《华为数据之道》 《华为数据之道》 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优选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（～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

本书以数据要素化治理的理论方法与工程实践为主线，内容按照概念篇、原理篇和工程篇依次展开。概念篇在对数据、数据要素相关概念及其演进过程进行系统梳理的基础上，首次对“数据要素”“数据要素化”进行了明确定义，并基于传统生产要素市场化配置规律，提出数据要素化治理的基本思路。在原理篇，定义了数据元件作为连接数据供需两端的“中间态”和数据要素交易流通的标的物，进而构建基于数据元件的数据要素流通模型、数据要素化安全模型以及数据要素化治理系统模型。在工程篇，详细阐述了制度体系、技术体系和市场体系“三位一体”的解决方案，并进行实践案例剖析，验证数据要素化治理模型及三大体系的可行性、有效性及可复制性。

阅读本书可以学习使用Python对数据集进行操作、处理、清洗和规整。第3版针对Python3.10和pandas1.4进行了更新，并通过实操讲解和实际案例向读者展示了如何高效地解决一系列数据分析问题。读者将在阅读过程中学习新版本的pandas、NumPy、IPython和Jupyter。 本书作者Wes McKinney是Python pandas项目的创始人。本书对Python数据科学工具的介绍既贴近实战又内容新颗，非常适合刚开始学习Python的数据分析师或刚开始学习数据科学和科学计算的Python程序员阅读。读者可以从GitHub获取数据文件和相关资料。 学完本书，你将能够： ·使用Jupyter notebook和IPython shell进行探索性计算。 ·掌握NumPy的基础功能和高级功能。 ·掌握pandas库中的数据分析工具。 ·使用灵活的工具对数据进行加载、清洗、转换、合并和重塑。 ·使用matplotlib进行信息可视化。 ·使用pandas的groupBy功能对数据集进行切片、切

本书是一部通过提供一套易于遵守及操作的方法论来实现高质量数据管理的实践指南。内容全面、详细，并有许多实用的建议和模板，第1版推出后，已成为全球信息质量实践者的推荐书籍，甚至已成为美国阿肯色大学信息质量研究生项目的教科书。 本书共7章，内容包括数据质量和依赖于数据的世界、数据质量实践、关键概念、十步法流程、设计项目结构、其他技巧和工具，以及写在最后的话。 作者将信息质量的概念框架与改善信息质量的技术、工具、操作指南相结合，提出并详细描述了获取高质量数据和可信信息的十步法。作为本书的近期新改版，作者进一步阐明并更新了流程步骤和支持模板，整合了一些有价值的示例和案例，说明了近些年技术和数据生产的演变。 本书内容丰富，理论和实践相结合，易读性和可操作性强，可以作为数据质量管理的入门和进阶

全书共9章，分为三部分。第一部分(第1~3章)讲解存储引擎的全貌，涉及存储引擎中高频使用的数据结构、存储介质等，为深入学习后面的内容做铺垫。第二部分(第4~6章)介绍基于B+树的存储引擎，重点介绍为什么选择B+树作为存储引擎索引结构、B+树存储引擎解决哪些问题以及如何解决，并以BoltDB存储引擎项目为例来讲解核心原理与实现细节。第三部分(第7~9章)介绍基于LSM派系的存储引擎，重点介绍LSM Tree中各组件的功能及作用，最后剖析了LevelDB项目的核心原理与实现细节。

本书源于实践，针对数据资产化的现状、问题进行深入分析，提出构建数据资产评估生态、创建数据资产评估生态圈的理念，以实现数据资产评估全流程可信、可监控、可追溯的目标。同时，本书着重介绍了数据资产评估生态的构建，涉及数据资产行业监管类机构、数据资产评估类机构、数据资产服务类机构及数据资产评估联盟，并详细介绍了各机构权责，使数据资产评估变得切实可行。本书主要面向数据资产评估产业的机构和相关人员，包括经营决策者、技术架构设计人员及各类科研单位研究人员等，同时也可供数据资产评估工作者及相关研究人员使用或参考。

