《数据库系统概念》是数据库系统方面的经典教材之一，其内容由浅入深，既包含数据库系统基本概念，又反映数据库技术新进展。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，更加适合作为国内高校计算机及相关专业本科生数据库课程教材。

本书从Power BI的基础功能讲起，逐步深入到Power BI进阶实战，以系统化的实操步骤和丰富的实际案例让读者快速入门Power BI数据分析，掌握Power BI在多个业务领域的实际应用。全书共8章：商业智能与数据分析概述；Power BI简介；数据分析与可视化制作全过程；Power BI数据预处理；Power BI数据建模；Power BI数据可视化；Power BI在线服务；Power BI数据分析实战案例。 本书通俗易懂、循序渐进、内容全面、讲解详细，配备全套数据集、教学课件和学习视频，既适合读者自学Power BI数据分析与可视化，也适合大专院校作为教材，更适合从事销售、产品、电商运营、仓储物流、财务管理、人力资源等岗位的职场人士提升技能。

本书以互联网企业中常见数据运营场景为切入点，以工作中实际面临解决的问题为案例，从方法、技术、业务、实践4个维度讲述数据运营的场景及应用方式。书中从实践出发，结合工作中数据运营经验，以应用案例为主线，通过业务分析 代码实践这种更 接地气 的方式讲述数据的应用。书中对于搭建数据监控指标体系、数据分析、数据挖掘、ABTest、埋点策略、用户画像建模等常见数据运营方式做了详细的介绍。

这是一本能指导企业在数字化转型和数据要素时代通过数据架构用好数据、管好数据、充分发挥数据价值的著作。 从0到1讲解了数据架构的技术栈、方法论与落地实践，揭示了数据架构的底层逻辑，总结了数据架构的核心要素和架构模型，阐述了数据治理、数据资产管理以及数据平台的搭建等全方位的内容，是作者10余年数据工作经验的总结。 本书主要分为五部分： 第一部分：架构基础，对企业架构的组成要素以及流行的企业架构框架进行了总览性质的介绍，数据架构是重点； 第二部分：数据架构基础，详细讲解了数据架构的组成、数据存储、数据调度与消息传输、Lambda架构和Kappa架构以及数据架构的辅助资源组件； 第三部分：数据架构模型，首先介绍了企业内部数据区的划分与内部数据的流向，然后讲解了数据模型的建模策略、步骤和方法，以及维度建模

本书是数据治理领域公认的标准性著作，能为各种类型企业和机构的数据治理提供全面指导。用友集团官方出品，得到了用友集团董事长王文京、DAMA中国区主席汪广盛等9位企业界和学术界数字化专家的一致好评，同时也被中国数据要素高层次人才发展大会（DGBOK）作为指定教材。 它基于国际主流的数据治理框架和用友多年的数据治理经验，从道、法、术、器4个维度全面、深入展开，不仅有数据治理在战略层面的顶层设计，还有数据治理在执行层面的实施方法，既可以作为数据治理的纲领性指南，又可作为数据治理的实操手册。 从数据治理的战略规划到落地实施，本书将各环节的核心内容凝练为 3 个战略机制、8 项关键举措、7 种技术能力、7 个治理工具 ： 数据治理之道：3个战略机制 高屋建瓴地介绍了数据治理的数据战略、组织机制和数据文化。这3个机制

本书是一本系统介绍Clickhouse的指导型工具书，全书总共分为11章: 第1章 介绍ClickHouse的由来、发展历程、核心特点与核心特点。第2~6章 介绍了ClickHouse基础使用部分，包括整体架构、如何安装、数据定义、数据引擎、数据查询和函数的特性和使用方法。第7~9章介绍了ClickHouse高级特性部分，包括数据库管理操作，数据分片、数据副本和高可用的特性和使用方法。第10~11章介绍了如果自己手动实现ClickHouse中间件的思路和示例，同时也介绍了几款可视化工具与ClickHouse集成的方法。

这是一本用精益思想指导企业以数据为核心进行数字化转型的著作，它将帮助企业事半功倍地找到正确的数字化转型战略、方法与路径。 作者结合自己20余年的实战经验，将精益思想与数据利用深度融合，总结了一套从业务目标出发，以价值场景为抓手，以数据为驱动的精益数据方法论。进一步以该方法论为基础，衍生出精益数据花瓣模型、精益数字化转型三步法、数据驱动的六大能力模型，精益数字化转型共创工作坊，四大精益数据画布，数据驱动的成熟度评估模型，从认知到实践、从工具到方法，从路径到指南，全方位指导企业将数字化转型落地，在数字化转型大浪潮中有里程碑意义。 本书的核心内容围绕精益数据方法论展开，该方法论分为精益数据宣言、精益数字化企业、精益数字化转型路径、精益数据共创工作坊4个模块。 （ 1 ）精益数据宣言 包含

这是一本讲解如何用当下流行的数据仓库技术Doris搭建实时数仓的著作。 前10章详细讲解了Doris的技术与实践，包括安装、部署、数据定义、模型详解、数据导入、数据查询、查询优化、FlinkSQL、外部表、集群运维等； 第11-14章详细讲解了数据仓库的设计、OLAP的查询以及实时数仓的建设等。

