现在，在机构的灵活性和业务表现之间存在一种直接的、可查证的联系。为了将灵活性化，企业必须对其内部、外部的关键流程与基础架构实现的整合与自动化。同时，企业必须学会以更具动态性和反应性的方式来管理流程。 总而言之，企业必须实现灵活应对。 直到最近，技术都一直阻碍着这些目标的实现。正是由于面向服务架构(SOA)、Web 2.0和开放标准的出现，才促成企业实现了这些目标。在本书中，IBM的SOA策略家展示了业务经理该如何利用技术创新来推动动态流程的发展，以应对当今世界越来越快的变化。 在本书中，Sandy Caner示范了将企业解构为“组件化”业务模式的方法，然后用相互连接的、可重复的并且能快速、轻松、经济地适应各种变化的IT服务来支持该模式。这些技术将帮助IT专家和业务经理达到崭新的运营水平，以开展着眼于市场的创新

《高等院校信息技术规划教材：数据库技术及应用》是一部关于数据库系统的基本原理与方法、现代技术及应用的教科书。其中分为三个部分：部分为基础篇，介绍数据库基础知识与基本方法、描述关系数据库语言及关系模式的规范化设计；第2部分为技术篇，介绍关系数据库设计方法、数据库系统的调优技术、描述系统建模的新方法与对象关系数据库技术；第3部分为应用篇，介绍数据库访问技术与信息系统的结构模式、结合典型的数据库管理系统介绍数据库应用系统的设计与开发、讨论现代数据库技术。《高等院校信息技术规划教材：数据库技术及应用》最后附有数据库设计实例。 《高等院校信息技术规划教材：数据库技术及应用》是作者多年从事数据库课程教学与科研实践的结晶，注重核心知识的描述，注意基础理论和现行应用技术的结合，删减繁冗、过时

近年来，大数据成为学术界和工业界的热点，其 本质就是海量数据分析。海量数据的来源包括互联网 、传感器、生产生活、科学观测、科学实验等。海量 数据分析不仅可以帮助人们取得新的科学发现，也可 以推动技术的适应性、个性化和健壮性方面的进步。 海量数据分析是一个跨学科的研究领域，理解本书的 内容需要具备计算机科学、统计学和优化理论的基础 知识。美国国家学术院国家研究委员会编著的《海量 数据分析前沿》从计算和推理的角度分析了与海量数 据分析相关的前沿问题，重点介绍海量数据挖掘分析 以及流数据挖掘的进展，讨论了并行和分布式系统架 构方面的发展，具体内容包括数据建模、任务建 模、计算复杂性问题分析、数据采样以及人工参与的 数据分析方法等。

《审计署计算机审计中级培训系列教材：数据库基础及应用技术》正是本着这个宗旨做到了理论和应用相结合。《数据库基础及应用技术》内容共分为两个部分，章为部分，介绍数据库的基础理论，这部分包括读者学习和使用关系数据库的最基本的概念。从第2章到每14章为第二部分，主要介绍目前应用范围非常广泛的数据库备份恢复、数据传输、数据完整性维护等数据库中最实用的技术。并在介绍操作的同时贯穿相应的数据库理论知识，使读者可以方便地将理论和实际结合起来。数据库技术是一门应用性很强的计算机应用性学科，因此在讲授数据库技术时应该从理论和应用两个方面来介绍。

本书从理论的先进性和技术的实用性出发，以关系数据库系统为核心，系统、全面地阐述了数据库系统的基本理论、基本原理、设计方法和应用技术，主要内容包括数据库系统概述、关系数据库、关系数据库的标准语言sql、关系数据库规范化理论、数据库设计、数据库管理以及以sqlserver为实验平台的基础知识、应用技术，高级的开发应用等。 本书既重视数据库技术的体系完整性，又突出厂数据库技术面向应用的特性，概念清楚，重点突出，章节安排合理，理论与实际结合紧密且通俗易懂。有助于学习者从实际应用的角度出发，联系所学理论，掌握所学内容。 本书既可作为高等院校信息管理与信息系统专业及非计算机专业的大学本科、专科和高职高专学生的数据库课程教材，也可作为从事信息领域工作的科技人员的相关教材和技术参考书。

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。

“大数据”近年成为IT领域的热点话题，人们每天都会通过互联网、移动设备等产生大量数据。如何管理大数据、掌握大数据的核心技术、理解大数据相关的生态系统等，是作为大数据开发者必须学习和熟练掌握的。本系列书以“大数据开发者”应掌握的技术为主线，共分两卷，以7个模块分别介绍如何管理大数据生态系统、如何存储和处理数据、如何利用Hadoop工具、如何利用NoSQL与Hadoop协同工作，以及如何利用Hadoop商业发行版和管理工具。本系列书涵盖了大数据开发工作的核心内容，全面且详尽地涵盖了大数据开发的各个领域。 本书为卷，共4个模块，分别介绍大数据基础知识、大数据生态系统的管理、HDFS和MapReduce以及Hadoop工具（如Hive、Pig和Oozie等）。本书适用于想成为大数据开发者以及所有对大数据开发感兴趣的技术人员和决策者阅读。