为什么花更少的钱买更偏远的房子不一定划算？ 为什么得分最多的运动员不一定是好运动员？ 为什么癌症发病率上升竟可能是一件好事？ 泰勒主义、绩效管理、科学管理、关键绩效指标等理论都建立在同一个假设之上：如果你考核员工并提供激励，你就会得到理想的结果。但事实真的是这样吗？ 我们使用衡量指标来了解世界上许多重要的事：教育和医疗系统是否高效，一个国家是否比另一个国家更富裕，哪个城市的生活质量更高……在这本书中，作者分享了许多选用错误的衡量指标，进而带来糟糕结果的案例，展示了衡量指标如何影响教育、医疗、商业，甚至城市发展。 为什么人们总是测量错误的数据，而忽视重要的指标设定？这本启发性的书提醒我们，并非所有重要的东西都计算得清楚，也并非所有计算得清楚的东西都重要。被各种量化指标裹挟的我们，要

本书介绍了数据工程生命周期，并展示如何组合运用各种云技术来满足下游数据消费者的需求。本书分为三部分：第一部分介绍了数据工程的定义、数据工程的生命周期、合理的架构设计和帮助技术选型的框架；第二部分深入介绍了数据工程生命周期的每个阶段——数据生成、存储、获取、转换和服务；第三部分讨论了数据工程的重要部分——安全和隐私。附录还介绍了与处理数据文件和评估数据系统的性能有关的序列化和压缩，以及云网络。本书适合软件工程师、数据科学家、数据工程师和数据分析师等相关技术人员阅读。

本书从数据分析入门、常用研究方法应用、数据综合评价及预测、问卷数据分析和医学数据分析等五个方面系统地介绍科研数据的分析方法，涉及13项知识类应用（如影响关系、权重关系、数据预测、问卷研究），本书强调以实际应用为主，每个知识点均通过通俗的文字表达，并附以案例及软件操作界面进行详细解读，可用于数据分析、实证研究和学术写作等，适合高等院校本科生、研究生，以及行业研究者学习和使用，也适合从事科研分析培训、数据分析咨询的相关工作者参考。

本书全面系统地介绍了数据编织的核心概念、设计原则、关键技术、面临的挑战及未来发展趋势，并结合实际案例，探讨了数据编织在行业领域的应用，为读者提供全面的数据管理和知识发现的全新解决方案。 本书可供数据管理和工程师、数据科学家、T和业务领导者，以及对数据编织感兴趣的专业人员阅读参考。

本书定位为NVIDIA BlueField DPU和NVIDA DOCA的入门学习参考，内容涵盖DPU的简介、技术优势及未来技术发展路径，包括NVIDIA BlueField DPU在结构通用化、功能多样化、应用广泛化和场景丰富化方面的前景展望，NVIDA DOCA软件框架开发环境配置，以及基于NVIDIA BlueField DPU利用NVIDA DOCA软件框架的应用程序开发实践案例。读者可以通过本书对DPU硬件架构与软件开发有一个整体了解，学习如何启用NVIDIA BlueField DPU以及搭建NVIDIA DOCA软件开发环境，并通过深入了解NVIDIA DOCA应用程序开发用例来掌握如何实现软件定义、硬件加速数据中心基础设施的应用程序或服务，并据此开启自己的开发之旅。

《DAMA数据管理知识体系指南（原书第2版）》是DAMA国际（DAMA International）组织专家对过去30多年数据管理领域知识和实践的总结，是一部综合了数据管理方方面面具有权威性的基础工具书。本书从数据治理、数据架构、数据质量、数据安全、主数据管理、参考数据管理、元数据管理、商务智能和数据参考管理、数据建模设计、数据存储和操作、数据集成和互操作、文档和内容管理、大数据、数据管理人员的道德要求等方面介绍了数据管理的知识体系。DMBOK已经成为数据管理领域的“圣经”，是指导个人知识体系完善和企业数据管理能力建设的重要文献。本书适合各种组织负责信息化和数字化转型的领导（如CIO、CDO），从事数据管理的各种技术及业务人员，工作中涉及数据的会计、法律、咨询、教育、政务等领域的人士阅读。同时，也可作为高校MBA和计算机专业教学用

