，主要介绍有关数据血缘概念的综合知识；第二篇介绍如何实现数据血缘，包括一些关于实现数据血缘的可行性见解和建议；第三篇介绍如何使用数据血缘，利用数据血缘结果实现不同的业务目的。第四篇是关于“构建数据血缘业务案例”的研究，介绍如何将数据血缘落地到业务案例中。本书主要面向数据开发人员和数据管理人员，用于针对数据血缘及其应用领域拓宽思路。本书也适合具有技术背景的数据业务人员参考阅读，便于更好地理解业务需求和数据血缘需求。

本书提供了学习大数据技术及架构的一站式解决方案，覆盖了大数据生态圈中的完整技术体系，包括数据采集、数据存储、分布式资源管理、数据计算、数据分析、任务调度、数据检索、大数据底层基础技术和大数据集群安装与管理。 本书还介绍了多个企业级大数据应用案例（包括海量数据采集、“双十一”数据大屏、海量数据全文搜索系统等）和大数据平台架构案例（包括离线数据仓库架构、实时数据仓库架构、批流一体化数据仓库架构、数据中台架构、直播大数据平台架构、电商大数据平台架构等），可以帮助读者从全局角度理解大数据。 在本书中，技术内容基本上都是从零讲起的，结合原理和架构，以“图解+实战”的形式帮助读者轻松理解复杂的知识。 本书适合对大数据感兴趣的开发人员。无论读者是否接触过大数据开发，只要具备一定的Java开发

本书主要介绍从高维数据中感知、处理、分析和学习低维结构的基本数学原理和高效计算方法，系统地归纳了建模高维空间中低维结构的数学原理，梳理了处理高维数据模型的可扩展高效计算方法，阐明了如何结合领域具体知识或考虑其他非理想因素来正确建模并成功解决真实世界中的应用问题。本书包括基本原理、计算方法和真实应用三个部分：基本原理部分系统地介绍稀疏、低秩和一般低维模型的基本性质和理论结果，计算方法部分介绍解决凸优化和非凸优化问题的有效算法，真实应用部分通过实例演示利用前两部分的知识改进高维数据处理和分析问题的解决方案。本书适合作为计算机科学、数据科学和电气工程专业的高年级本科生和研究生的教材，也适合学习稀疏性、低维结构和高维数据课程的学生参考。

本书紧密结合当前边缘计算领域近期新的发展趋势与研究成果，本着务实具体、详略得当、启发创新的指导思想，系统、全面地介绍了边缘计算的原理与应用，包括基本概念、架构原理、核心技术、主要研究方向与挑战，以及多个应用的近期新研究进展。撰写本书时最艰难的是选择从哪些应用视角来讲述边缘计算。最终，我们选择了计算卸载、服务部署、视频分析、模型推断、联邦学习等当下应用最为广泛的若干应用进行了阐述。

本书主要内容： 12个数据分析模型在零售多元化业务场景中如何支持决策，实现业务赋能。 本书主要解决以下问题： ·针对不同的业务场景，分析模型怎么选？ ·利用数据分析解决业务问题的完整思路是怎样的？ ·商业分析如何养成？分析结果如何落地？ 本书适合读者： 数据分析师、市场分析师、商业分析师、数据运营官、业务决策者、强数据意识企业高层领导，以及其他对数据分析或数据运营感兴趣或欲转行从事数据分析或数据运营工作的人员。

这是一部讲解企业如何利用指标推动数字化转型和实现数字化经营的著作，详细讲解了指标体系的设计方法、指标平台的产品设计和技术架构、指标在各行业落地应用的方法。本书由行业领先的数据智能产品提供商数势科技官方出品，融合了其创始人在百度、平安、等头部企业的技术研发经验和其团队服务近百家企业的实战经验，得到了来自清华大学、信通院、腾讯、、百度等10余位专家的鼎力推荐。具体地，本书主要讲解了以下五个方面的内容：（1）从指标驱动的数字化经营新模式开始，介绍指标管理对企业经营的重要意义。（2）指标体系的设计方法论，带着设计思维模拟指标拆解、设计、落地的全过程。（3）指标管理平台的产品设计与技术架构，介绍了作者团队在多年实践中总结出的“一处定义、全局使用”的指标平台建设方法。（4）深入零售、金融、制造