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。

本书分为以下几个主要部分：第1-3章介绍方法和技术。在这些章节中，我们描述了一种性能调优方法。还提供了一些关于MongoDB架构和MongoDB提供的用于调查、监控和诊断MongoDB性能的工具的背景知识。第4章和第5章介绍应用程序和数据库设计。第6-10章介绍应用程序代码的优化。第11-14章讨论MongoDB服务器及其运行硬件的优化。

本书全面介绍了预测性分析相关方法，不仅直观地阐述了相关概念，还给出了现实的示例问题和真实的案例研究—包括从失败项目获得的经验教训。本书理论和实践内容相对平衡，便于读者加深理解。全书共9章，外加一个附录。第1章为分析导论，第2章为预测性分析和数据挖掘导论，第3章介绍预测性分析的标准流程，第4章介绍预测性分析的数据和方法，第5章介绍预测性分析算法，第6章探讨预测性建模中的高阶主题，第7章介绍文本分析、主题建模和情感分析，第8章介绍预测性分析使用的大数据，第9章介绍深度学习和认知计算，附录展望了商业分析和数据科学工具的前景。本书适合计算机科学、数据科学和商业分析领域的相关从业人员阅读。

对于企业而言，大数据的重要性不言而喻，如何构建、实施和应用大数据系统是很复杂的。 本书将为大家全面而深入地介绍Hadoop、Spark和NoSQL平台的构建，深入浅出地讲解Hadoop、Spark和NoSQL的基础知识、架构方案与实战技巧等。通过阅读本书，读者可以对大数据平台架构有一个明确、清晰的认识，掌握Hadoop、Spark、NoSQL平台的使用技巧，从而搭建一个安全可靠的大数据集群平台，来满足企业的实际需求。 本书共15章，可分为五大部分。第一部分（第1章）为大数据平台架构概述，讲述大数据平台的基本概念与实际应用；第二部分（第2章?第6章）主要讲解Hadoop的基本使用方法，以及Hadoop生态圈的其他组件；第三部分（第7章）主要介绍NoSQL；第四部分（第8章?第10章）主要介绍Spark生态圈与Spark实战案例；第五部分（第11章?第15章）讲解如何构建大数据平台，阐述大数据平台的

《数据库系统概念》是数据库系统方面的经典教材之一，本书基于该书第7版进行改编，保留其中的基本内容，压缩或删除了一些高级内容，使其体系更符合国内本科数据库课程教学要求。本书第1章概述数据库系统，第一部分（包括第2~6章）讲述关系语言的基本概念，第二部分（包括第7~9章）介绍数据库设计与应用程序开发技术，第三部分（包括第10~14章）介绍数据库管理系统实现的核心技术，第四部分（包括第15~17章）介绍大数据分析、区块链数据库、高级应用开发等高级话题。 本书既可作为高等院校计算机及相关专业本科生的数据库课程教材，也可供数据库领域的技术人员参考。

这是一部全面讲解数据产品经理核心知识体系的著作。12位作者大多来自国内的知名企业，涉及不同的行业，让本书拥有广阔的视角，能帮助读者从不同的角度了解数据产品经理如何在数据、产品、运营、市场等多个方面产生价值。本书的最终目的是让读者全面了解数据产品经理的工作内容，系统掌握数据产品的核心知识体系，快速实现从入门到进阶的突破。 全书一共11章，重点讲解了数据产品经理应该掌握的11个核心知识点，可以概括为四个部分。 第一部分基础知识（第1章） 首先介绍了数据产品的定义、组成、分类，其次介绍了数据产品经理的分类和能力模型，最后介绍了数据产品经理的招聘、应聘和面试。 第二部分通用能力（第2～3章） 讲解了数据产品经理应该具备的数据分析能力和项目运作能力（产品路线图）。 第三部分数据管理（第4～9章