本书是一本指导DBA进行数据库开发和运维的实用手册，本书共9章，包括漫谈数据库、如何提升数据库性能、如何运维好数据库、如何进行数据库设计、如何做好数据库之间的数据同步、认识HTAP技术、认识数据库的功能原理、认识数据库中的数学（逻辑与算法），以及DBA的日常：数据库管理及开发的最佳实践。另有附录DBA杂谈。 本书内容是资深DBA多年实践经验的归纳总结，涵盖DBA日常工作中的主要方面，通过剖析众多的真实案例，并解读原理、分享技巧、提供思路，内容具备较强的启发性和指导性。 本书的受众包括但不限于想要了解如何提升数据库性能的应用开发人员、DBA、业务架构师、IT架构师、数据架构师、数据分析师、系统架构师、解决方案架构师和企业高级管理人员。

这是一本金融数据挖掘与分析领域的实战性著作，它能指导零Python编程基础和零数据挖掘与分析基础的读者快速掌握金融数据挖掘与分析的工具、技术和方法。 读完本书，你将会有如下3个方面的收获： （1）Python编程基础和数据预处理 首先详细讲解了Python的核心语法，以及NumPy、Matplotlib、PySpark、Jupyter Notebook等Python数据处理工具的使用；然后详细介绍了数据预处理的流程和技巧。通过深入浅出的语言和丰富的样例展示，帮助初学者快速上手 Python，为之后的数据分析实战夯实基础。 （2）数据挖掘与分析的经典方法 详细讲解了经典的数据挖掘方法，包括聚类分析、回归分析、分类分析、异常检测、关联分析、时间序列分析等。 （3）主要金融应用场景的数据挖掘方法 针对网络舆情的采集和热点分析、舆情分析中的情感分析、股价趋势预测、个人信用评分、企业信用

这是一本能帮助读者快速获取数据产品实战能力数据项目实战能力的著作。全书内容以案例方式组织，围绕数据建设、数据营销、数据驱动3大主题，用14个综合案例进行完整再现和深度复盘，为近10个行业的数据产品提供了可直接参考的解决方案，这些方案同时也适用于其他行业。每个案例从项目背景、方案设计、实现过程、总结与思考等维度展开阐述，层次清晰，可参考性强。全书共14章，分为三部分：数据建设、数据营销和数据驱动。第1部分 数据建设（第1~2章）数据建设是数据运转的基础，是数据发挥价值的关键。良好的数据建设能够降低数据应用的开发成本，提升数据使用者的效率。本部分包含两章，分别介绍了自动化数据分析平台的搭建和数据埋点的工作流程等。第二部分 数据营销（第3~9章）营销是每个公司的业务核心，良好的数据营销平台为营销提供非

内容简介 这是一本能指导企业对全渠道（公域和私域）用户进行画像并实现自动化营销和运营的实战性著作，是作者多年大数据研发和用户画像经验的总结。本书将帮助企业提高数字化营销和运营的水平，通过用户画像提升业绩。 本书核心内容围绕App、企业微信、公众号、小程序、抖音、小鹅通6大用户渠道展开，从系统集成、数据接入、产品功能、开发实现、应用场景等多角度详尽地阐述了如何进行全渠道的用户画像并构建数字化的客户数据平台，实现营销和运营的数字化和自动化。 除此之外，本书还介绍了全渠道用户画像的整体构建思路，各种营销自动化工具的应用场景、技术实现方案、使用方法、工程案例以及在全渠道画像平台上的实现，以及私域引流和触点相关的内容。 这本书既有渠道集成技术方案实现、用户画像功能开发、客户数据平台搭建等技术方

本书介绍了数据工程生命周期，并展示如何组合运用各种云技术来满足下游数据消费者的需求。本书分为三部分：第一部分介绍了数据工程的定义、数据工程的生命周期、合理的架构设计和帮助技术选型的框架；第二部分深入介绍了数据工程生命周期的每个阶段 数据生成、存储、获取、转换和服务；第三部分讨论了数据工程的重要部分 安全和隐私。附录还介绍了与处理数据文件和评估数据系统的性能有关的序列化和压缩，以及云网络。本书适合软件工程师、数据科学家、数据工程师和数据分析师等相关技术人员阅读。

本书紧密结合当前边缘计算领域最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，以及多个应用的最新研究进展。本书从计算卸载、服务部署、视频分析、模型推断、联邦学习等应用视角来阐述边缘计算，可为物联网、人工智能、工业互联网、智慧城市、智能制造等领域相关的科研人员和IT从业者提供创新的应用视角，也可作为相关专业高年级本科生和研究生课程的教材。

这是一个充斥着数据和图表的世界。 随着社交媒体的发展，每个人都成了信息来源；我们获取和传播的信息越来越多，也越来越容易犯错误。 然而数据的可视化，即图表，并没有它看上去那么可信。 本书介绍了图表制作的原理、阅读图表常见的五个陷阱，解释了为什么其中隐藏着误导和扭曲，*终帮助读者掌握明智应对图表而不犯错误的方法。

