本书全面介绍车辆轨迹数据的处理、分析与可视化方法，并深入探讨了基于Python的车辆轨迹数 据处理技术，旨在帮助读者快速掌握车辆时空轨迹数据处理的基本方法和编程技巧，同时提供丰富的实际案例和技术解决方案，覆盖了从数据采集到深入分析的完整技术链条，是交通时空大数据领域车辆轨迹数据处理分析的全面指南。 本书内容涵盖从车辆轨迹数据的基本特征、采集原理到预处理、质量分析、可视化，再到高级应用如路网匹配、排放计算、多智能体仿真，以及特定案例分析如电动汽车充电需求识别和无人机航拍轨迹数据分析。 本书适合计算机相关专业的学生、数据分析师、研究人员以及技术开发人员阅读。

内容简介这是一部能指引零基础读者顺利完成数据资产入表的实操性著作。它不仅为读者提供了数据资产入表所需的全部知识，还给出了实际操作层面的方法指引；既是数据资产入表的初学者指南，也是企业实施数据资产入表操作的工作手册。本书由数据资产管理领域的标杆企业亿信华辰倾情奉献，同时融合了行业的先进实践经验，开创性提出 数据资产三次入表理论 （数据原始资源入表、数据产品入表、数据金融资产入表），得到了来自学术界和企业界的12位数据资产管理专家的高度评价和强烈推荐。本书分为四部分，不仅从战略、方法、工具、实操、案例等角度为读者提供了全面的数据资产入表知识体系，还前瞻性地探讨了数据资产入表后的价值挖掘、资产评估和金融创新。第一部分 数据资产入表全景概览（第1和第2章）深入分析数据资产入表的宏观背景、核

《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

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。

数据、模型与决策是应用数学建模和计算机技术帮助决策者解决问题。作为国外一本优秀的数据、模型与决策的教材，本书具有以下特色： 1．对枯燥、复杂和技术化的数学问题用简明易懂的语言予以解释，兼顾严谨的数理逻辑。 2．突出建模分析框架和基础逻辑的讲授和训练，在某种程度上实现了艺术与科学的有机融合。 3．课后习题丰富，并配有网络题库，供自学者加强训练，及时检查对理论模型及其求解方法的掌握程度。 第12版把修订重点放在企业和组织的*技术发展上，增加了商业分析（第1章）、项目风险（第8章）以及数据挖掘（第14章）等内容。

洞见产业新生态，解码数字新经济 行业场景真实展示 实际案例深度梳理，感受数字转型路径风格 谭建荣院士、郭华东院士、邬贺铨院士、张宏科院士 共同推荐 《产业数字化 释义、场景及应用案例》以《 十四五 数字经济发展规划》中产业数字化部分的核心内容为纲领,从入选工业和信息化部的大数据产业发展示范项目中,选取了具有产业代表性的来自生产一线的数字化转型实践案例,连同数字化建设和转型的共性基础内容,组织了42 个案例,从实践背景、方法手段、主要应用的技术、实践过程中遇到的典型问题、实施流程、典型应用场景等方面,分享了多个行业、多家单位的实践经验,以期帮助读者对产业数字化转型产生更为具体的了解和体会、获得间接经验,为读者提升数字认知和工作能力做一定的基础铺垫。 本书适合具有产业数字化转型需求的相关企业的管理者、

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。

《IBM SPSS数据分析实战案例精粹(第2版)》以IBM SPSS Statistics 24为工具，提供了医疗、金融、保险、汽车、快速消费品、市场研究、互联网等多个行业的数据分析/挖掘案例，基于实战需求，详细讲解了整个案例的完整分析过程，并将模型和软件的介绍融于案例讲解之中，使读者在阅读时能突破方法和工具的限制，真正聚集于对数据分析精髓的领悟。本书还一并提供案例数据的下载，读者可完整重现全部的分析内容。 《IBM SPSS数据分析实战案例精粹(第2版)》适合从初学者到专家各个级别的数据分析人士阅读，包括需要提升实战能力的数据分析专业人士，在市场营销、金融、财务、人力资源管理中需要应用数据分析的人士，从事咨询、科研等工作的专业人士，同时也可以作为各专业的本科和研究生学习数据分析应用的参考书。

