SQL是使用*广泛的数据库语言，绝大多数重要的 DBMS 支持 SQL。本书由浅入深地讲解了SQL的基本概念和语法，涉及数据的排序、过滤和分组，以及表、视图、联结、子查询、游标、存储过程和触发器等内容，实例丰富，便于查阅。新版对书中的案例进行了全面的更新，并增加了章后挑战题，便于读者巩固所学知识。

《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。

《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

MySQL是世界上受欢迎的数据库管理系统之一。书中从介绍简单的数据检索开始，逐步深入一些复杂的内容，包括联结的使用、子查询、正则表达式和基于全文本的搜索、存储过程、游标、触发器、表约束，等等。通过重点突出的章节，条理清晰、系统而扼要地讲述了读者应该掌握的知识，使他们不经意间立刻功力大增。 《MySQL必知必会》注重实用性，操作性很强，适用于广大软件开发和数据库管理人员学习参考。

本书以 新工科 为指导思想，是安徽省高等学校 十三五 省级规划教材，安徽省 一流 教材建设项目教材；全书12章，分为数据库系统基础理论和应用方法，SQL Server 2012数据库管理系统的基本操作和应用开发技术，数据库新技术和新应用，数据库实验指导和课程设计等4部分内容；体系完整，内容新颖，结构清晰，别具特色，是新工科教材，适合应用型本科院校学生作为基础课程教材使用。

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一定基础的数据分析师，都能通过本书完善、加深对数据分析的认识。

《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。

环境与社会科学的数据多存在于地理空间之中，空间数据分析方法是分析挖掘地理空间数据信息和知识的有效手段。本书包括了空间探索性分析、空间统计学、机器学习和时空分析，以及空间分析软件包和案例数据等内容。本书介绍的各种方法和模型均附有真实案例和数据，以及软件和数据下载地址和操作步骤，读者可以按照书中描述重复这一过程，然后输入自己的数据迅速得到自己的计算结果。阅读本书只需要概率统计的基本知识即可。

《Python大数据分析与挖掘》是一本以大数据获取与分析为核心的教材，共分为4篇11章，循序渐进地引导读者深入学习Python在大数据领域的应用。第1篇为Python基础，全面介绍Python语言的基本特点和编程基础。第2篇为Python数据分析基础，主要内容包括NumPy、Pandas和Matplotlib数据分析工具包的使用，为数据分析与可视化奠定基础。第3篇为数据采集，介绍网络爬虫方法，包括静态网页和动态网页的爬取技术，使读者能够灵活获取网络数据。第篇为大数据分析实践，涵盖了数据探索性分析、机器学习以及自然语言处理等内容，并提供了丰富的实践案例。

伴随人类社会数字化进程的深入，数据正不断渗透于日常的生活、生产、分配、流通、消费等各个环节，对人类社会的影响日益凸显。数据已成为继土地、劳动力、资本、技术之后的第五大生产要素，对其他生产要素的整合能力也使其成为既有要素中最重要的和最难替代的关键要素，并成为值得重点讨论的时代性议题与理解数字时代的基本入手点。 对数据要素的理解涉及多学科、多视野，本书从与数据要素关系最密切的信息、权属、价值、安全、交易等五个维度出发，汇聚不同学科背景的既有文献，整合现有观点，对数据要素的多维特性进行探讨，以丰富人们对数据要素的认知，凝聚共识，澄清数字时代的发展与治理迷思，为未来的相关创新提供起点。

本书从大数据处理涉及的基础数学理论入手，围绕大数据研究涉及的基础数学知识，从线性代数、微积分、概率与统计、距离度量、优化问题及图论六大方面展开介绍，以夯实读者在大数据领域的理论基础。本书不仅介绍了基本的数学概念，而且通过具体例子介绍了其在大数据领域的实际应用，以提高本书的易读性。本书每章都附有相应的习题，以便读者能够进一步理解相应的知识点。

