本书从数据库角度全面系统地介绍数据挖掘的概念、方法和技术以及技术研究进展，并重点关注近年来该领域重要和 新的课题——数据仓库和数据立方体技术，流数据挖掘，社会化网络挖掘，空间、多媒体和其他复杂数据挖掘。本书是数据挖掘和知识发现领域内的所有教师、研究人员、开发人员和用户都的一本书。

本书全面介绍车辆轨迹数据的处理、分析与可视化方法，并深入探讨了基于Python的车辆轨迹数 据处理技术，旨在帮助读者快速掌握车辆时空轨迹数据处理的基本方法和编程技巧，同时提供丰富的实际案例和技术解决方案，覆盖了从数据采集到深入分析的完整技术链条，是交通时空大数据领域车辆轨迹数据处理分析的全面指南。 本书内容涵盖从车辆轨迹数据的基本特征、采集原理到预处理、质量分析、可视化，再到高级应用如路网匹配、排放计算、多智能体仿真，以及特定案例分析如电动汽车充电需求识别和无人机航拍轨迹数据分析。 本书适合计算机相关专业的学生、数据分析师、研究人员以及技术开发人员阅读。

本书通过对多个实例的演示与讲解，详细介绍了Excel的*功能组件Power Query在数据查询与数据转换方面的主要功能。全书共分为8章，主要包括Power Query编辑器的基本功能，常见数据类型的查询与导入，对原始数据进行合并、拆分、计算、转换等数据整理操作，Power Query中M公式的编写方法等。 本书语言风趣，专注于具体的应用场景，而不拘泥于功能本身，图示清晰、可操作性强且便于查阅，能有效帮助读者提高Excel的使用水平，提升工作效率。 本书主要面向Excel的初、中级用户以及IT技术人员，对于Excel高级用户也具有一定的参考价值。

内容简介 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，让本书拥有了更广泛的视角，能帮助读者从不同的角度去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*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。 第壹部分 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，*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

本书由浅入深，全面系统地介绍了Wireshark数据抓包和数据包分析。本书提供了大量实例，供读者实战演练Wireshark的各项功能。同时，对抓取的数据包按照协议层次，逐层讲解各个协议在数据包中的体现。这样，读者就可以掌握数据包抓取到信息获取的每个环节。 本书共分3篇。第1篇介绍Wireshark的各项功能，包括基础知识、Wireshark的定制、捕获过滤器和显示过滤器的使用、数据包的着色、导出和重组等；第2篇介绍基于Wireshark对TCP/IP协议族中常用协议的详细分析，如ARP、IP、UDP、TCP、HTTP、HTTPS和FTP等；第3篇介绍借助Wireshark分析操作系统启动过程中的网络通信情况。 本书涉及面广，内容包括工具使用、网络协议和应用。本书适合各类读者群体，如想全面学习Wireshark的初学者、网络管理员、渗透测试人员及网络安全专家等。对于网络数据分析人士，本书更是一

《IBM SPSS数据分析实战案例精粹(第2版)》以IBM SPSS Statistics 24为工具，提供了医疗、金融、保险、汽车、快速消费品、市场研究、互联网等多个行业的数据分析/挖掘案例，基于实战需求，详细讲解了整个案例的完整分析过程，并将模型和软件的介绍融于案例讲解之中，使读者在阅读时能突破方法和工具的限制，真正聚集于对数据分析精髓的领悟。本书还一并提供案例数据的下载，读者可完整重现全部的分析内容。 《IBM SPSS数据分析实战案例精粹(第2版)》适合从初学者到专家各个级别的数据分析人士阅读，包括需要提升实战能力的数据分析专业人士，在市场营销、金融、财务、人力资源管理中需要应用数据分析的人士，从事咨询、科研等工作的专业人士，同时也可以作为各专业的本科和研究生学习数据分析应用的参考书。

《Power Query M函数语言：基于Excel和Power BI的数据清理进阶实战》结合大量教学范例和逻辑示意图，深入介绍Microsoft Excel和Power BI中Power Query M函数语言数据清理技术的运行逻辑和进阶使用技巧。本书按照Power Query M函数语言的知识结构，在《Power Query M函数语言：基于Excel和Power BI的数据清理轻松入门》的基础上，详细、深入地介绍运算符、关键字、数据类型、函数的高级参数，以及高级函数和特殊函数等相关知识。 《Power Query M函数语言：基于Excel和Power BI的数据清理进阶实战》共9章，分为3篇。第1篇 背景知识 ，主要回顾 入门分册 的知识脉络，并展望本书的知识架构。第2篇 语法进阶 ，首先介绍Power Query M函数语言的高级运算符，然后介绍循环、迭代和递归的相关知识，接着介绍关键词的相关用法，最后介绍错误数据和类型数据的相关知识。第3篇 函数进阶 ，归纳总结M

