本书由一线数据分析师精心编写，通过大量案例介绍了数据分析工作中常用的数据分析方法与工具。本书包括5章内容，分别是数据分析入门、数据分析 从玩转Excel开始、海量数据管理 拿MySQL说事儿、数据可视化 Tableau的使用、数据分析进阶 Python数据分析。本书通俗易懂、通过大量贴近企业真实场景的案例，帮助读者在提高数据处理技能的同时加深对数据分析思维的理解。 本书适合有志于从事数据分析工作或已从事初级数据分析工作的人士自学，也可作为产品经理、运营人员、市场人员、对数据分析感兴趣的企业高管以及创业者的参考用书。
随着TheDataWarehouseToolkit（1996）第1版的出版发行，RalphKimball为整个行业引入了维度建模技术。从此，维度建模成为一种被广泛接受的表达数据仓库和商业智能（DW/BI）系统中数据的方法。该经典书籍被认为是维度建模技术、模式和实践的资源。 该书汇集了到目前为止全面的维度建模技术。 该书采用新的思路和实践对上一版本进行了全面修订，给出了设计维度模型的全面指南，既适合数据仓库新手，也适合经验丰富的专业人员。 该书涉及的所有技术都基于作者实际从事DW/BI的设计经验，通过实际案例加以描述。 该书主要内容： 实用设计技术 有关维度和事实表的基本和高级技术。 14个案例研究，涉及零售业、电子商务、客户关系管理、采购、库存、订单管理、会计、人力资源、金融服务、医疗卫生、保险、教育、电信和运输等。
作为一本 Power Query 初级入门读本，《Power Query 智能化数据汇总与分析》不深入介绍 M 函数，而是结合大量的实际案例，利用 Power Query 可视化的操作向导，来解决实际工作中烦琐的数据整理、汇总和分析问题，让读者在短时间内，能够对 Power Query 有一个较为全面的了解和掌握，并能迅速提升数据处理和统计分析效率。 《Power Query 智能化数据汇总与分析》适合具有 Excel 基础知识并经常处理大量数据的各类人员阅读，也可作为大专院校经济类本科生、研究生和 MBA 学员的教材或参考书。
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。
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。
内容介绍 本书从业务、数据、运营3个维度为电商的经营和决策提供了科学的方法论，是一部电商运营真经，真正做到了“业务中有数据，数据中有运营”。作者是资深的电商行业专家，从事电商数据分析与数据化运营10余年，本书是他在多个知名电商品牌操盘多个千万级项目的经验总结。 为了增强本书的趣味性和读者的角色代入感，本书采用了纪实和叙事的写作手法，书中虚拟了3个核心人物： ?Alex：临危受命、勇挑重担、运筹帷幄的BI部门经理（资深数据分析师）。 ?叶子：有电商行业从业经验但是不懂数据分析的业务员。 ?大白：从其他行业转型到电商行业的数据分析师。 全书有两条主线： ?暗线：叶子和大白在Alex的指导和帮助下成长为“精业务、精数据、精运营”的“三精”数据分析师的经历，这对数据分析师的职业规划和成长有重要借鉴意义。 ?明线：Alex将
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。 第一部分（第1～3章） 第1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
《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。
