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全球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。 部分（~3章） 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章详细阐述了不同类型的数据的管理方式和要点。 第二

《统计实验教材系列：数据挖掘实验》作为《数据挖掘》课程的实验教材，其编写的目的在于，在讲授数据挖掘基础理论和基本方法的同时，一方面，通过前十一个实用性实验项目，使学生加深对数据挖掘内涵的理解，学会利用SAS/EM进行数据挖掘的技能；另一方面，通过最后一个研究性实验项目，学习数据挖掘研究的思路，认识数据挖掘研究的迫切性，增强学生的基本研究技能，为学生工作或研究生阶段打下基础，提高运用数据挖掘相关理论进行理论分析与解决实际问题的能力。

本书从架构、业务、技术三个维度深入浅出地介绍了大数据处理领域端到端的知识。主要内容包括三部分：部分从数据的产生、采集、计算、存储、消费端到端的角度介绍大数据技术的起源、发展、关键技术点和未来趋势，结合生动的业界产品，以及学术界的研究方向和成果，让深奥的技术浅显易懂；第二部分从业务和技术角度介绍实际案例，让读者理解大数据的用途及技术的本质；第三部分介绍大数据技术不是孤立的，讲解如何与前沿的云技术、深度学习、机器学习等相结合。

这是一个大数据爆发的时代。面对信息的激流，多元化数据的涌现，大数据已经为个人生活、企业经营，甚至国家与社会的发展都带来了机遇和挑战，成为IT信息产业中潜力的蓝海。大数据可视化这种新的视觉表达形式是应信息社会蓬勃发展而出现的——因为我们不仅要呈现世界，更重要的是要通过呈现来处理更庞大的数据，理解各种各样的数据集合，表现多维数据之间的关联。换句话说，就是归纳数据内在的模式、关联和结构。复杂数据可视化既涉及科学也涉及设计，它的艺术性实际上是使用独特手法展示万千世界的某个局部，从而提出问题。大数据可视化，位于科学、设计和艺术三学科的交叉领域（准确地说，应该是位于三个不同维度的人类活动的交叉领域），蕴藏着无限可能性。大数据可视化技术是一门理论性和实践性都很强的课程。本教材针对计算机、信

本书按照简明、易读、突出实用的原则编写，书中所选案例均来自企业PDM项目实际，并在Siemens PLM Software Teamcenter 10平台上加以实现，同时由编者反复论证，全书图文并茂，并配以详尽准确的讲解步骤，使读者能够快速理解并掌握本书案例中所阐述的PDM实施方法和技巧。另外，本书每章都附有相应的练习题，供读者进行练习。读者通过学习本书，可以由浅入深、循序渐进地理解PDM的基本知识和原理，掌握企业PDM实施技能，逐步具有借助PDM平台提高企业研发核心能力，提升产品质量的工程素养。

本书从Power BI的基础功能讲起，逐步深入到Power BI进阶实战，以业务案例为导向，以Power BI桌面版操作为基础进行讲解，深入讲述Power BI在各个业务部门的应用。本书包括7篇共21章内容，分业务场景进行讲解。篇用1章内容讲述Power BI基础操作，方便读者快速入门；第2篇用4章内容讲述如何用Power BI爬取天气、电影、销售、股票等数据；第3篇用4章内容讲述销售部门如何用Power BI分解销售目标，分析业绩达成、会员RFM和业绩构成；第4篇用5章内容讲述产品相关应用，包括存货分析、帕累托分析、关联分析、款分析和数据化陈列；第5篇用2章内容讲述在财务方面的应用，包括盈亏平衡分析和上市公司利润表分析；第6篇用3章内容讲述人力资源应用，包括人员结构及离职率分析、新员工分析和考勤分析；第7篇用2章内容讲述简化报告的技巧。

Python凭借其简单、易读、可扩展性以及拥有巨大而活跃的科学计算社区，在需要分析、处理大量数据的金融行业得到了广泛而迅速的应用，并且成为该行业开发核心应用的编程语言。《Python金融大数据分析》提供了使用Python进行数据分析，以及开发相关应用程序的技巧和工具。 《Python金融大数据分析》总计分为3部分，共19章，部分介绍了Python在金融学中的应用，其内容涵盖了Python用于金融行业的原因、Python的基础架构和工具，以及Python在计量金融学中的一些具体入门实例；第2部分介绍了金融分析和应用程序开发中重要的Python库、技术和方法，其内容涵盖了Python的数据类型和结构、用matplotlib进行数据可视化、金融时间序列数据处理、高性能输入/输出操作、高性能的Python技术和库、金融学中需要的多种数学工具、随机数生成和随机过程模拟、Python统计学应用、Python和

