《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。
Power BI是微软推出的商业智能分析工具,它融合了数据准备、数据分析、数据可视化到报告协作分享的整个数据处理流程,帮助用户上手数据分析。 本书从实用的角度出发,结合作者本人的学习经验,从*基础的Power BI架构和操作界面开始,先通过一个小示例体验Power BI的强大和便捷,然后按照数据处理的流程和难易程度,分别介绍数据准备模块Power Query、数据建模以及Power BI数据分析语言DAX、可视化图表制作、丰富的交互方式和报表设计,*后用一个完整的分析示例带读者全面认识Power BI数据处理流程。 不论读者是学生、职场人士还是自由职业者,不论从事的领域是运营、财务、人力、管理还是电商,只要在平时的学习和工作中需要处理大量信息,分析各种数据,你就适合阅读本书学习Power BI,即使之前没有任何基础,它也可以帮你快速上手,提升自身竞争力。
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:第一部分包含第1~2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;第三部包含第12~14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。
在数据湖仓的所有新增要素中,排名的就是可以利于数据分析和机器学习所用的分析基础设施。分析基础设施包括一众大家广为熟悉的东西,当然也包括一些可能对大家还有些陌生或略带新鲜感的概念。比如包括:元数据、数据血缘、 数据体量的度量 、数据创建的历史记录、数据转换描述。 数据湖仓的第二个新增要素,是识别和使用通用连接器。通用连接器允许合并和比较所有不同来源的数据。如果没有通用连接器,就很难(实际上是几乎不可能)将数据湖仓中的不同数据关联起来。但有了这个中西,就可以关联任何类型的数据。 使用数据湖仓,就有可能实现以往任何其它方式都不可行或不可能实现的某种程度的数据分析和机器学习。 但与其它架构一样,我们需要理解数据湖仓的架构以及它的能力,以便于我们基于这种架构创建数据分析蓝图和开展数据分析规
本书是一本介绍Access 2013软件的实用工具书,全书共15章,主要包括数据库的基础知识、Access基础操作、Access高级操作、宏和VBA代码编程以及综合实战应用等内容。通过本书的学习,不仅能让读者学会和掌握Access软件的基本操作,还可以通过书中的实战案例学会举一反三,在实际工作中运用自如,有效提高工作效率。本书主要定位于希望快速掌握用Access 2013制作和设计数据库的初、中级用户,适合不同年龄段的办公人员、文秘、财务人员、后勤人员和国家公务员学习使用。此外,本书也可作为各大中专院校及电脑培训班的办公软件方面的教材。
本书结合大量实例,系统讲解了电商经营中涉及的各种数据及其分析方法,能让读者快速学会如何做电商数据分析,并能利用数据分析结果指导网店经营。 本书共8 章,内容包括电商数据分析的基础知识、行业数据分析、产品数据分析、店铺数据化运营、客户数据分析、竞争对手数据分析、库存数据分析、财务数据分析。 本书内容全面、案例丰富,具有很强的可读性和实用性,不仅适合从事电商相关工作的读者阅读,还适合作为高等学校相关专业和培训机构的教材。
(1)概念篇:介绍当前紧密关联的*IT领域技术云计算、大数据和物联网。(2)大数据存储与管理篇:介绍分布式数据存储的概念、原理和技术,包括HDFS、HBase、NoSQL数据库、云数据库。(3)大数据处理与分析篇:介绍MapReduce分布式编程框架、基于内存的分布式计算框架Spark、图计算、流计算、数据可视化。(4)大数据应用篇:介绍基于大数据技术的推荐系统。
随着大数据的蓬勃发展,不少机构开始将源源不断的数据流导入到一个叫 数据湖 的设备中去。数据湖架构 是 数据仓库 之父撰写的全新著作,是帮助读者认识数据湖架构,并把数据湖打造成公司资产的指导手册。数据湖架构 共15章,分别涉及数据湖简介、数据池据湖内部结构、数据池及其结构、各种类型的数据池等技术话题,目的在于讲解如何构建有用的数据湖,以便数据科学家和数据分析师能够解决商业挑战并找出新的商业机会。数据湖架构 适合数据管理者、学生、系统开发人员、架构师、程序员以及zui终用户阅读。