大数据时代，对数据进行统计、分析和学习变得尤为重要，并被应用在各方各面，如无人驾驶汽车、AlphaGo、机器学习和人工智能等，而统计思维也成为大数据时代的基本思维。不仅这些高科技以统计学为基础理论，大数据时代的每个人都应该懂点统计学，学会读懂并分析数据，学会让数据说话，让数据为自己服务。《大数据时代的统计学思维：让你从众多数据中找到真相》就是大数据时代统计学思维的科普书籍，全书共10章，第1章用几个有趣好玩的例子引导读者进入统计学的世界，并调动读者学习统计学的兴趣。第2~10章结合生活和工作中的例子全面介绍统计学原理和方法，涵盖统计学中的数据收集、数据处理和统计推断等内容，既有抽样调查、概率、相关性分析、回归分析等实用统计方法，也有大数定律和中心极限定理等基本统计学原理。用实例引导理论，通俗
部分（第1～4章）为基础和背景部分，主要介绍数据分析挖掘和数据化运营的相关背景、数据化运营中“协调配合”的本质，以及实践中常见分析项目类型的介绍。第二部分（第6～13章）是数据分析挖掘中的具体技巧和案例分享部分，主要介绍实践中常见的分析挖掘技术的实用技巧，并对大量的实践案例进行了全程分享展示。第三部分（第5章，第14～19章）是有关数据分析师的责任、意识、思维的培养和提升的总结和探索，以及一些有效的项目质控制度和经典的方法论介绍。
本书分12章重点阐述了数据管理的重要性，数据管理面临的挑战，DAMA的数据管理原则，数据伦理，数据治理，数据生命周期管理的规划及设计，数据赋能和数据维护，使用和增强数据，数据保护、隐私、安全和风险管理，元数据管理，数据质量管理，以及现在应该怎么办，能够帮助企业管理层在了解和执行数据管理的过程中不致迷失在技术术语的迷宫之中。本书可供非数据专业人士、企业管理者、数据行业研究者等读者学习和参考。
nbsp nbsp《Power BI 商业数据分析完全自学教程》是一本系统地讲解利用 Power BI 软件进行商业数据智能分析的自学宝典。《Power BI商业数据分析完全自学教程》以 完全精通 Power BI 为出发点，以 用好 Power BI 为目标来安排内容，全书共 5 篇，分为 14 章，循序渐进地介绍了 Power BI 的基本操作、数据导入、数据整理、数据建模、数据可视化分析、数据发布等相关技能。 第 1 篇为基础入门篇（第 1 章 ~ 第 3 章），主要针对初学者，从零开始，系统且全面地讲解了 Power BI 的入门知识点、基本操作及数据的输入和连接操作。 第 2 篇为数据处理篇（第 4 章 ~ 第 6 章），介绍了 Power BI 数据的整理操作、表格中行 / 列数据的管理，以及 Power BI 数据的高级处理、M 函数的使用等。 第 3 篇为数据分析篇（第 7 章 ~ 第 9 章），介绍了 Power BI 数据的建模操作及 DAX 语言的入门和进阶操作等。
《Python数据分析与大数据处理从入门到精通》主要讲解数据分析与大数据处理所需的技术、基础设施、核心概念、实施流程。从编程语言准备、数据采集与清洗、数据分析与可视化，到大型数据的分布式存储与分布式计算，贯穿了整个大数据项目开发流程。本书轻理论、重实践，目的是让读者快速上手。1篇首先介绍了Python的基本语法、面向对象开发、模块化设计等，掌握Python的编程方式。然后介绍了多线程、多进程及其相互间的通信，让读者对分布式程序有个基本的认识。第2篇介绍了网络数据采集、数据清洗、数据存储等技术。第3篇介绍了Python常用的数据分析工具，扩展了更多的数据清洗、插值方法，为*终的数据可视化奠定基础。第4篇是大数据分析的重点。首先介绍了Hadoop的框架原理、调度原理，MapReduce原理与编程模型、环境搭建，接着介绍了Spark框架原
这是一部教你如何从0到1架构与实现一个企业级大数据平台的著作，是作者在大数据和系统架构领域超过20000小时的经验总结。作者从横向视角出发，手把手教你如何拉通Hadoop体系技术栈，以此搭建一个真实可用、安全可靠的大数据平台。通过阅读本书，一定能从本书的内容中找到灵感和思路来应对实际工作中面对的问题。
