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

这是一本博大精深但又不太技术的指南，向你介绍数据科学的基本原则，并带领你全程浏览从所搜集数据中抽取有用知识和商业价值所必需的“数据分析思维”。通过学习数据科学原则，你将领略当今用到的诸多数据挖掘技巧。更重要的是，这些原则支撑着通过数据挖掘技巧解决商业问题所需的手段和策略。

《数据库系统实现（英文版）（第2版）》是关于数据库系统实现方面内容最为全面的著作之一，是美国斯坦福大学计算机科学专业数据库系列课程第二门课程的指定教材。书中从数据库实现者的角度对数据库系统实现原理进行了深入阐述。并具体讨论了数据库管理系统的三个主要成分 存储管理器、查询处理器和事务管理器的实现技术。斯坦福大学计算机科学专业数据库系列课程门课程的内容包括数据库设计和数据库编程。《数据库系统实现（英文版）（第2版）》的后两位作者Jeffrey D.UIIman和Jennifer Widom为该课程编写的教材《数据库系统基础教程》（A First Course iDatabase Systems）第3版的中文翻译版和英文影印版已由机械工业出版社出版。 《数据库系统实现（英文版）（第2版）》内容深入且全面，技术实用且先进，叙述深入浅出，是一本难得的高层次的教材，适合作

为顺应国内EPC 总承包工程推广的新形势, 提高企业风险管理水平, 普及工程保险知识, 特编写本书。 书中内容紧密结合国际先进工程保险理念, 对于在EPC 工程中涉及的工程险种、 安排、 采购、 合同后管理等问题均做了较为全面、 细致的分析。 同时, 列举了我国著名企业在海内外EPC 实践中实施保险策略的典型案例。本书可供从事EPC 项目或准备从事EPC 项目的公司领导、 项目经理、 风险管理人员、 监理、 咨询人员等作为岗位继续教育教材使用; 也可作为工程管理、 保险、 经贸专业在校研究生以及本科生的教学参考书或课外读物;也适合作为建设行业推行EPC 总承包模式进行系列培训的教材或参考用书。

堪称相关行业的“动向”和“密码”的“大数据”究竟是什么？为什么如此受众人关注？未来大数据将改变什么？本书以图解的方式为大家详细解读众人关注的焦点——大数据。 大数据不仅仅是行业的热门话题，也是各行各业关注的焦点。因为它不仅改变了社会，也改变了我们的生活和工作方式。大数据还可应用于各个领域，比如气象预测、预防犯罪、医疗领域等，其功能无比强大。读完本书，你将读懂什么是大数据！

本书不讲具体语法，只是以案例的形式介绍各种查询语句的用法。靠前～4章是基础部分，讲述了常用的各种基础语句，以及常见的错误和正确语句的写法，应熟练掌握这部分内容，因为在日常查询和优化改写中都要用到；第5～12章是提高部分，讲解了正则表达式、分析函数、树形查询及汇总函数的用法，这部分内容常用于一些复杂需求的实现及优化改写；很后两章介绍日常的优化改写案例，这部分内容是前面所学知识的扩展应用。如果您是开发人员，经常与Oracle打交道，那么本书可以帮助您处理复杂的需求，写出高性能的语句。如果您是运维人员，则本书可以帮助您更快地完成慢语句的改写优化。

本书是来自一线MySQL DBA的技能进阶笔记，凝结了作者多年数据库管理心得。 全书从运维管理、架构优化和运维开发三个层面娓娓道来，精心筛选了作者在实际工作 中总结的技巧、对常见问题的处理方法以及对于运维体系的思考和实践；尤其是运维开 发章节从0 到1 构建运维体系，能够对DBA已有知识体系和技能栈做到全新梳理。

《数据算法：Hadoop/Spark大数据处理技巧》介绍了很多基本设计模式、优化技术和数据挖掘及机器学习解决方案，以解决生物信息学、基因组学、统计和社交网络分析等领域的很多问题。这还概要介绍了MapReduce、Hadoop和Spark。 主要包括： 完成超大量交易的购物篮分析。 数据挖掘算法（K-均值、KNN和朴素贝叶斯）。 使用超大基因组数据完成DNA和RNA测序。 朴素贝叶斯定理和马尔可夫链实现数据和市场预测。 推荐算法和成对文档相似性。 线性回归、Cox回归和皮尔逊（Pearson）相关分析。 等位基因频率和DNA挖掘。 社交网络分析（推荐系统、三角形计数和情感分析）。