本书介绍了数据工程的基本概念和理论基础,围绕数据资源建设的规划和管理问题,介绍数据资源规划和管理的概念、特征、作用和功能,系统介绍了数据资源规划理论的发展过程、核心思想基础、主流方法体系和具体实施步骤,以及数据资源管理涉及的治理、质量、集成等理论知识、支撑平台、关键技术和主流工具。本书内容划分为数据工程基础篇、数据资源规划篇、数据资源管理篇三个部分,其中数据工程基础篇涵盖数据工程概述、数据标准、数据模型等内容,数据资源规划篇涵盖数据资源规划理论、规划方法、需求分析、模型构建、实践与工具等内容,数据资源管理篇涵盖数据治理、数据质量管理、数据集成、数据中台等内容。 本书既可以作为高等院校信息管理与信息系统、信息资源管理、大数据工程以及计算机信息管理等专业本科生的教材,还
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。
本书从人力资源管理的战略转型谈起,使大家进一步理解和把握人力资源发展的趋势,进而提出什么是人力资源大数据,如何在海量数据中挖掘出有用的数据,如何将大数据、人工智能与企业人力资源管理实践有机结合,如何在企业内部建立人力资源大数据分析模型和分析平台,如何形成企业人力资源报表体系和指标体系,从科学到实践、从理念到案例,深入浅出地给出了详尽的答案。为eHR、HRD、HRVP及企业CEO等高管进行人力资源大数据分析提供模型、技术方法及可借鉴的典型应用场景,为数据分析师进入人力资源领域提供了人力资源前沿理论及实践,为所有人力资源管理者及爱好者提供了崭新的理念、可操作性的技术方法及典型案例。
大数据管理与应用主要以信息科学、计算机科学和管理科学等学科为理论基础,其研究内容包括大数据科学基础理论、大数据预处理、大数据计算、大数据管理和分析等。本书力图通过对大数据科学相关数据管理方面内容的综合介绍,面向大数据时代的电子商务智能数据计算领域,从大数据采集、大数据预处理、大数据存储与计算、多源异构大数据分析、大数据知识融合技术和大数据的应用管理等方面说明大数据管理与应用的主要研究内容和应用方向。
本书内容充实条理,结构严谨,循序渐进有层次的进行讲解,对SQLServer进行了全方位的介绍。书中所列举案例的选择均突出知识点的实际应用性,并配合有 TIPS 技巧讲解,让读者真正掌握SQLServer。 本书共15章,主要介绍了初识数据库系统、SQLServer2012入门、数据库的创建和管理、数据表的创建与管理、数据查询、视图、索引、T-SQL编程基础、存储过程、触发器、游标、数据备份与恢复、数据库安全管理、进销存管理系统等。
《管理科学与工程经典译丛:现代数据库管理(第10版)》是一本数据库管理初级课程的教材。通过多年的市场反馈以及作者自身的教学实践,书中方法得到逐步优化,以一种便于学生阅读的形式展现相关内容。《管理科学与工程经典译丛:现代数据库管理(第10版)》的组织形式很灵活,可以根据学生的学习习惯任意组织相关章节。随书补充了数据集以方便学生动手实践,并补充了新的媒体资源,使一些更具挑战性的话题更有趣。
数据挖掘具有广阔的应用领域和发展前景。SPSS Modeler因界面友好且操作简捷,成为公认的数据挖掘实战的*软件。 基于多年的教学和科研经验,作者深知数据挖掘理论和软件操作相结合的重要性,努力在本书中突出以下特点: 以数据挖掘过程为线索讲解Modeler软件操作。本书以数据挖掘实践过程为主线,从Modeler数据管理入手,说明问题由浅入深,讲解方法从易到难,旨在使读者在较短时间内掌握Modeler的基本功能和一般方法,并迅速运用到数据挖掘实战中。 数据挖掘理论的讲解通俗易懂,避免数学公式的罗列。本书对Modeler中的经典数据挖掘算法娓娓道来,旨在使读者知其然更知其所以然,加深对数据挖掘分析结论的理解和应用。 将数据挖掘方法、软件操作、案例分析有机结合。本书在论述数据挖掘方法核心思想和基本原理的同时,配合案例数
本书以项目为基础,全面介绍如何将云计算应用于数据分析,内容涵盖大数据和机器学习。首先讨论异步技术并介绍云计算基础知识以及虚拟化、容器化和弹性化,然后讨论分布式计算、无服务器ETL技术和可管理的机器学习系统,还展示了数据科学案例研究,作者还分享了一些见解以及对职业化规划的建议。本书包含大量的实践作业,使用了丰富的资源,包括Python在云平台(谷歌、AWS、Azure)上的交互式实验室。