Origin是国际科技出版界公认的标准作图软件，它功能强大、操作简单，被科研人员、工程技术人员、高校师生等广泛使用。Origin软件不仅具有强大的数据可视化功能，还具有统计分析、信号处理、函数拟合、峰值分析等功能，且支持多种格式的数据导入和导出。 本书基于Origin 2021和Origin 2022版本进行案例讲解，旨在帮助读者快速入门，并掌握Origin软件的使用技巧。本书由浅入深地讲解了Origin软件的功能和相关案例，涉及基础2D图、等高线图、3D图以及专业图的绘制，也涵盖了数学运算、拟合分析、信号处理、多峰分析等主题。 本书适用于Origin软件的初学者和希望提高科技绘图及数据分析处理能力的读者，尤其适用于大中专院校的师生以及广大科研工作者。
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
刘振华著的《电商数据分析与数据化运营》从业务、数据、运营3个维度为电商的经营和决策提供了科学的方法论，是一部电商运营真经，真正做到了“业务中有数据，数据中有运营”。作者是资深的电商行业专家，从事商数据分析与数据化运营10余年，本书是他在多个知名电商品牌操盘多个千万级项目的经验总结。 为了增强本书的趣味性和读者的角色代入感，本书采用了纪实和叙事的写作手法，书中虚拟了3个核心人物： Alex：临危受命、勇挑重担、运筹帷幄的BI部门经理（资深数据分析师）。 叶子：有电商行业从业经验但是不懂数据分析的业务员。 大白：从其他行业转型到电商行业的数据分析师。 全书有两条主线： 暗线：叶子和大白在Alex的指导和帮助下成长为“精业务、精数据、精运营”的“三精”数据分析师的经历，这对数据分析师的职业
手机是人们的电子设备，手机上的各种应用程序可以帮助人们更好地生活和工作。其中，大部分应用程序都是通过网络传输各种数据，以实现各种功能。为了了解这些应用程序的工作状态，需要抓取传输的网络数据，然后通过分析数据，了解应用程序的工作模式，防范恶意程序，保护用户信息。本书共7章，主要内容包括抓包基础知识、手机直接抓包、模拟器抓包、外部抓包、基础数据分析、HTTP/HTTPS数据抓包和分析、数据快速分析。本书适合手机应用开发人员、渗透测试人员、网络维护人员和信息安全爱好者阅读。通过本书的学习，可以帮助读者了解和掌握手机数据抓包的各种方式，熟悉手机应用常用的网络协议，并掌握对应数据的分析方式，从而保障手机信息安全。
《经济学人》杂志年度推荐的三大可视化图书之一 《大数据》作者、《经济学人》大数据主编肯尼思·库克耶倾情推荐，称赞其为“关于数据呈现的思考和方式的颠覆之作” 亚马逊数据和信息可视化类图书排名第3位 畅销书《鲜活的数据》作者近期新力作及姐妹篇 第一本系统讲述数据可视化过程的的普及图书 这是一本教我们如何制作完美可视化图表，挖掘大数据背后意义的书。作者认为，可视化是一种媒介，向我们揭示了数据背后的故事。他循序渐进、深入浅出地道出了数据可视化的步骤和思想。本书让我们知道了如何理解数据可视化，如何探索数据的模式和寻找数据间的关联，如何选择适合自己的数据和目的的可视化方式，有哪些我们可以利用的可视化工具以及这些工具各有怎样的利弊。 作者给我们提供了丰富的可视化信息以及查看、探索数据的多元视角
这是一本跟数据科学和数据科学家有关的“手册”，它还包含传统统计学、编程或计算机科学教科书中所没有的信息。 本书有3个组成部分：一是多层次地讨论数据科学是什么，以及数据科学涉及哪些其他学科；二是数据科学的技术应用层面，包括教程和案例研究；三是给正在从业和有抱负的数据科学家介绍一些职业资源。本书中有很多职业和培训相关资源（如数据集、网络爬虫源代码、数据视频和如何编写API），所以借助本书，你现在就可以开始数据科学实践，并快速地提升你的职业水平。
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
数据挖掘是现代企业从数据中提取有用信息、获取竞争优势的重要方法。针对数据科学的这一商业应用，本书进行了深入解读，不仅详细介绍了数据挖掘的环节、常用分析技术和基本模型，还提供了数据科学解决方案的提案示例和评估指南。同时，为了便于读者理解，本书不仅分析了大量商业示例，在业务情景下阐释数据挖掘的基本概念和原理，还使用大量图表辅助解释数学细节。因此，读者无需专业数学背景即可阅读本书。
