《问卷数据分析:破解SPSS软件的六类分析思路(第2版)》系统介绍了使用SPSS软件进行问卷数据分析的思路及方法,分为四部分,分别是问卷设计、六类问卷分析思路、数据分析方法在SPSS软件中的操作和答疑解惑。其中问卷设计部分适用于所有读者,建议读者在设计问卷前详细阅读这部分内容。读者可以结合实际情况选读六类问卷分析思路部分的内容。数据分析方法在SPSS软件中的操作部分详细讲解了各类数据分析方法在SPSS软件中的操作细节,并且对输出结果进行说明。答疑解惑部分罗列了使用各类分析方法时常见的疑难杂症,并且提供了解决方法。本书侧重于问卷分析的应用性,力求让读者在*短的时间内掌握使用SPSS软件分析问卷数据的方法并完成高质量的问卷数据分析报告。 使用SPSS软件分析调查问卷数据常见于各类学术研究、论文写作、企业市场调研和各类
《谁说菜鸟不会数据分析》(入门篇)是一本有趣的数据分析书!本书基于通用的Excel工具,加上必知必会的数据分析概念,以小说般通俗易懂的方式讲解。本书基于职场三人行来构建内容,完全按照数据分析工作的完整流程来讲解。全书共8章,依次讲解数据分析必知必会知识、数据分析的结构化思维、数据处理技巧、数据展现的技术、提升图表之美的专业化视角,以及专业分析报告的撰写方法等内容。本书有足够的魅力让你一口气读下去,在无形之中掌握数据分析的技能,提升职场竞争能力。本书能有效帮助职场新人提升职场竞争力,也能帮助市场营销、金融、财务、人力资源管理人员及产品经理解决实际问题,还能帮助从事咨询、研究、分析行业的人士及各级管理人士提高专业水平。
《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。
《问卷数据分析:破解SPSS软件的六类分析思路(第2版)》系统介绍了使用SPSS软件进行问卷数据分析的思路及方法,分为四部分,分别是问卷设计、六类问卷分析思路、数据分析方法在SPSS软件中的操作和答疑
《问卷数据分析:破解SPSS软件的六类分析思路(第2版)》系统介绍了使用SPSS软件进行问卷数据分析的思路及方法,分为四部分,分别是问卷设计、六类问卷分析思路、数据分析方法在SPSS软件中的操作和答疑
本书系统讲授数据挖掘的原理、主要方法及其Python实现,共分三部分: 部分包含 ~2章,介绍数据挖掘的基本概念、流程和数据预处理;第二部分包含第3~11章,介绍经典的分类算法(包括朴素贝叶斯分类器、决策树、k-近邻、支持向量机等)、经典的聚类分析、关联分析、人工神经网络和Web挖掘等方法;第三部包含 2~14章,共有3个综合案例,包括泰坦尼克号生存数据分析、心脏病预测分析和旅游评论倾向性分析。
本书采用了大量的精彩案例,突出Access 2010数据库管理系统软件的实践操作与实用技巧,能够让学习者循序渐进的学习Access 2010,真正做到教、学、做一体化。 全书共包括创建数据库、数据表的创建与维护、查询的创建与应用、窗体的创建与应用、报表的设计和宏6个项目、28个任务,并详细讲述了每个任务的实施步骤和相关的理论知识。每个项目的 提供了大量的实训内容和习题,供学习者思考和练习。 本书可以作为“Access数据库应用”课程的教材,也可以为初学者学习Access提供参考。
俞东进编著的《区域云计算和大数据产业发展(浙江样板)》一书,不但梳理了浙江省云计算、大数据产业发展的现状和趋势,提出了产业布局、发展路径和相关政策建议,而且深入探讨了云计算和大数据融合创新的发展思路、电子政务云平台构建、云服务企业认定、云服务绩效评估等影响云计算、大数据产业健康有序发展的若干关键问题及其机理。同时,该书围绕数据中心、智慧城市、商业智能、大数据视频和大数据安全等若干重要领域,介绍了浙江省云计算和大数据相关典型产品、服务和应用案例,数据详实,资料丰富。
李春葆、李石君、李筱驰编著的这本《数据仓库与数据挖掘实践》系统地介绍了数据仓库和数据挖掘技术,第1章到第3章介绍数据仓库的基本概念和相关技术,第4章到 1章介绍数据挖掘的基本概念和各种算法。内容包括数据仓库构建、OLAP技术、分类方法、聚类方法、关联分析、序列模式挖掘方法、回归和时序分析、粗糙集理论、文本挖掘、Web挖掘和空间数据挖掘方法等。 本书既注重原理,又注重实践,配有大量图表、示例和练习题,内容丰富,概念讲解清楚,表达严谨,逻辑性强。语言精练,可读性好。 本书既便于教师课堂讲授,又便于自学者阅读。适合作为高等院校高年级学生和研究生“数据仓库和数据挖掘”或“数据挖掘算法”课程的教材。