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。

内 容 简 介 本书针对未来想要从事数据分析工作的在校学生、想要转行做数据分析的在职人员，以及想要在数据分析领域提高自己或跳槽的从业人员，深入浅出地讲解了面试和未来实际工作中所需的知识与技能，让读者对数据分析师这个岗位有更为全面和深刻的了解。 全书主要分为面试前的准备、面试中的技巧、面试中所需的知识储备、编程技能、实战技能，以及进一步学习提高的方法几部分，内容涵盖数据分析师面试的全流程，全方位提高读者在未来面试中的竞争力。

近年来，以Apache Spark为代表的大数据处理框架在学术界和工业界得到了广泛的使用。本书以Apache Spark框架为核心，总结了大数据处理框架的基础知识、核心理论、典型的Spark应用，以及相关的性能和可靠性问题。本书分9章，主要包含四部分内容。*部分 大数据处理框架的基础知识（第1～2章）：介绍大数据处理框架的基本概念、系统架构、编程模型、相关的研究工作，并以一个典型的Spark应用为例概述Spark应用的执行流程。第二部分 Spark大数据处理框架的核心理论（第3～4章）：介绍Spark框架将应用程序转化为逻辑处理流程，进而转化为可并行执行的物理执行计划的一般过程及方法。第三部分 典型的Spark应用（第5章）：介绍迭代型的Spark机器学习应用和图计算应用。第四部分 大数据处理框架性能和可靠性保障机制（第6～9章）：介绍Spark框架的Shuffle机制、数据缓存机制

本书面向数学与工程计算，主要讲解了MATLAB 2017a软件基础、初等数学专题概要、高等数学基本问题、线性代数与矩阵论基本问题、概率论与数理统计基本问题、数值分析基本问题、CASIO fx 991CN X（中文版）函数科学计算器简介七方面的内容。本书适合大中专院校理工科学生学习使用，也可供广大科研人员、学者、工程技术人员及MATLAB专业人员参考。

《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

随着移动通信和互联网应用的发展，物联网、云计算、大数据等新兴技术与应用不断涌现。这是一个用数据说话的时代，也是一个依靠数据竞争的时代。目前世界500强企业中，有90%以上都建立了数据分析部门。IBM、微软、Google等知名公司都积极投资数据业务，建立数据部门，培养数据分析团队。各国政府和越来越多的企业意识到数据和信息已经成为企业的智力资产和资源，数据的分析和处理能力正在成为日益倚重的技术手段。

本书从解决工作实际问题出发，以工作中常用的数据分析方法分类为主线，介绍如何用Excel进行工作常用信息图的绘制方法与技巧，主要包括KPI达成分析、对比分析、结构分析、分布分析、趋势分析、转化分析六大数据分析方法的常用信息图。本书定位是带领大家学习工作中常用信息图Excel 的绘制方法与技巧，并能解决工作中大部分的问题或需求。入门后如还需要进一步进阶学习，可自行扩展阅读相关书籍或资料，学习是永无止境的，正所谓 师傅领进门，修行在个人 。

随着中台概念被广泛讨论，其中数据中台又被赋予担任企业智能化任务的重任。当前，不仅是大企业，很多企业都在开始打造或者引入中台，用来解决企业面临的系统重复建设与数据孤岛的问题，在这个过程中，中台产品经理需要做什么事，解决什么问题，又会遇到怎样的困难与挑战？ 本书第1～2章讲解了中台起源与数据中台产品需要什么样的能力；第3～6章主要讲解中台中的数据中台的建设与规划、数据分析的方法与策略、数据体系建设方法与应用和企业数据的价值等；第7～9章主要讲解数据平台的需求分析与数据知识、系统平台的建设实战和用户画像体系的建设等内容。

《谁说菜鸟不会数据分析（Python篇）》从解决工作实际问题出发，提炼总结工作中Python 常用的数据处理、数据分析实战方法与技巧。本书力求通俗易懂地介绍相关知识，在不影响学习理解的前提下，尽可能地避免使用晦涩难懂的Python 编程、统计术语或模型公式。 《谁说菜鸟不会数据分析（Python篇）》定位是带领Python 数据分析初学者入门，并能解决学习、工作中大部分的问题或需求。入门后如还需要进一步进阶学习，可自行扩展阅读相关书籍或资料，学习是永无止境的，正所谓 师傅领进门，修行在个人 。