本书重点介绍Amos、Mplus 和SmartPLS 统计软件里的结构方程分析方法。包括结构方程模型路径图的构建与数据的收集，结构方程模型的识别、分析结果评价及修正，反映型指标、形成型指标与二阶段分析，调节效应分析、中介效应分析、多群体差异分析与潜在平均分析，以及结构方程模型高级的分析方法即贝叶斯检验、混合回归分析、潜在成长模型、MTMM 模型等内容。没有复杂的理论推导，而是结合作者自身的教学与科研实践，以数据为依托，深入浅出，使读者能在短时间内理解并掌握结构方程模型分析方法，进而应用到自己的研究实践中。

数据清洗是大数据领域不可缺少的环节，用来发现并纠正数据中可能存在的错误，针对数据审查过程中发现的错误值、缺失值、异常值、可疑数据，选用适当方法进行 清理 ，使 脏 数据变为 干净 数据。本书共分为8章：第1章主要介绍数据清洗的概念、任务和流程，数据标准化概念及数据仓库技术等；第2章主要介绍Windows和类UNIX操作系统下的数据常规格式、数据编码及数据类型转换等；第3章介绍ETL概念、数据清洗的技术路线、ETL工具及ETL子系统等；第4章介绍Excel、Kettle、OpenRefine、DataWrangler和Hawk的安装及使用等；第5章介绍Kettle下文本文件抽取、Web数据抽取、数据库数据抽取及增量数据抽取等；第6章介绍数据清洗步骤、数据检验、数据错误处理、数据质量评估及数据加载；第7章介绍网页结构，利用网络爬虫技术进行数据采集，利用JavaScript技术进行行为日志数据采集

本书稿兼具专业性、前沿性与可读性, 可作为广大从业者、研究者、投资者等的重要学习参考。书稿采用问答方式, 图文并茂, 围绕数据要素的科学内涵、政策法规、技术路径、流通交易、实践探索、国际比较和远景蓝图七个主要方面, 设置100个问题, 选取广大读者关心的、有实践指导性的数据要素相关经济、法律、技术、业界实践等前沿内容进行重点介绍与解读, 如“数据权属界定难在什么地方”“‘数据可用不可见, 使用可控可计量’如何通过技术实现”“《个人信息保护法》禁止的‘大数据杀熟’怎么判定”“数据应该如何估值与定价”“如何探索构建现代数据产权制度”, 等等, 助力广大读者理解数据要素、用好数据要素, 进而切实发挥数据要素价值。

针对交通运输物流领域的大数据环境特点，对大数据存储以及大数据分析方法进行分析研究，主要内容如下：大数据环境下交通运输物流领域数据资源存储、计算和资源调度管理、离线数据并行计算和在线数据实时计算等方法进行剖析，实现了实时热力分析、车货信息资源实时匹配、热点词分析、物流企业信用评价等典型的交通运输物流领域大数据应用。主要章节包括：绪 论；大数据分析平台软件技术基础架构；交通运输物流大数据的数据组织与描述；交通运输物流领域流式数据实时分析与应；交通运输物流领域离线数据并行计算与应用。

本书以数据库应用系统实现为线索，内容除数据库技术外，还涵盖系统分析、设计、开发和部署方法，并引入 互联网 思维和热点技术。全书以一个完整的 e学习 系统实际案例驱动，采用MySQL和ASP.NET为实验环境，帮助读者通过实际应用理解数据库应用系统的相关知识和开发方法，掌握实践技能，综合运用前沿信息技术实现领域创新应用。本书提供丰富的教学资源，可以登录华信教育资源网（www.hxedu.com.cn）免费获取相关资源包，也可以扫描书中的二维码获取相关资源或观看演示视频。本书通俗易懂、实例鲜活、技术先进，可作为各类高等学校数据库技术、信息系统设计的入门教材，或者作为计算机基础教育较高层次课程的教材，也可以作为数据库应用系统开发实践的技术参考书。

当下，大数据是一个热门的话题，很多领域的学者，从不同的角度进行了深入的讨论。本书从大数据的历史、内涵、哲学和技术四个角度，全面解析大数据，让读者对大数据有更深入的了解。 《品味大数据》共11章，大致分为4块：第1-3章主要漫谈了大数据的有趣的历史，包括数据的启蒙、信息载体的演变和数据管理的发展脉络。第4-6章主要聊聊大数据的内涵，包括大数据与哲学及第四科学范式的关联。第7-9张是大数据的杂谈，包括大数据的用途、可能面临的陷阱以及通过小故事对大数据进行一些烦死，第10-11章主要涉及大数据的技术，包括100余篇大数据论文的漫读及Hadoop的初级实战篇。 图书结构完整，行文幽默，并以图文并茂、通俗易懂的方式力图让读者心有余地品味大数据。图书援引了数以百计大家牛人的观点，或褒或贬，高手过招，精彩纷呈，是一