这是一本跟数据科学和数据科学家有关的“手册”，它还包含传统统计学、编程或计算机科学教科书中所没有的信息。 本书有3个组成部分：一是多层次地讨论数据科学是什么，以及数据科学涉及哪些其他学科；二是数据科学的技术应用层面，包括教程和案例研究；三是给正在从业和有抱负的数据科学家介绍一些职业资源。本书中有很多职业和培训相关资源（如数据集、网络爬虫源代码、数据视频和如何编写API），所以借助本书，你现在就可以开始数据科学实践，并快速地提升你的职业水平。

本书共分为三部分。理论篇重点介绍大数据时代下数据处理的基本理论及相关处理技术，并引入NoSQL数据库；系统篇主要介绍了各种类型NoSQL数据库基本知识；应用篇对外知名公司在利用NoSQL数据库在处理海量数据方面的应用做了阐述。本书对大数据时代面临的挑战，以及NoSQL数据库的基本知识做了清晰的阐述，有助于帮助读者整理思路，了解需求，并更有针对性、有选择的深入学习相关知识。

本书全面介绍了sqlserver2008系统的体系架构和功能。全书共13章，内容包括sqlserver2008基础知识、t-sql语言、数据库和表、select查询、视图、索引和游标、存储过程与触发器、数据库的备份与还原、安全与权限等。读者可以通过实例了解如何利用sqlserver2008开发实际的应用系统。此外，《SQLServer 2008数据库应用与开发教程(第2版)》还配有习题和上机实验，有助于读者对所学知识的理解与掌握。 本书结构清晰，实例丰富，图文并茂，浅显易懂，既可作为大学本科、高职高专院校的数据库应用课程教材，也可作为初学者学习数据库的参考书以及数据库应用系统开发人员的技术参考书。

本书集成了近年来社会媒体、社会网络分析以及数据挖掘的前沿成果，为学生、从业者、研究人员和项目经理提供了一个方便的平台，以便理解社会媒体挖掘的基础知识和潜能。本书介绍了社会媒体数据的问题，并阐述了网络分析和数据挖掘的基本概念、新问题以及有效的算法。

作为认知科学的延伸，数据科学一方面应该越来越引起广大大数据工作者的重视，另一方面也要撩开自己的神秘面纱，以很为亲民的姿态和每位大数据工作者成为亲密无间的战友，为用科学的思维方式进行工作做好理论准备。本书从众多先贤及科学家的轶事讲起，以逐步归纳和递进的脉络总结出科学及数据科学应关注的要点，然后在生产的各个环节中对这些要点逐一进行讨论与落实，从更高、更广的视角回看科学及数据科学在各个生产环节的缩影。本书并不以高深的数学理论研究作为目的，也不以某一种计算机语言编程作为主线脉络，而是在一个个看似孤立的故事与工程中不断拾遗，并试着从中悟出一些道理。本书适合大数据从业人员和对大数据相关知识感兴趣的人，初级和中级程序员、架构师及希望通过对数据的感知改进工作的人，产品经理、运营经理、数据

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全球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。 部分（~3章） 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章详细阐述了不同类型的数据的管理方式和要点。 第二

本书是根据CDA数据分析基础和CDA数据分析实务编写的考试大纲， 该大纲是关于考试科目、 提醒设置及知识点要求的指导性文件， 目的是让学生便于了解数据分析基础的大数据概念， 基本理论， 基本模型的建立、 操作， 分析的技能、 技巧等， 同时便于报考者准备和参加CDA数据分析员的考试。 本书适合数据分析零基础群体读者阅读， 也可供大学生、 初入数据分析职场人员、 参与CDA考试的人员学习使用。

《数据挖掘概念与技术》(英文版)(第2版)版曾被KDnuggets的读者评选为欢迎的数据挖掘专著，是一本可读性的教材。它从数据库角度全面系统地介绍了数据挖掘的基本概念、基本方法和基本技术以及数据挖掘的技术研究进展，重点关注其可行性、有用性、有效性和可伸缩性问题。但是，自版出版之后，数据挖掘领域的研究又取得了很大的进展，开发出了新的数据挖掘方法、系统和应用。第2版在这一方面进行了加强，增加了多个章节讲述的数据挖掘方法，以便能够挖掘出复杂类型的数据，包括流数据、序列数据、图结构数据、社群网络数据和多重关系数据。 《数据挖掘概念与技术》(英文版)(第2版)主要特点 全面实用地论述了从实际业务数据中抽取出的读者需要知道的概念和技术。 更新并结合了来自读者的反馈、数据挖掘领域的技术变化以及统计和机器学习