随着物联网、云计算、大数据与人工智能等技术的蓬勃发展，计算服务逐渐从计算密集型向数据密集型（Data Intensive）转变。高性能、高通量的数据服务关键技术成为智慧城市、智能制造、智慧农业等国家重大需求解决方案的核心基础。并行与分布式数据处理的概念启发于上世纪80年代，源自讨论在内存及二级存储极为有限的条件下如何跨越“内存墙”，完成计算任务的优化技术。而今，互联网与私有网络数据指数级增长、数据服务的事务性需求复杂多变、跨地域数据同步需求动态不统一、如何应对当前及未来大数据服务及其上的人工智能计算对并行与分布式数据服务提出了新的问题与挑战。本书从并行与分布式数据服务的基础理论、事务模型、数据处理语言等基础内容，并进一步讨论分布式数据一致性模型及全观性的数据处理架构方面的先进及实用的研究及系统软

本书以《中华人民共和国数据安全法》和《中华人民共和国个人信息保护法》为背景，旨在从概念和技术的角度对数据隐私与数据治理进行系统概述。首篇从历史与系统的角度介绍数据隐私与数据治理的基础，后三篇分别侧重大规模数据收集、机器学习，以及数据治理中的隐私问题，介绍其相应的技术基础，总结当下的关键问题与技术方案。本书从全新的数据生态的角度介绍数据隐私与数据治理，在内容介绍上，以技术与算法的讲解为主，辅以案例，详略得当。

本书系统地介绍了数据如何始于业务、取于业务、用于业务。既有扎实的理论铺设，又有具体的案例支撑，通俗易懂地回答了数据“怎么来”和“怎么用”的问题。同时，本书总结出了解决业务分析难题的六大步骤，包括对最终数据分析产生关键影响的数据源的选取方法，以及通过对业务模块的判断确定分析方法的适用场景，最终推演、验证、分析出结论，并选择很优的分析结果展现方式，让数据分析全过程形成闭环。 本书的内容从底层原理出发，帮助读者打好数据分析基本功。在原理的讲解过程中，通过提问、思考、解答、案例分享的方式，结合三位专家十多年的行业经验，让读者从根本上理解数据分析、学会数据分析。本书适合数据分析从业也、数据分析爱好者阅读，也适合大中专院校数据相关专业的老师和学生使用。

随着中台概念被广泛讨论，其中数据中台又被赋予担任企业智能化任务的重任。当前，不仅是大企业，很多企业都在开始打造或者引入中台，用来解决企业面临的系统重复建设与数据孤岛的问题，在这个过程中，中台产品经理需要做什么事，解决什么问题，又会遇到怎样的困难与挑战？ 本书第1～2章讲解了中台起源与数据中台产品需要什么样的能力；第3～6章主要讲解中台中的数据中台的建设与规划、数据分析的方法与策略、数据体系建设方法与应用和企业数据的价值等；第7～9章主要讲解数据平台的需求分析与数据知识、系统平台的建设实战和用户画像体系的建设等内容。

在人工智能时代，不论是否从事大数据开发，掌握大数据的原理和架构早已成为每个工程师的推荐技能。本书结合作者多年大数据开发、应用的经验，深入浅出地阐述大数据的完整知识体系，帮助读者从不同视角找到大数据方向的突破口，真正从普通开发者晋升为拥有大数据思维并能解决复杂问题的技术专家。本书一共分为7章，分别是大数据的前世今生与应用场景、Hadoop大数据原理与架构、大数据生态体系主要产品原理与架构、大数据开发实践、大数据平台与系统集成、大数据分析与运营、大数据算法与机器学习。本书既可作为初学者了解大数据技术的入门指南，也可作为有一定经验的工程师深入理解大数据思维的有益参考。

本书从大数据技术基础概念出发，介绍了大数据分析的流程和大数据分析处理系统的组成，以及大数据集群的搭建，并在此基础上讲解了多种不同技术构成的离线/实时数据分析系统实战项目。全书共10章，包括大数据概述、大数据分析的基本流程与工具、分布式大数据分析处理系统概述、构建大数据集群环境、构建基于LayUI的集群管理系统、基于HBase的大数据离线分析系统、基于Hive+Hadoop+Spark的大数据离线分析系统、基于MySQL+Spark的大数据离线分析系统、基于Redis+Kafka+Spark的大数据实时分析系统、基于Flume+Kafka+Flink的大数据实时分析系统。本书适合从事大数据系统搭建与运维、大数据分析等岗位的技术人员阅读，也适合高等院校大数据相关专业的学生使用。