本书是一本面向Lua程序员和脚本语言爱好者的语言自制指南和实战宝典。作者融合自己丰富的工程实践经验，详细阐述Lua语言的核心语法和实现原理，深入探讨Lua虚拟机、编译器和标准库，并给出了实际可以编译执行的代码。助你从零基础开始编程实现Lua语言，彻底理解脚本语言工作原理。全书分为3个部分，共21章。*部分主要讨论LuaAPI和虚拟机实现，包括二进制chunk格式、Lua虚拟机指令集、元编程、错误处理等。第二部分主要讨论Lua语法和编译器实现，包括词法分析、语法分析、代码优化、代码生成等。第三部分主要讨论Lua辅助API和标准库实现，包括基础库、实用工具库、包和模块、协程等。

内容简介 这是一部面向初级广告优化师、渠道运营人员的广告数据分析和效果优化的实战指南。 数据分析功底的深浅，决定了广告优化师能力水平的高低。这本书一方面告诉读者成为一名厉害的广告优化师需要掌握的数据分析技能，以及如何快速掌握这些技能；一方面又为读者总结了SEM广告、信息流广告、应用商店广告数据的分析方法论和效果优化的方法，以及多广告推广渠道的统筹优化。书中提供大量真实数据案例，助你提升广告数据分析的理论深度和业务水平。 全书一共8章： 第1-3章全面讲解了广告优化中的统计学，包括计学和广告数据定量分析的主要思想、统计学与广告优化的关系、广告数据分析中的统计学原理，以及如何用图表描述广告数据。 第4-7章依次讲解了SEM广告的优化痛点以及相应的数据分析解决思路、信息流广告优化面临的难点以及针对性的数

随着互联网的高速发展，新媒体行业已成为目前的热门行业之一，无论是个人，还是企业、机关、事业单位，都离不开新媒体。《新媒体数据分析基础教程》采用 课堂讲解 课堂实训 课堂小结 课后作业 这一结构进行编写，既有基础理论，又有实操进阶，还有实战提高，非常适合读者进行学、练、查。 《新媒体数据分析基础教程》共 8 章，第 1 章主要介绍新媒体数据分析的基础知识；第 2 章主要介绍各种新媒体数据分析指标；第 3 章主要介绍新媒体数据的采集；第 4 章主要介绍新媒体数据处理；第 5 章主要介绍新媒体数据分析的思维和方法；第 6 章主要介绍新媒体数据可视化；第 7 章主要介绍不同新媒体平台的数据分析方法和实战技能；第 8 章主要介绍新媒体数据分析报告的制作。 《新媒体数据分析基础教程》由从事多年新媒体、商务数据分析工作的老师参与编

《基于Python的大数据分析基础及实战》是一本介绍如何用Python 3.6进行数据处理和分析的学习指南。其主要内容包括：Python语言基础、数据处理、数据分析、数据可视化，以及利用Python对数据库的操作、自建Python应用库的共享发布等。 《基于Python的大数据分析基础及实战》分3个部分：第1部分为基础知识，第2部分为实战案例，第3部分为拓展与延伸。本书内容丰富，讲解通俗易懂，非常适合本科生、研究生，以及对Python语言感兴趣或者想要使用Python语言进行数据分析的广大读者。

本书按照需求规划、需求实现、需求可视化的流程进行编排，遵循项目开发的实际流程，全面介绍了数据仓库的搭建过程。在整个数据仓库的搭建过程中，本书介绍了主要组件的安装部署过程、需求实现的具体思路、部分问题的解决方案等，并在其中穿插了许多与大数据和数据仓库相关的理论知识，包括大数据概论、数据仓库概论、电商业务概述、数据仓库理论准备、数据仓库建模等。 本书从逻辑上可以分为三部分：一是大数据与数据仓库概论及项目需求描述，主要介绍了数据仓库的概念、应用场景和搭建需求；二是项目部署的环境准备，介绍了如何从零开始搭建一个完整的数据仓库环境；三是需求模块实现，针对不同需求分模块进行实现，是本书的重点部分。 本书适合具有一定的编程基础并对大数据感兴趣的读者阅读。通过阅读本书，读者可以快速了解数据