《数据库专题训练》主要讲述SQL Server 2000的存储技术，全书共由7章组成。章主要介绍《数据库专题训练》的内容、目标和适用对象；第2章主要介绍SQL Server 2000的体系结构；第3章主要是关于数据库与数据库文件的讨论，介绍它们的设置与用途；第4章是关于表的物理设计，主要介绍SQL Server 2000的页面结构和记录结构；第5章是各种索引技术与结构的介绍，讨论有索引约束的数据的插入、删除和更新操作；第6章主要介绍纯XML数据库管理系统这种新型数据库的存储引擎和计算引擎；第7章专门介绍一个我们自己设计实现的页式文件I／O系统及应用实例，每章末皆有参考文献。附录A列出了《数据库专题训练》所附光盘中所述的4项文件中的标题。 《数据库专题训练》可作为高等院校计算机专业本科生的数据库课程的教材，也可以作为其他科技人员和高校教师的参考书。

本书分为三大部分，共九章。第壹部分（章）主要介绍了企业大数据系统的前期准备工作，包括如何构建企业大数据处理系统的软件环境和集群环境。第二部分（第2～7章）首先介绍了Spark的基本原理，Spark2.0版本的SparkSQL、StructuredStreaming原理和使用方法，以及Spark的多种优化方式；然后，介绍了Druid的基本原理、集群的搭建过程、数据摄入过程，以及在查询过程中如何实现Druid查询API；接着介绍了日志收集系统Flume的基本架构和关键组件，以及分层日志收集架构的设计与实践；后介绍了分布式消息队列Kafka的基本架构和集群搭建过程，以及使用Java语言实现客户端API的详细过程。第三部分（第8～9章）主要介绍了企业大数据处理的两个实际应用案例，分别是基于Druid构建多维数据分析平台和基于JMX指标的监控系统。

T-SQL一直以来都是 SQL Server编程的基础。和传统的 T-SQL书籍不同，本书以独特的 “技巧”形式来介绍知识点，涵盖了数据处理（增删改、视图、索引、存储过程、触发器等）、数据应用（Web服务、 CLR集成、分布式查询等）和数据库配置（主体、安全、数据库镜像和快照、备份等）3个方面的内容。其中每一个技巧中都包含了有代表性的示例和精炼的解析。 本书实用、高效、技巧性强，适用于 SQL Server专业技术人员，也可供初学者学习参考。

本书阐述了数据挖掘（通常称为数据库知识发现）的概念、方法和应用。从强调数据分析入手，介绍了数据库和数据挖掘的概念，指出数据挖掘是对大型数据库、数据构件库和其他大型信息资源中标识知识含义的那些类型的自动的或便捷的提取，并通过一个通用的框架回顾了当前的市场可供产品。数据挖掘是一个跨学科的知识领域，汲取了数据库技术、人工智能、机器学习、神经网络、统计学、模式识别、知识库系统、知识获取、信息检索、高性能计算、数据可视化等方面的成果，本书内容从数据库的视角，描述了数据挖掘系统的原型、结构、特征、方法，重点讲解了数据挖掘的可行性、实用性、有效性和大型数据库中模型发现的可测量性等问题。本书逐章讲解了数据分类、预测、联结和分组的概念和技术，这些专题都配有实例，对各类问题都分别列举了算法，并

作为认知科学的延伸，数据科学一方面应该越来越引起广大大数据工作者的重视，另一方面也要撩开自己的神秘面纱，以很为亲民的姿态和每位大数据工作者成为亲密无间的战友，为用科学的思维方式进行工作做好理论准备。本书从众多先贤及科学家的轶事讲起，以逐步归纳和递进的脉络总结出科学及数据科学应关注的要点，然后在生产的各个环节中对这些要点逐一进行讨论与落实，从更高、更广的视角回看科学及数据科学在各个生产环节的缩影。本书并不以高深的数学理论研究作为目的，也不以某一种计算机语言编程作为主线脉络，而是在一个个看似孤立的故事与工程中不断拾遗，并试着从中悟出一些道理。本书适合大数据从业人员和对大数据相关知识感兴趣的人，初级和中级程序员、架构师及希望通过对数据的感知改进工作的人，产品经理、运营经理、数据