通过大数据手段搜集挖掘情报信息，已成为国际上专业情报领域的重要手段。本书选取网络舆论、社会事件、开源人物、用户行为、科技动态、视频图像、公共卫生等多个具有代表性的情报大数据领域，围绕大数据背景下情报的采集、存储、管理和分析等方面，从技术实现途径进行全方位详解，以帮助读者学习掌握在海量数据中提炼出髙价值情报的方法。 本书适合高等学校数据科学与大数据、计算机、软件工程、人工智能等本专科教学使用，也适合作为对情报大数据感兴趣的研究生、工程师和研究人员的学习资料。

中国大数据专家委员会刘鹏教授联合全国上百家高校从事一线教学科研任务的教师，一起编撰高级大数据人才培养从书。本书是丛书之一，其定位是大数据挖掘技术与应用。本书系统地介绍了数据挖掘算法理论与方法、工具和应用，包括经典数据挖掘算法，大数据环境下常用数据挖掘算法的优化，大数据新常态下催生的数据分析方法（如推荐系统、链接分析与网页排序、互联网信息抽取、日志挖掘与查询分析）、工具与应用。本书适合作为相关专业本科和研究生教材。高职高专学校也可以选用部分内容开展教学。本书也很适合作为大数据分析研发人员的自学书籍。

《大数据分析与挖掘》主要内容包括：第 1章绪论、第 2章数据特征分析与预处理、第3章关联规则挖掘、第4章分类算法、第5章聚类算法、第6章分布式大数据流挖掘、第7章 综合案例 基于华为技术与设备。本书可作为高等院校数据科学与大数据技术、计算机科学与技术等相关专业的本科生教材。

SQL Server 2016数据库案例教程（第2版）在设计上采用 大型案例，一案到底 的思路，以SQL Server 2016数据库管理系统为平台，选用 学生选课系统 为案例贯穿始终。全书以 学生选课系统 的数据库设计与管理为主线，详细介绍了SQL Server 2016中实现该系统数据库的应用与维护，主要内容包括数据库建模、数据库对象创建、数据查询、查询优化、面向数据库编程、模块化编程、数据库的高可靠性和安全性等。本书可以作为计算机、电子商务和信息管理等相关专业的教学用书，也可以作为相关领域的培训教材，适合各个层次的数据库学习人员和广大程序员阅读。

本书是国内绝大多数高校采用的知名教材《云计算》（1-3版）的姊妹篇，是中国大数据专家委员会刘鹏教授联合国内多位专家历时两年的心血之作。大数据领域一直缺乏一本权威教材，希望本书能够填补空白。本书系统地介绍了大数据的理论知识和实战应用，包括大数据采集与预处理、数据挖掘算法和工具和大数据可视化等，并深度剖析了大数据在互联网、商业和典型行业的应用。刘鹏教授创办的网站中国大数据（thebigdata.cn）、中国云计算（chinacloud.cn）和微信公众号刘鹏看未来（lpoutlook）将免费提供本书配套PPT和其他资料。本书配套的大数据实验体系已经在郑州大学等高校成功应用。

本书从Python数据分析的基础知识人手，结合大量的数据分析示例，系统地介绍数据分析与可视化方法，带领读者逐步掌握Python数据分析的相关知识，提高解决实际问题的能力。 本书共13章，主要内容包括数据分析与可视化概述、Python编程基础、NumPy数值计算基础、Pandas统计分析基础、Pandas数据载人与预处理、Matplotlib数据可视化基础、Seaborn可视化、pyecharts可视化、时间序列数据分析、SciPy科学计算、统计与机器学习、图像数据分析和综合案例实战等。 本书可作为高等院校数据科学与大数据、软件工程和计算机科学与技术等专业的教材，也可作为Python数据分析初学者和爱好者的参考书。