全书分为：灵活的数据布局、应用感知及可视化存储智能、存储类芯片、储海钩沉、集群和多控制器、传统存储系统、新兴存储系统、大话光存储系统、体系结构、I/O协议栈及性能分析、存储软件、固态存储等，其中每章又有多个小节。每一个小节都是一个独立的课题。本书秉承作者一贯的写作风格，完全从读者角度来创作本书，语言优美深刻，包罗万象。另外，不仅阐释了存储技术，而且同时也加入了计算机系统技术和网格技术的一些解读，使读者大开眼界，茅塞顿开，激发读者的阅读兴趣。 本书适合存储领域所有从业人员阅读研习，同时可以作为《大话存储*版》的读者的延伸高新资源。

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。第1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、畅销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。

十三五 以来，中石油、中石化、万华化学、华谊化工、国家电网、宝武钢铁等国内流程行业领头者开展了数字化、智能化建设，加快数字化油田、智能炼厂、智慧电网、智慧炼钢等建设。信息化与自动化互相交织融合，积累了大量的工业数据，给以油田开发、石油石化、化工、钢铁、电力为代表的流程工业带来了新的挑战与机遇，也为其创新带来了新的技术能力。本书以大数据治理、大数据分析为主线，以油气开发、石油石化、化工、钢铁、电力为代表的流程工业大数据创新为分支，详细阐述了大数据分析在流程工业中的应用案例和今后的发展趋势。为广大的流程工业界研究人员、企业管理者、工程技术专家提供了一本不可多得的涵盖数字化转型、大数据分析的学习材料。

本书以LabVIEW 2017为基础，讲述LabVIEW图形化编程语言的原理，以及如何利用LabVIEW完成虚拟仪器设计。全书共15章，分为两篇，分别是基础知识篇（第1~13章）和实际应用篇（第14、15章）。第1章，综述虚拟仪器技术的构建思想和方法论。第2~7章，讲述LabVIEW图形化编程语言的基本原理以及编程方法，内容包括LabVIEW入门、基本数据类型、程序结构、复合数据类型、文件I/O、图形显示及其他技巧。第8~12章，阐述如何利用LabVIEW去控制仪器硬件以实现对被测信号的数据采集，内容包括选择专用的数据采集卡进行数据采集； 利用计算机自带的声卡实现数据采集； 利用摄像头完成图像采集； 仪器控制和控制单片机。第13章，讲述用LabVIEW实现仪器应用的若干算法和信号分析处理的相关知识。第14、15章，介绍利用LabVIEW完成有实际应用背景的两个虚拟仪器项目，分别是用LabVIEW构建函

面对小数据和大数据，数据分析师应该如何收集数据信息？传统的业务框架如何与统计学相关联？测量学扮演着什么角色？建模过程有哪些预分析技术和修正技术？建模工作完成后，如何解析？如何归因？如何预测？等等，这些数据分析能力构成了本书的分析框架。本书分为8章，小数据与大数据分析模式的动态切换贯穿全书，展示了数据分析案例的模块化分析思路。第1～3章为数据预分析部分，强调业务问题与统计问题的衔接；第4～6章为统计建模阶段，其中附有对行业案例和业务敏感度的训练、对统计和业务整合的审美建议，进而构造出一套具有灵活调校的数据分析模式。第7～8章解决的问题是，如何将晦涩难懂的统计解释转换成业务解释。由衷地希望本书能够成为数据运营人员与初中级数据分析师分析数据的行动指南。

Python 是一种面向对象的脚本语言，其代码简洁优美，类库丰富，开发效率也很高，得到越来越多开发者的喜爱，广泛应用于Web 开发、网络编程、爬虫开发、自动化运维、云计算、人工智能、科学计算等领域。预测技术在当今智能分析及其应用领域中发挥着重要作用，也是大数据时代的核心价值所在。随着AI 技术的进一步深化，预测技术将更好地支撑复杂场景下的预测需求，其商业价值不言而喻。基于Python 来做预测，不仅能够在业务上快速落地，还让代码维护更加方便。对预测原理的深度剖析和算法的细致解读，是本书的一大亮点。本书共分为3 篇。第1 篇介绍预测基础，主要包括预测概念理解、预测方法论、分析方法、特征技术、模型优化及评价，读者通过这部分内容的学习，可以掌握预测的基本步骤和方法思路。第2 篇介绍预测算法，该部分包含多元回归分析、

