●前言
第一部分 基礎知識
第1章 初識智能數據分析
1.1 智能數據分析的定義
1.2 基礎理論體繫
1.2.1 DIKW
1.2.2 CRISP-DM
1.3 數據分析的發展
1.3.1 分析思路的演進
1.3.2 分析工具的發展
1.3.3 組織體繫的變革
1.3.4 未來趨勢
1.4 本章小結
第2章 智能數據分析基本知識
2.1 數據分析之“痛”
2.1.1 數據找不到
2.1.2 數據質量差
2.1.3 分析手段舊
2.1.4 分析效率低
2.1.5 數據雜亂
2.2 數據分析之“悟”
2.2.1 數據“收納”
2.2.2 尋找“好數據”
2.2.3 向“數據科學家”看齊
2.3 數據分析之“層”
2.3.1 描述性分析
2.3.2 診斷性分析
2.3.3 預測性分析
2.3.4 指導性分析
2.4 數據分析之“法”
2.4.1 分析思維
2.4.2 分析方法
2.5 本章小結
第二部分 理論方法
第3章 數據資產管理
3.1 認識數據資產管理
3.1.1 發展歷程
3.1.2 基本內容
3.2 數據之“管”
3.2.1 數據的4個層次
3.2.數據
3.2.3 數據標簽
3.2.4 主數據
3.3 數據之“存”
3.3.1 數據湖
3.3.2 數據倉庫
3.3.3 數據集市
3.4 數據之“算”
3.4.1 數據清洗
3.4.2 數據加工
3.4.3 數據ETL
3.5 數據之“規”
3.5.1 數據標準
3.5.2 規範制度
3.6 數據之“治”
3.6.1 高層負責
3.6.2 組織保障
3.6.3 機制建立
3.7 本章小結
第4章 數據統計及數據挖掘
4.1 相關基礎概念
4.2 描述性統計分析方法
4.2.1 常規統計
4.2.2 集中趨勢統計
4.2.3 離散趨勢統計
4.3 診斷性分析方法
4.3.1 因素分析法
4.3.2 上卷與下鑽
4.3.3 關聯分析
4.4 預測性分析方法
4.4.1 線性回歸
4.4.2 邏輯回歸
4.4.3 K-Means算法
4.5 指導性分析方法
4.5.1 決策樹
4.5.2 隨機森林
4.5.3 協同過濾
4.5.4 神經網絡
4.6 本章小結
第5章 數據可視化分析
5.1 可視化簡史
5.1.1 18世紀以前：圖形符號
5.1.2 18～19世紀：統計圖形從萌芽到繁盛
5.1.3 20世紀：多維信息圖形規範化
5.1.4 21世紀以來：交互可視化
5.2 可視化圖表基礎理論
5.2.1 比較分析
5.2.2 構成分析
5.2.3 分布分析
5.2.4 關聯分析
5.3 “好圖表”和“壞圖表”
5.3.1 好看
5.3.2 好懂
5.3.3 好用
5.4 “好報告”和“壞報告”
5.4.1 布局合理
5.4.2 色彩統一
5.4.3 字體、字號協調
5.5 可視化案例
5.6 本章小結
第三部分 平臺實戰
第6章 企業級智能數據分析平臺搭建
6.1 構建數據分析“生態繫統”
6.1.1 數據生態的範疇
6.1.2 構建有效的組織體繫
6.1.3 營造良好的數據文化氛圍
6.2 搭建智能數據分析平臺
6.2.1 平臺願景
6.2.2 基礎設施
6.2.3 建設內容
6.3 本章小結
第7章 企業級數據分析平臺推薦的能力
7.1 多源化數據彙聚能力
7.1.1 批式數據接入能力
7.1.2 實時數據感知能力
7.2 體繫化指標管理能力
7.2.1 指標體繫構建能力
7.2.2 指標計算及關繫管理能力
7.3 可視化數據準備能力
7.3.1 數據清洗及加工能力
7.3.2 數據鏈路管理及更新能力
7.4 自助式分析展示能力
7.4.1 多維度圖表分析展示能力
7.4.2 多表頭表格分析展示能力
7.4.3 出具多樣化分析報告能力
7.5 可管理的模型構建能力
7.5.1 數據模型構建能力
7.5.2 指標模型構建能力
7.5.3 算法模型構建能力
7.5.4 展示模型構建能力
7.6 智能化搜索推薦能力
7.6.1 智能數據搜索推薦能力
7.6.2 智能問答語義解析能力
7.6.3 智能文本生成能力
7.7 本章小結
第8章 智能數據分析平臺應用案例及實踐
8.1 政府宏觀經濟大數據倉庫
8.1.1 宏觀經濟數據彙聚
8.1.2 數據標準建立
8.1.3 平臺運行情況監控
8.1.4 宏觀經濟分析場景
8.2 電商運營與管理分析平臺
8.2.1 用戶行為分析及商品推薦
8.2.2 商品發售及庫存安排
8.2.3 銷售情況實時監控
8.3 集團企業經營管理數據分析平臺
8.3.1 分析平臺門戶
8.3.2 經營管理指標體繫構建
8.3.3 主題場景模型
這是一本從實戰角度解讀如何進行智能數據分析及搭建智能數據分析平臺的工具書，目的是幫助讀者全面認識並在實際工作中靈活使用智能數據分析方法和工具，同時構建可用的智能數據分析環境。本書不僅包含關於智能數據分析的基礎知識，還包含進行智能數據分析推薦的方法、工具、案例，以及平臺的搭建方案。書中融入了作者多年的一線實踐經驗，而且在體繫化、可視化、易學性等方面下了很大功夫。 本書面向初級、中級數據分析人員及數據分析平臺產品經理。為了幫助讀者理解，書中不僅采用通俗易懂的語言，而且提供了百餘幅作者專門繪制的示意圖，更為難能可貴的是，書中包含了大量一線實踐案例。 全書共分為8章。 第1、2章在全面剖析智能數據分析及其發展歷程的基礎上，從痛、悟、層、法角度深入解讀了做好智能數據分析推薦的四大基礎知識。這四類基礎知識分別回答了“為什麼”“是什麼”“有什麼”“怎麼辦”四個方面的問題。 等