这是一套数据指标体系全流程构建（从规划、框架设计、数据采集加工到应用）方法论与实践指南。它不仅深入浅出地分享了通用的数据指标体系构建策略，还通过多个行业实例展示了具体操作方法。书中从数据采集入手，借助BI工具Superset实践构建过程。 本着“一切技术都是为业务服务的”这一宗旨，本书除了包含数据指标体系构建相关内容外，还结合统计学原理及Excel、Python等工具，深入剖析数据指标波动对业务的影响，旨在帮助读者深入理解数据指标与实际业务的底层关联，把数据指标体系落地到业务中。

本书系统阐述Python在金融领域的应用，不仅涵盖核心的金融理论及相关数学概念，还详细讲解行业使用的先进金融模型及Python解决方案。本书首先介绍Jupyter Notebook的设置，随后讲解一系列金融分析中广泛应用的库（如TensorFlow、Keras、NumPy、SciPy、scikit-learn等），这些库可以帮助分析师做出基于数据分析的高效投资决策。书中结合常见的金融概念（如股票、期权、利率及其他金融衍生品等）讲解如何开发金融应用程序以及利用不同的算法实现风险分析。之后，你将学习如何对时间序列数据进行统计分析，了解如何搭建算法交易平台以利用高频数据设计交易策略，以及如何构建事件驱动的回溯测试系统来检验交易策略，评价不同策略的业绩表现。最后，你将探索金融前沿领域正在运用的机器学习和深度学习技术。本书适合对Python定量研究感兴趣的金融从业者、数据分析

本书详细剖析LevelDB从使用到设计实现的方方面面，读后可了解谷歌Bigtable数据库的设计精髓，逻辑上可分为两部分。 第一部分着重讲解LevelDB的基础知识，主要内容如下。 1）基本数据结构，这是理解后续内容的基础，也可以加深对比较器、迭代器等常见数据结构的理解。 2）基本使用，如数据库打开、关闭以及基本的读写操作。 3）总体架构与设计思想，读后可掌握LevelDB的整体情况与设计思路。 4）公用基础类，读后可了解LevelDB中如何实现数值编码、内存管理以及文件读取等。 第二部分着重讲解LevelDB各模块的实现细节，主要内容如下。 1）Log模块的实现细节，以及如何通过Log进行崩溃恢复，并生成一个MemTable文件。 2）MemTable模块的实现细节，以及MemTable超过内存阈值时如何生成一个SSTable文件。 3）SSTable模块的实现细节。 4）Compaction原理与多版本管理。

在当今时代，金融、数学和编程是有着内在联系的。本书提供了针对这些学科的相关基础内容，并介绍了在计算金融世界中入门所需的主要工具。本书的主要内容有：运用数学知识，学习金融理论和Python编程的基础。学习在计算金融中使用金融理论、金融数据建模，以及Python。利用简单的经济学模型，更好地理解金融的基本概念和Python编程概念。利用静态和动态金融建模来解决金融中的基本问题，如定价、决策、均衡和资产分配等。学习对金融建模有用的Python软件包的基础知识，如NumPy、SciPy、Matplotlib和SymPy。

本书立足企业数据中心，对其演进历程进行了回顾和总结，并站在数字化转型的历史潮头，阐述了数据中心转型的深层次原因和驱动力，明确了转型的基本思路和模式，提出了数据中心运营管理并实现数字化的基本框架，探讨了一些可供借鉴的实施策略、建议和实践案例，为企业数据中心的发展描绘了新蓝图、开启了新天地。因此，本书对于很多尚在苦苦思索数据中心在企业数字化转型中如何定位、如何转变的管理者来说，有着非常重要的指导意义。本书适合政府机构、各行业的信息化部门管理者、数据中心工作人员及相关研究人员阅读。