这是一部以实战为导向，能指导读者零基础掌握Flink并快速完成进阶的著作，从功能、原理、实战和调优等4个维度循序渐进地讲解了如何利用Flink进行分布式流式应用开发。作者是该领域的资深专家，现就职于第四范式，曾就职于明略数据。 全书一共10章，逻辑上可以分为三个部分： *部分（第1~2章） 主要介绍了Flink的核心概念、特性、应用场景、基本架构，开发环境的搭建和配置，以及源代码的编译。 第二部分（第3~9章） 详细讲解了Flink的编程范式，各种编程接口的功能、应用场景和使用方法，以及核心模块和组件的原理和使用。 第三部分（第10章） 重点讲解了Flink的监控和优化，参数调优，以及对反压、Checkpoint和内存的优化。

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。

《Python数据可视化之matplotlib精进》使用大量的matplotlib实用案例讲解Python数据可视化在各个应用方向上的实现方法。通过学习这些实用案例，读者可以更好地掌握Python数据可视化的高级技能。本书主要由图形、元素、交互、探索和拓展5部分组成，每部分的实用案例都有利于拓展matplotlib的应用视野，而且案例中的示例代码只涉及Python的基础知识。这样，在Python数据可视化的实践中，有利于读者将时间和精力放在系统掌握matplotlib知识和技能上面，全面提高对matplotlib的理解程度及应用水平。

本书讲述在流行的大数据分布式存储和计算平台Hadoop上设计实现数据仓库，将传统数据仓库建模与SQL开发的简单性与大数据技术相结合，快速、高效地建立可扩展的数据仓库及其应用系统。 本书内容包括数据仓库、Hadoop及其生态圈的相关概念，使用Sqoop从关系数据库全量或增量抽取数据，使用HIVE进行数据转换和装载处理，使用Oozie调度作业周期性执行，使用Impala进行快速联机数据分析，使用Hue将数据可视化，以及数据仓库中的渐变维（SCD）、代理键、角色扮演维度、层次维度、退化维度、无事实的事实表、迟到的事实、累积的度量等常见问题在Hadoop上的处理等。本书适合数据库管理员、大数据技术人员、Hadoop技术人员、数据仓库技术人员，也适合高等院校和培训机构相关专业的师生教学参考。

本书的主要内容包括网络数据的定义及相关指标、大规模网络中的链路预测、网络聚类分析、网络数据中的空间自回归模型、大规模网络数据中的模型估计方法、网络数据中的空间自回归模型的拓展及应用、网络中的空间自回归模型的其他研究方向等。本书关注大规模网络数据分析中的模型方法。除模型方法本身的理论拓展之外，在估计方法等方面会涉及大规模数据中的快速计算方法。由于网络分析本身的范围非常广泛，故本书涉及的内容仅局限于作者及团队研究工作中使用到的一部分。在本书的后，为了启发读者思路，对于部分已有网络研究进行了梳理。

内容简介 增强型分析是数据科学的未来，本书讲解了如何通过前沿的大数据技术和AI技术实现智能的数据分析和业务决策，即增强型分析。 本书的三位作者是来自德勤、前华为和前IBM的数据科学家，在大数据和AI领域至少都有10年以上的工作经验，他们将各自多年来在“构建数据挖掘模型，解决实际业务问题”方面积累的经验全部总结在了这本书中。 全书的内容由两条主线贯穿： 技术主线：一方面讲解了预测模型、序列分析、预测分析、Prescriptive分析等前沿数据处理技术，一方面讲解了CNN、RNN和GNN等前沿的AI技术如何为数据分析赋能。 业务主线：在数字化转型的大时代背景下，如何通过数据分析实现智慧营销、智慧风险管控，实现由初级的“主动营销”到“被动营销”，再到“全渠道协同营销”等营销手段的升级应用。 本书的重点聚焦在本质内容上，即数据处理

全书理论联系实际，全面讲述数据挖据理论、技术及应用的教材。研讨了数据挖掘的方方面面，从基础理论到复杂数据类型及其应用。不仅讨论传统的数据挖掘问题，而且介绍了高级数据类型，例如文本、时间序列、离散序列、空间数据、图数据和社会网络。本书由基础篇和进阶篇组成。基础篇对应原书的第1～11章，进阶篇对应原书的第12～20章。