本书是为广大数据分析师量身定制的入门读物，它旨在帮助读者站在大数据时代的制高点。数据分析处于统计学、计算机信息科学、运筹学、数据库等多个领域的交叉地带，大数据时代的到来大大丰富了数据分析的内涵，数据分析师的职责与以往相比发生了巨大的改变。 本书全面介绍了经典数据分析、模式识别、机器学习、深度学习、数据挖掘、商务智能等多个领域的数据分析算法，将大数据时代的数据分析热点技术一网打尽。本书为每个数据分析算法都搭配了一个经典案例，并按照由易到难的原则构建知识框架，充分照顾了不同水平读者的阅读习惯。 通过阅读本书，读者将对大数据时代下的数据分析有一个全面的认识。无论是入门级的数据分析员还是有基础的数据分析师，都能通过本书完善、加深对数据分析的认识。

电商坐拥互联网行业最丰富的用户数据金矿，却很少有人从中挖掘出真金白银。《数据掘金——电子商务运营突围》一书旨在打破这一困境，一步一步引导从业者以数据为核心来运营网站或网店。《数据掘金——电子商务运营突围》用浅显的文字与独特的视角，不仅成功解读电商数据运营之惑，更呈现大量数据分析和挖掘的必要基础知识及实用相关工具。在通过阅读轻松掌握电商数据运营须关注的要点与方法之后，读者还可有针对性地从书中选择学习如何利用数据来完成——流量获取优化、广告投放、客户分析，以及客户价值提升等一系列电商运营要务。 《数据掘金——电子商务运营突围》一书主要写给电商从业人员，无论是中小电子商务的运营人员、数据分析人员，还是大公司负责电子商务的策略官、市场官和运营官，都能从《数据掘金——电子商务运营突围

Oracle 10g是目前的数据库开发平台之一，拥有较高的市场占有率和众多的高端用户，成为大型数据库应用系统的后台数据库系统。Oracle数据库管理和应用系统开发已经成为外高校计算机专业和许多非计算机专业的必修或选修课程。 本书结合大量的实例，介绍如何利用Oracle 10g来管理和维护数据，以及使用Visual Basic和ASP等开发工具开发C/S(Client/Server)模式和B/S(Browser/Server)模式网络数据库应用程序。 本书可作为大学本科相关课程教材，也可供广大Oracle数据库管理员和数据库应用程序开发人员参考。

本书以EMBA班的“数据挖掘技术及其应用”教学为场景，带领读者步入数据挖掘的神秘殿堂，领略数据挖掘的神奇魅力。全书分为9章：章从三个真实故事开始数据挖掘之旅；第2章以某企业生产中遇到的质量控制难题的解决过程为线索，展现数据挖掘的实施过程；第3章到第9章以典型案例的形式分别介绍了数据挖掘技术在电力行业、交通航空领域、冶金行业、税务与金融行业、电信行业、故障诊断以及互联网行业的应用。 数据挖掘是一种专业性极强的技术，本书避开大量晦涩的概念和令人生畏的数学公式，以师生互动讨论的形式让读者走进数据挖掘殿堂，进而深入浅出、循序渐进地感知数据挖掘。随着阅读，读者会自然而然地身临课堂，“让数据说话，从数据中发现规律，科学决策”等新的理念会使读者对实际工作中面临的复杂问题浮想联翩、另辟新径。 本书适合企

谁将是忠实的客户？谁将不是呢？哪些消息对 哪些客户细分？如何化客户的价值？如 何将部的价值化？本书提供了强大的工具，可 以从上述和其他重要商业问题所在的公司数据库中 提取它们的答案。自本书第1版问世以来，数据挖掘 已经日益成为现代商业不可缺少的工具。在沙版本中，作者对每个章节都进行了大量的更新和 修订，并且添加民个新的章节。本书保留了早期版 本的重点，指导市场分析师、业务经理和数据挖掘 专家利用数据挖掘方法和技术来解决重要的商业问 题。在不牺牲准确度的前提下，为了简单起见，即使 是复杂的主题，作者也进行了简洁明了的介绍，并尽 量减少对技术术语或数学公式的使用。每个技术主 题都通过案例研究和源自作者经验的真实案例进行 说明，每章都包含了针对从业者的宝贵提示。书中介 绍