理解数据最有力的工具是良好的对话。现实中，如果数据分析师和管理者使用不同语言，拥有接近不同的观点，或者对彼此的方法和约束条件缺乏了解，那么双方将难以就数据达成共识。 本书旨在帮助读者建立一种称为数据流利度的技能，掌握一系列有效的数据分析交流技巧，使其能够清晰、准确地表达数据的含义并挖掘数据潜在的价值。 本书通过理解数据和数据交流两大模块，详细介绍有关数据概念、数据处理、数据建模以及数据展示等技能知识，在各章中以数据对话的形式将读者带入实际情境中，并辅以大量的图、表和数据以及相应的总结，以更加形象地帮助读者清晰地讨论数据。本书还关注如何有效地将数据结果传达给其他专业或非专业技术人员，以便更好地与他人分享和探讨数据。

《企业级数据架构:核心要素、架构模型、数据管理与平台搭建》由李杨著

本书通过大量的绘图和详细的说明，从技术层面以简单易懂的形式讲述大数据分析。这是一本从系统结构搭建到实际开发逐步推进的教科书。书中的知识点包括大数据分析时所需的分布式处理、机器学习，以及分布式存储、分布式计算、开发时可能遇到的瓶颈，还包括大数据的收集、积累、活用以及元数据的使用与管理等。本书适合大数据领域的广大爱好者、商务人士和工程技术人员用于了解、学习、掌握、运用大数据技术进行大数据分析，也适合作为该领域的职业院校和高校本科相关专业的教材及研究生辅助教材。

本书是目前有关数据挖掘在数据化运营实践领域比较全面和系统的著作，也是诸多数据挖掘书籍中为数不多的穿插大量真实的实践应用案例和场景的著作，更是创造性地针对数据化运营中不同分析挖掘课题类型，推出一一对应的分析思路集锦和相应的分析技巧集成，为读者提供“菜单化”实战锦囊的著作。作者结合自己数据化运营实践中大量的项目经验，用通俗易懂的“非技术”语言和大量活泼生动的案例，围绕数据分析挖掘中的思路、方法、技巧与应用，多方面整理、总结、分享，帮助读者深刻领会和掌握“以业务为核心，以思路为重点，以分析技术为辅佐”的数据挖掘实践应用宝典。 全书共19章，分为三个部分：基础篇（靠前～4章）系统介绍了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”的核心，以及实践中常见分析项目类型；实战篇（

数据是组织的重要资产，做好数据管理是盘活数据资源，释放数据价值的有效手段。本书以数据管理为主题，分为背景篇、标准篇、贯标篇、评估篇和政策篇五个篇章，首先梳理了数据管理的概念、背景和发展历程，为读者建立对数据管理的总体认识；其次详细解读国家标准――数据管理能力成熟度评估模型（以下简称DCMM），帮助读者深入理解DCMM标准及其内涵，掌握开展数据管理活动所需的理论知识，指导读者应用DCMM标准构建数据管理体系，并开展数据管理贯标评估活动。

本书以SPSS 28.0为平台，由浅入深地全面讲解SPSS软件的相关知识，通过图文并茂的方式讲解各项操作，清晰、直观、易学易用。 全书分为三部分共11章，详细介绍SPSS在社会科学调查、心理学、教育学、农业领域、经济领域、医学、市场营销、管理科学、房地产、生物学、环境保护、物流等领域的应用，涉及了数据编辑与整理、基本统计分析、参数估计与假设检验、非参数检验、方差分析、相关分析、回归分析、聚类分析、判别分析、因子分析、对应分析、信度分析、生存分析、时间序列分析等综合应用案例。本书涉及面广，涵盖了一般用户需要使用的各种功能，全书按逻辑顺序编排，自始至终结合实例进行描述，内容完整且每章相对独立，是一本详尽实用的SPSS学习用书。 本书适合高等院校统计分析专业的学生、科研人员、SPSS用户，以及希望从事SPSS软件技术相关工

7大数据陷阱的干货总结与避坑锦囊，教会数据工作者如何在数据陷阱中迅速恢复，避免踩雷。 数据陷阱无处不在，任何处理过数据的人都会在不知不觉中多次陷入其中。我们大多数人都还没有学会如何使用现代工具和所掌握的数据类型，从而导致了一些本可以轻易避免的常见的错误。 在本书中，作者为我们展示了以下七种在数据处理过程中常见的数据陷阱： 陷阱 1：认知误差——我们如何看待数据； 陷阱 2：技术陷阱——我们如何对数据进行处理； 陷阱 3：数学失误——我们如何对数据进行计算； 陷阱 4：统计疏忽——我们如何对数据进行比较； 陷阱 5：分析偏差——我们如何对数据进行分析； 陷阱 6：绘图乌龙——我们如何对数据进行可视化； 陷阱 7：设计风险——我们如何对数据进行修饰。 同时也向我们展示了这些数据陷阱是如何产生、如何变得如此常见的