当数据存储在多个数据库中，如何查询数据？特别是当这些数据库是由不同的人分别设计。这是个全面介绍数据集成的书，由业界三个受人尊敬的专家撰写。这本书讲解数据集成技术的理论知识，使用大量实例来解释基本概念。数据集成是解决跨多个数据源（如数据库，网页）的问题。目前在多种环境中都涉及数据集成问题，包括企业信息集成，在网络上的查询处理，政府机构之间的协调和科学家之间的合作。在某些情况下，数据集成是某个领域取得进展的关键。本书提供了数据集成的概念和工具，可用于数据集成的具体实现。本书作者是威斯康星大学麦迪逊分校计算机科学副教授，同时在微软AdCenter实验室与雅虎研究实验室担任咨询顾问。

这是一本让人脑洞大开的内容玩法书，给新一代叙事者提供了十八般武器。清晰的构架、简洁的语言、坦率的态度，整本书无不流露着新一代互联网原住民颠覆传统的创新基因。运营无招，数据有度。握好数据的尺度，把数据做出角度、深度、温度、态度，这是整本书的核心。围绕 新消费、玩互动、融呈现、变模式 四个维度，本书从场景化叙事聊到用户激励和内容产品经理，分享了内容、传播、团队该如何迎接变革的心路历程。产品的玩法本身会经历兴衰，但只要人的创新精神在，就可以在新的场景下也能够持续玩好内容。作者的探索与思考，无疑可以给内容运营从业者带来多元的启发。推荐准备从事内容传播和广告策划工作的在校生、即将从事互联网产品运营的人、移动互联网内容创新研究者、企业市场和品牌传播从业者参考阅读。

Python 是一种面向对象的脚本语言，其代码简洁优美，类库丰富，开发效率也很高，得到越来越多开发者的喜爱，广泛应用于Web 开发、网络编程、爬虫开发、自动化运维、云计算、人工智能、科学计算等领域。预测技术在当今智能分析及其应用领域中发挥着重要作用，也是大数据时代的核心价值所在。随着AI 技术的进一步深化，预测技术将更好地支撑复杂场景下的预测需求，其商业价值不言而喻。基于Python 来做预测，不仅能够在业务上快速落地，还让代码维护更加方便。对预测原理的深度剖析和算法的细致解读，是本书的一大亮点。本书共分为3 篇。第1 篇介绍预测基础，主要包括预测概念理解、预测方法论、分析方法、特征技术、模型优化及评价，读者通过这部分内容的学习，可以掌握预测的基本步骤和方法思路。第2 篇介绍预测算法，该部分包含多元回归分析、

从统计学科与计算机科学的性质认知,大数据是指那些超过传统数据系统处理能力、超出经典统计思想研究范围、不借用网络无法用主流软件工具及技术进行单机分析的复杂数据的集合,对于这一数据集合,在一定的条件下和合理的时间内,我们可以通过现代计算机技术和创新的统计方法,有目的地进行设计、获取、管理、分析,揭示隐藏在其中的有价值的模式和知识。 《大数据：统计理论、方法与应用》共分五章，其内容包括大数据下的统计理论体系、大数据下的数据集整合分析、大数据下的高维变量选择方法、大数据下的统计方法并行计算和大数据下的统计方法应用——网络舆情分析。 本书内容新颖，取材国内外资料，同时认真总结了作者近年来的科研成果，重点反映统计学对大数据发展的影响，突出五大特点： （1）充分体现学科融合； （2）

在传统的数据处理流程中，总是先收集数据，然后将数据放到DB中。当人们需要的时候通过DB对数据做query，得到答案或进行相关的处理。这样看起来虽然非常合理，但是结果却非常的紧凑，尤其是在一些实时搜索应用环境中的某些具体问题，类似于MapReduce方式的离线处理并不能很好地解决问题。这就引出了一种新的数据计算结构---流计算方式。它可以很好地对大规模流动数据在不断变化的运动过程中实时地进行分析，捕捉到可能有用的信息，并把结果发送到下一计算节点。本书讲解流计算原理。

本书从HadoopMapReduce并行计算技术与系统的基本原理剖析着手，在系统介绍基本工作原理、编程模型、编程框架和接口的基础上，着重系统化地介绍MapReduce并行算法设计与编程技术，较为全面地介绍了基本MapReduce算法设计、高级MapReduce编程技术、以及一系列较为复杂的机器学习和数据挖掘并行化算法，并引入来自IntelHadoop系统产品的一系列增强功能以及深度技术剖析； 后，为了提高读者的算法设计与编程实战能力，本书较为详细地介绍了一系列综合性和实战性大数据处理和算法设计问题，这些问题来自课程同学参加的全国性大数据大赛中的获奖算法、课程中的优秀课程设计、以及来自本团队的科研课题及业界实际的大数据应用实战案例。