本书介绍了以数据仓库、数据挖掘和联机分析为核心技术的商务智能的基本概念、基本原理、开发方法、开发工具、应用领域和管理方法等内容。 全书共分为10章，包括商务智能基本概念、数据仓库开发模型、数据仓库开发应用过程、联机分析、数据挖掘基本原理和技术、数据挖掘应用工具、电子商务的智能化、商务智能的管理应用，以及商务智能系统的开发应用实例等内容。每章后还附有可供读者自我测试的习题，以帮助读者对全书的理解。本书内容翔实，结构清晰，应用性强，既可以作为高等学校信息管理与信息系统专业、计算机应用专业、自动控制专业以及相关专业本科生和研究生的教材，也可以作为企业、事业单位从事商务智能系统开发应用工作人员的参考用书。

本书介绍数据挖掘的基本理论与实践方法。主要内容包括：各种模型(决策树，关联规则、线性模型、聚类、贝叶斯网以及神经网络)以及在实践中的运用，所存任缺陷的分析。安全地清理数据集、建立以及评估模型的预测质量的方法，并且提供了一个公开的数据挖掘工作平台Weka。Weka系统拥有进行数据挖掘仟务的图形用户界面，有助于理解模型，是一个实用并且深受欢迎的工具。 本书逻辑严密、内容翔实、极富实践性，适合作为高等学校本科生或研究生的教材，也可供相关技术人员参考。

《数据库技术丛书：高并发Oracle数据库系统的架构与设计》是一本深度讲解如何架构与设计高并发Oracle数据库系统的著作，也是一本系统讲解内存数据库Times Ten的专著。作者是拥有10余年Oracle从业经验的资深数据库架构师，《数据库技术丛书：高并发Oracle数据库系统的架构与设计》的内容也得到了业界以盖国强为代表的数位数据库专家的一致认可。《数据库技术丛书：高并发Oracle数据库系统的架构与设计》秉承大道至简的思想，技术与艺术并重，从技术、方法论、原理和思想等角度讲解了如何架构与设计高并发Oracle数据库系统。 《数据库技术丛书：高并发Oracle数据库系统的架构与设计》主要内容从三个维度展开：首先是内部扩展的维度，深入探讨了高效B树索引、高效表设计、查询优化器等数据库架构设计与优化的核心技术，以及高并发Oracle数据库系统架构与设

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。

本书共5章，涉及使用SAS EG做数据分析的主要分析方法。其中，章为数据分析方法概述，第2章至第4章为横截面数据分析方法。第5章为时间序列分析方法。每章都根据所涉及的知识点的不同，选取了实用的案例，并为读者准备了相应的思考和练习题。 本书是一本面向商业数据分析初学者的教材，从具体的商业数据分析案例入手，使读者掌握数据分析的目的、理念、思路与分析步骤。本书力图淡化技术，对于方法的介绍也尽量避免涉及过多的数学内容，和高等数学相关的内容只在线形回归和主成分分析这两节中涉及到，而且都辅以图形作形象的展现。因此本书的读者只需要具有高中水平的数学基础即可。

《从零进阶！数据分析的统计基础（第2版）》 共 6 章，分别讲解了数据分析的步骤和方法、描述性统计分析、抽样估计、假设检验、方差分析、 相关与回归分析，使用简单的语言介绍了这些数据分析基本方法的核心思想和涉及的统计学、概率论等方面 的理论内容，并使用图示的方法详细介绍了使用 Excel 2013 进行简单的描述性统计分析和使用 SPSS 进行相 关的数据分析的过程与结果分析。

金融从业者每天都要与海量的数据打交道，如何从这些数据中挖掘出需要的信息，并进行相应的分析，是很多金融从业者非常关心的内容。本书以功能强大且较易上手的Python语言为编程环境，全面讲解了金融数据的获取、处理、分析及结果呈现。 全书共16章，内容涉及Python基础知识、网络数据爬虫技术、数据库存取、数据清洗、数据可视化、数据相关性分析、IP代理、浏览器模拟操控、邮件发送、定时任务、文件读写、云端部署、机器学习等，可以实现舆情监控、智能投顾、量化金融、大数据风控、金融反欺诈模型等多种金融应用。无论是编程知识还是金融相关知识，本书都力求从易到难、循序渐进地讲解，并辅以商业实战案例来加深印象。 本书定位为一本金融科技入门读物，但书中的数据挖掘与分析思想对其他行业来说也具备较高的参考价值。本书又是一个金融

本书是使用Spark进行大规模数据分析的实战宝典，由大数据公司Cloudera的数据科学家撰写。四位作者首先结合数据科学和大数据分析的广阔背景讲解了Spark，然后介绍了用Spark和Scala进行数据处理的基础知识，接着讨论了如何将Spark用于机器学习，同时介绍了常见应用中几个常用的算法。此外还收集了一些更加新颖的应用，比如通过文本隐含语义关系来查询Wikipedia或分析基因数据。