本书全面系统地介绍了数据编织的核心概念、设计原则、关键技术、面临的挑战及未来发展趋势，并结合实际案例，探讨了数据编织在行业领域的应用，为读者提供全面的数据管理和知识发现的全新解决方案。 本书可供数据管理和工程师、数据科学家、T和业务领导者，以及对数据编织感兴趣的专业人员阅读参考。

阅读本书可以学习使用Python对数据集进行操作、处理、清洗和规整。第3版针对Python3.10和pandas1.4进行了更新，并通过实操讲解和实际案例向读者展示了如何高效地解决一系列数据分析问题。读者将在阅读过程中学习新版本的pandas、NumPy、IPython和Jupyter。 本书作者Wes McKinney是Python pandas项目的创始人。本书对Python数据科学工具的介绍既贴近实战又内容新颗，非常适合刚开始学习Python的数据分析师或刚开始学习数据科学和科学计算的Python程序员阅读。读者可以从GitHub获取数据文件和相关资料。 学完本书，你将能够： ·使用Jupyter notebook和IPython shell进行探索性计算。 ·掌握NumPy的基础功能和高级功能。 ·掌握pandas库中的数据分析工具。 ·使用灵活的工具对数据进行加载、清洗、转换、合并和重塑。 ·使用matplotlib进行信息可视化。 ·使用pandas的groupBy功能对数据集进行切片、切

本书系统全面地讲解Streamlit的核心概念、实例项目应用和很好实践。通过案例带领读者从零开始逐步掌握Streamlit的基础知识和高级技能。读者将学会如何使用Streamlit实现数据可视化、添加交互组件，以及如何构建出炫酷的Web应用。 本书分为两篇共10章，基础篇（第1~7章）讲解Streamlit的安装配置，以及基本的文本、数据、图表、多媒体等组件的使用和页面布局；实战篇（第8~10章）讲解如何开发企鹅分类项目、医疗费用预测项目、销售数据仪表板项目，帮助读者熟练掌握Streamlit的高级技能和开发流程。 本书采用理论与实践相结合的方式，示例丰富，适合想快速构建机器学习和数据科学Web应用的Python使用者阅读。本书配套内容有练习数据和源代码，可供读者通过阅读和编码实践的方式快速掌握Streamlit,开发机器学习和数据科学的Web应用。

全书分为3个部分：1.第一部分主要介绍了NL2SQL技术的相关背景知识，包括对NL2SQL任务的描述和价值探讨、国内外相关数据集的对比分析以及相关前置技术的介绍与实现2.第二部分深入解构当前NL2SQL技术领域的若干主流技术路线，并着重分析了各个技术方案的优势与不足，为开发者提供模型选择的参考依据3.第三部分包含NL2SQL实践指导相关篇章，结合相关代码，以单表无嵌套和多表有嵌套为例，从数据预处理、模型的构建，模型优化技巧等方面为读者构建了完整的NL2SQL技术实现流程读者通过对本书的阅读，可以对自然语言处理语义解析领域新兴的子任务——NL2SQL有一个清晰地认识。本书充分介绍了语义解析任务相关研究进展，对主流技术方案进行了详细阐述与分析，并从实践的角度展示了NL2SQL完整的技术实现流程，希望帮助读者深入理解并高效搭建起语义解析框架，同

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

在当今社会，高效管理数据是一种思维方式，也是一种能力。越来越多的公司和岗位看重这一点。本书的核心理念是基于MySQL将学习数据管理的过程自然融入日常生活，使学习变得轻松，而不再是一项艰巨的任务。 本书采用引入故事场景的方式来呈现SQL语句的适用情景，并以此来解释其使用原理，帮助读者更好地理解SQL语言的本质。本书不仅是一本技术入门指南，也是一次走进SQL世界的探索之旅，旨在为初学者提供全面、易于理解、实用的学习体验。