《商业智能工具应用及数据可视化》一书聚焦商业智能与数据可视化主题，从概念、价值、方法、工具等理论基础出发，以实际场景为参考，分入门、进阶两大阶段，以帆软FineBI为例从商业智能工具的基本知识，商业应用场景，数据可视化优秀案例等方面，介绍了商业智能工具和各种常规和高级可视化图形的使用方法，重点介绍了商业智能工具FineBI的数据分析与可视化应用实践。本书内容层层递进，体系完善，可使读者对商业智能工具的运用有一个全面、系统、深入的了解。

本书以建立数据中心建设与运维管理的标准与规范知识体系为目标，帮助读者快速掌握目前通用的标准与相关规范。主要内容包括数据中心运维概述，ISO9001、ISO20000、ISO27001、ISO22301、Uptime Tier以及GB 50174-2017等国内外数据中心建设运维标准和认证体系的解读与实际案例，还提供了数据运维人才的培养方案。本书适合从事数据中心规划和运维管理的设计与运维工程师阅读，也可以作为职业教育与高等教育相关专业师生学习的参考用书。

如今，全球掀起了以制造业转型升级为首要任务的新一轮工业变革，工业大数据通过云计算、物联网、人工智能等技术引领新一轮科技革命，拉动工业经济的创新发展。工业大数据分析技术作为工业大数据的核心技术之一，可使工业大数据产品具备海量数据的挖掘能力、多源数据的集成能力、多类型知识的建模能力、多业务场景的分析能力、多领域知识的发掘能力等，对驱动企业业务创新和转型升级具有重大的作用。本书围绕着"工业大数据分析”这一重要议题，对通用的工业大数据分析方法和分析流程进行归纳总结，对其关键共性进行辨识、抽象和提升，而非针对某一特定行业、企业或产品进行阐述。本书从工业大数据分析的概念、特殊性以及常见的问题入手，提出了工业大数据分析框架，并详细阐述了业务理解、数据理解、数据准备、数据建模、模型验证与评估

本书是在《Tableau商业分析一点通》内容的基础上进行升级，不仅使用近期新的Tableau 2020.3版本对分析过程重新截图，而且按照高校的教学目标匹配了案例的广度与深度。教材中的案例，绝大多数由国内的真实案例修改而来，部分选自Tableau原厂的演示数据。由于本书中的案例均采用Tableau 2020.3版本，旧版本软件无法打开时，请先下载新版本。本书结构清晰、案例丰富、通俗易懂、实用性强，特别适合Tableau的初学者和进阶读者作为自学教程阅读。另外，也适合作为大中专院校的相关专业教学参考书，以及社会培训学校的培训教材。。

本书通过实际案例深入介绍了基于Python的开源商业智能工具Apache Superset。本书立足于为企业建立一套开源免费的BI（商业智能）数据分析平台，实现自助数据处理、数据分析、数据可视化，概述了该系统的基本情况、总体需求、解决方案和业务理解等。本书从企业BI系统建设的实际需求出发，详细阐述了商业智能系统开发的概念、流程及相关技术，同时结合实际案例介绍了基于Apache Superset的近期新且常用的商业智能技术，包括Redis、Hive、Presto、Vertica、ClickHouse、TiDB、Dremio等。

这是一部指导信贷业务如何用智能风控、反欺诈的技术和方法实现风险控制的著作。 作者是经验丰富的智能风控算法专家，先后就职于头部的互联网公司的金融部门以及头部的公募基金公司，致力于人工智能算法在信贷风控领域的应用。 本书不仅体系化地讲解了智能风控和反欺诈的体系、算法、模型以及它们在信贷风控领域实践的全流程，而且还从业务和技术两个角度讲解了传统的金融风控体系如何与智能风控方法实现双剑合璧。全书以实战为导向，辅以多个用Python实现的综合案例，便于读者理解和实操。 全书共10章，逻辑上分为四个部分： 第1~3章是风控业务的基础，首先介绍了什么是信用风险和欺诈风险，然后讲解了传统风险管理体系中搭建评分卡的思路，以及智能风控时代数据和模型的技术框架。 第4~6章集中讲述了智能风控中常见的特征工程、算法原理和建

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。

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。