智能数据分析 入门、实战与平台构建

这是一本从实战角度解读如何进行智能数据分析及搭建智能数据分析平台的工具书，目的是帮助读者全面认识并在实际工作中灵活使用智能数据分析方法和工具，同时构建可用的智能数据分析环境。本书不仅包含关于智能数据分析的基础知识，还包含进行智能数据分析推荐的方法、工具、案例，以及平台的搭建方案。书中融入了作者多年的一线实践经验，而且在体系化、可视化、易学性等方面下了很大功夫。 本书面向初级、中级数据分析人员及数据分析平台产品经理。为了帮助读者理解，书中不仅采用通俗易懂的语言，而且提供了百余幅作者专门绘制的示意图，更为难能可贵的是，书中包含了大量一线实践案例。 全书共分为8章。 第1、2章在全面剖析智能数据分析及其发展历程的基础上，从痛、悟、层、法角度深入解读了做好智能数据分析推荐的四大基础知识。这四类基础知识分别回答了“为什么”“是什么”“有什么”“怎么办”四个方面的问题。 第3～5章从数据资产管理、数据统计与数据挖掘、数据可视化三个方面分享了做好智能数据分析的思路、方法与技巧。其中，从管、存、算、规、治五个方面展开介绍数据资产管理；基于算法模型介绍了描述、诊断、预测、指导四个方面的分析方法；从多个维度介绍如何构建好的可视化图表、报告以及可视化案例，帮助广大读者讲好数据故事。 第6～8章介绍如何量身定制自己的智能数据分析平台。这部分不仅分析了智能数据分析平台的构建方法和相应的行业实践，还从架构角度介绍了一个功能完善的智能数据分析平台需要具备哪些要素、模块。

陈雪莹，现就职于某知名IT企业，拥有多年企业管理软件实施及数据分析平台产品管理一线从业经历，在数据分析、产品设计及项目管理方面拥有丰富的经验。曾主导某大型集团企业资金管理信息化标准体系搭建、数字化创新应用平台产品规划及设计。主导规划及设计的产品已成功支撑大型集团企业、行业协会、政府部门等完成数据分析项目建设。通过PMP项目管理认证，参与并获得专利授权6项。

前言
第一部分 基础知识
第1章 初识智能数据分析
1.1 智能数据分析的定义
1.2 基础理论体系
1.2.1 DIKW
1.2.2 CRISP-DM
1.3 数据分析的发展
1.3.1 分析思路的演进
1.3.2 分析工具的发展
1.3.3 组织体系的变革
1.3.4 未来趋势
1.4 本章小结
第2章 智能数据分析基本知识
2.1 数据分析之“痛”
2.1.1 数据找不到
2.1.2 数据质量差
2.1.3 分析手段旧
2.1.4 分析效率低
2.1.5 数据杂乱
2.2 数据分析之“悟”
2.2.1 数据“收纳”
2.2.2 寻找“好数据”
2.2.3 向“数据科学家”看齐
2.3 数据分析之“层”
2.3.1 描述性分析
2.3.2 诊断性分析
2.3.3 预测性分析
2.3.4 指导性分析
2.4 数据分析之“法”
2.4.1 分析思维
2.4.2 分析方法
2.5 本章小结
第二部分 理论方法
第3章 数据资产管理
3.1 认识数据资产管理
3.1.1 发展历程
3.1.2 基本内容
3.2 数据之“管”
3.2.1 数据的4个层次
3.2.2 元数据
3.2.3 数据标签
3.2.4 主数据
3.3 数据之“存”
3.3.1 数据湖
3.3.2 数据仓库
3.3.3 数据集市
3.4 数据之“算”
3.4.1 数据清洗
3.4.2 数据加工
3.4.3 数据ETL
3.5 数据之“规”
3.5.1 数据标准
3.5.2 规范制度
3.6 数据之“治”
3.6.1 高层负责
3.6.2 组织保障
3.6.3 机制建立
3.7 本章小结
第4章 数据统计及数据挖掘
4.1 相关基础概念
4.2 描述性统计分析方法
4.2.1 常规统计
4.2.2 集中趋势统计
4.2.3 离散趋势统计
4.3 诊断性分析方法
4.3.1 因素分析法
4.3.2 上卷与下钻
4.3.3 关联分析
4.4 预测性分析方法
4.4.1 线性回归
4.4.2 逻辑回归
4.4.3 K-Means算法
4.5 指导性分析方法
4.5.1 决策树
4.5.2 随机森林
4.5.3 协同过滤
4.5.4 神经网络
4.6 本章小结
第5章 数据可视化分析
5.1 可视化简史
5.1.1 18世纪以前：图形符号
5.1.2 18～19世纪：统计图形从萌芽到繁盛
5.1.3 20世纪：多维信息图形规范化
5.1.4 21世纪以来：交互可视化
5.2 可视化图表基础理论
5.2.1 比较分析
5.2.2 构成分析
5.2.3 分布分析
5.2.4 关联分析
5.3 “好图表”和“坏图表”
5.3.1 好看
5.3.2 好懂
5.3.3 好用
5.4 “好报告”和“坏报告”
5.4.1 布局合理
5.4.2 色彩统一
5.4.3 字体、字号协调
5.5 可视化案例
5.6 本章小结
第三部分 平台实战
第6章 企业级智能数据分析平台搭建
6.1 构建数据分析“生态系统”
6.1.1 数据生态的范畴
6.1.2 构建有效的组织体系
6.1.3 营造良好的数据文化氛围
6.2 搭建智能数据分析平台
6.2.1 平台愿景
6.2.2 基础设施
6.2.3 建设内容
6.3 本章小结
第7章 企业级数据分析平台推荐的能力
7.1 多源化数据汇聚能力
7.1.1 批式数据接入能力
7.1.2 实时数据感知能力
7.2 体系化指标管理能力
7.2.1 指标体系构建能力
7.2.2 指标计算及关系管理能力
7.3 可视化数据准备能力
7.3.1 数据清洗及加工能力
7.3.2 数据链路管理及更新能力
7.4 自助式分析展示能力
7.4.1 多维度图表分析展示能力
7.4.2 多表头表格分析展示能力
7.4.3 出具多样化分析报告能力
7.5 可管理的模型构建能力
7.5.1 数据模型构建能力
7.5.2 指标模型构建能力
7.5.3 算法模型构建能力
7.5.4 展示模型构建能力
7.6 智能化搜索推荐能力
7.6.1 智能数据搜索推荐能力
7.6.2 智能问答语义解析能力
7.6.3 智能文本生成能力
7.7 本章小结
第8章 智能数据分析平台应用案例及实践
8.1 政府宏观经济大数据仓库
8.1.1 宏观经济数据汇聚
8.1.2 数据标准建立
8.1.3 平台运行情况监控
8.1.4 宏观经济分析场景
8.2 电商运营与管理分析平台
8.2.1 用户行为分析及商品推荐
8.2.2 商品发售及库存安排
8.2.3 销售情况实时监控
8.3 集团企业经营管理数据分析平台
8.3.1 分析平台门户
8.3.2 经营管理指标体系构建
8.3.3 主题场景模型