这是一部从工程实践角度讲解互联网广告系统的业务价值、产品形态、架构设计、技术选型、落地方法论、实施路径和行业案例的著作，是作者在Google和腾讯从事广告系统架构设计与工程实现的10余年经验总结。 通过本书，你将掌握以下内容： （1）互联网广告的生态和产品形态 首先介绍了谷歌、Meta、亚马逊、微软等主要在线广告平台；然后介绍了主要在线广告网络和程序化购买生态；蕞后介绍了在线广告产品形态，包括在线广告的投递方式和计费方式。主要目的是帮助读者建立对互联网广告生态的宏观认知。 （2）广告投放系统的架构与设计 结合Facebook Marketing、Google Ads、Twitter Ads等广告平台讲解了广告投放系统，主要内容包括广告的层级结构、三个广告平台API的特点及用法演示，以及API的基本设计原则和设计方法论。读者可以从本章中学到现代广告系统投放子

本书对运维数据治理的概念、知识体系和底层逻辑进行了深入剖析，构建了面向运维数据特点的数据治理方法和框架。本书分为概念篇、方法篇、实施篇和案例篇，从指标体系构建、运维数据资产化、元数据管理、数据安全、数据质量、数据标准化等角度，系统阐述了开展运维数据治理的方法，以及运维数据治理平台应具备的关键能力，并介绍了构建运维数据平台相关的采集、存储、处理、计算、管理、服务、监控、消费等各方面的技术实现手段和方法。本书适合政府和企业的信息化负责人、CIO、运维主管、软件研发负责人等阅读。

本书旨在为数据分析生命周期提供一个全面和实用的指南，并着重于为组织打造行之有效的数据分析能力。全书分为三部分，第壹部分分析基础篇，讨论了如何通过整合组织的人员、流程、技术和数据等资源来实现这样的分析能力；第二部分分析生命周期*佳实践篇，介绍了不同种类的分析产品和服务，以及如何支持分析产品或服务的设计、开发和交付；第三部分分析能力卓越常青之道，围绕如何让分析产品对组织的完善和持续改进产生*大作用展开讨论，内容包括如何衡量分析项目的效率和效果两个方面，以及如何应用行为经济学、社会心理学和变革管理等其他学科的经验和知识改进和完善分析过程。

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。

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。

内容简介 这是一本写给互联网消费金融行业从业者的实战指南，从产品创新、业务架构、精细化运营、数字化转型等多个维度对互联网消费金融进行了有针对性的讲解。 作者是互联网消费金融领域的先行者和布道者，从行业兴起一直深耕至今，目前是知名互联网消费金融机构运营和技术负责人，对行业创新和应用架构有深刻理解，经验非常丰富，本书是他们多年从业经验的总结。 第1章简要介绍了互联网消费金融的核心概念、生态、趋势和痛点，旨在让读者对这个行业有一个整体认识； 第2章以构建成功的客户旅程为切入点，讲解了如何以用为为中心来设计互联网消费金融类产品，这是产品创新的关键； 第3~4章首先讲解了互联网消费金融的业务架构方法论，然后具体讲解了银行、消费金融公司、金融科技公司的互联网消费金融的业务架构； 第5~6章详细讲解了互联

本书首先介绍如何设置基本的数据科学工具箱，然后带你进入数据改写和预处理阶段，这一部分主要是阐明所有与核心数据科学活动相关的数据分析过程，如数据加载、转换、修复以及数据探索和处理等。通过主要的机器学习算法、图形分析技术，以及所有易于表现结果的可视化工具，实现对数据科学的概述。 本书对上一版内容进行了全面拓展和更新，涵盖新版的Jupyter Notebook、NumPy、pandas和Scikit-learn等的新改进。此外，还介绍了深度学习（借助在Theano和Tensorflow平台上运行的Keras库）、漂亮的可视化（使用Seaborn和 ggplot）和Web部署（使用bottle）等新内容。 本书行文过程以数据科学项目为主体，辅以整洁的代码和简化的示例，能帮助你理解与项目相关的潜在原理和实际数据集。

本书从大数据的业务与技术发展现状出发，探究大数据在零售领域的发力重心。然后从零售行业本质出发，分析零售行业变革诉求。基于大数据赋能，深入探讨新兴的零售数据应用，同时结合大量实际案例，分析目前智慧零售行业多种发展模式，对智慧零售的未来发展图景进行了阐述。

暂无内容简介。。。。。。

本书由算法领域的知名专家Steven Skiena教授撰写，重点介绍了收集、分析和解释数据所需的技能和原理。作者由浅入深地介绍了数据科学的概念、所需的数学基础、数据的整理清洗方法、数据分析方法（统计分析、可视化、数学模型、线性逻辑回归、机器学习算法等）以及学习大数据分析的意义。作者结合应用领域的大量数据分析案例，以解释大数据分析所需技能与原理，帮助者快速理解和掌握大数据分析的理论与方法，也将这些技能的实际应用方式展现得淋漓尽致，具有很强的可操作性。