这是一本能指导首席数据官（CDO）快速构建知识体系和能力模型的标准指南。本书融合了作者对CDO角色的深刻理解和深厚的工程实践经验，系统而全面地介绍了CDO所需的核心知识体系与能力模型。本书从CDO的基本概念出发，逐步深入探讨了CDO在政策环境、数字化转型、组织数据体系建设与管理、数据价值创造等方面的关键作用。书中不仅详细阐述了CDO应具备的基础数据知识和组织数据管理能力，还通过丰富的案例和实战技巧，展示了如何将理论知识应用于实际业务场景中，推动数据驱动决策的实现。通过阅读本书，你将：？透彻理解CDO的角色定位、职责范围及发展趋势；？掌握组织数据管理的精髓，构建高效的数据体系；？深入了解CDO在数字化转型中的核心作用与价值；？实战演练数据战略制定、数据资源管理、数据资产管理与流通等关键任务；？探索CDO的能力模型与知识体系，规划个人职业发展道路。本书旨在帮助读者从零基础开始，逐步成长为具备深厚数据功底和卓越领导能力的首席数据官，为企业的数据战略转型与升级提供有力支持。

数据挖掘算法为大数据与人工智能的核心，掌握数据挖掘各算法的编程实现，有助于提升大数据的实践运用能力。本书详细阐述了数据挖掘常用算法与编程实现，同时，本书以多个经典的数据挖掘赛题为案例，详细论述了数据预处理、特征选择、可视化、算法选择等全流程数据挖掘过程的编程实现，有助于提升读者面对实际数据问题时灵活运用各类算法能力。

本书的主要内容有：研究数据管理趋势，包括技术发展、法规要求和隐私问题。深？了解可拓展架构，学习各组件之间如何协同？作。探索数据治理和数据安全、主数据管理、？助式数据市场，以及元数据的重要性。

本书由浅入深地阐述了时序大数据平台TDengine的核心原理与实战案例。首先，本书为读者提供了时序数据的基础知识和TDengine的核心特性概览，包括数据模型、数据写入、数据查询、数据订阅和流计算等；其次，详细介绍了TDengine的日常运维管理，包括安装部署、资源规划、图形化管理、数据安全等关键内容；然后，深入讲解了如何利用TDengine进行应用开发，涵盖多种编程语言的连接器使用、订阅数据，以及自定义函数的开发等高级功能；接下来，为数据库研发爱好者揭秘TDengine的内核设计，从分布式架构到存储引擎、查询引擎、数据订阅，再到流计算引擎的详细阐述；最后，通过分析典型应用场景案例，展示TDengine如何在实际业务中发挥作用。本书架构清晰，内容丰富，理论与实践相结合，适合作为需要使用TDengine进行大数据处理的开发者、架构师和产品经理的技术参考与培训资料。

本书介绍数据存储架构与技术，涵盖存储盘与存储介质、存储阵列、存储协议、键值存储、文件系统、网络存储体系结构、分布式存储系统、存储可靠性、存储安全、数据保护等基础内容，对存储维护、存储解决方案、存储技术趋势与发展等主题进行了深入讨论，以新的研究成果作为案例，同时提供习题帮助读者加深对数据存储的理解与运用。本书适合计算机及相关专业高年级本科生或研究生阅读、学习，同时也可供相关专业技术人员参考。

本书包括导论以及对齐（Align）、细化（Refine）、设计（Design）三章。通过将业务术语、逻辑和物理三个建模层次重命名为对齐、细化、设计，在名称中包含了该层次所做的工作。导论介绍了数据模型的三个特征——精确性、最小化和可视化；数据模型的三个组件——实体、关系和属性；数据模型的三个层次——业务术语（对齐）、逻辑（细化）和物理（设计），以及数据建模的三个视角——关系、维度和查询。第1章对齐是关于通用业务术语的，以便每个人都能在术语和总体计划范围上保持一致。第2章细化是关于搜集业务需求的，即完善我们对项目的了解，专注于关键业务要点。第3章设计是关于技术需求的，即针对独特软硬件需求进行模型设计。对齐、细化和设计，这就是本书遵循的方法，并通过“宠物之家”案例对概念加以强化。本书适合需要将建模技能扩展到MongoDB的数据专业人员，或者熟悉MongoDB但需要提高模式设计技能的技术人员。

本书深入地探讨云原生数据仓库的理论知识与技术实践，涵盖数据仓库的发展历程、大数据处理技术、云原生数据仓库的概念与特点，以及云计算时代的数据仓库技术。书中详细介绍云原生数据仓库的架构设计，计算引擎、优化器、存储的关键技术，以及资源管理与调度等知识。同时，本书结合Redshift、Snowflake、BigQuery等典型的云原生数据仓库，以及AnalyticDB等具有代表性的国产数据仓库，介绍大量的实践案例。此外，书中针对云原生数据仓库的资源调度、查询优化、运维管理等方面进行深入的剖析，提供大量的最佳实践和应用场景。

本书介绍可以帮助读者处理真实数据分析挑战的概念和技能。它涵盖了概率论、统计推断、线性回归和机器学习等概念。它还帮助读者提升如下技能：R编程、数据清洗、数据可视化、预测算法构建、使用UNIX/Linux shell组织文件、使用Git和GitHub进行版本控制以及可复制的文档准备。全书分为六个部分，分别为R、数据可视化、统计与R、数据清洗、机器学习和生产力工具。

本书是一本数据科学的入门与提升教程，全书共5篇，按照由浅入深、循序渐进的方式介绍R语言的基本语法与实际应用，并结合现实数据进行实战操作。内容涵盖R语言的安装与运行、数据对象的创建与编程、R语言初级与高级绘图、数据的管理与清洗、统计分析与数据降维、无监督与有监督学习、利用R Markdown创建动态报告和制作幻灯片等。本书为读者提供了相关案例的源码（获取方式见封底）。本书适合对数据可视化、统计建模、数据分析、数据挖掘感兴趣的研究人员和工程技术人员阅读，也可作为高等院校数学、统计学、数据科学、计算机科学、人工智能、云计算、大数据分析、生物医学、工业统计等方向本科生或研究生的参考教程。

Apache ShardingSphere 是一个基于可插拔特性和云原生原则的新开源生态系统，将其用于分布式数据基础设施有助于增强数据库性能。本书首先简要概述数据库管理系统在生产环境中面临的主要挑战和数据库软件的内核概念；然后介绍使用分布式数据库解决方案、弹性伸缩、用户身份认证、SOL授权、全链路监控、数据库网关和 DistSOL的真实示例，全面讲解 ShardingSphere 的架构组件，以及如何利用它们配置和插入现有的基础架构并管理数据和应用；接着介绍生态系统的客户端 ShardingSphere-JDBC 和 ShardingSphere-Proxy，以及它们如何同时或独立地工作以满足实际需求；最后讲解如何定制可插拔架构以定义个性化的用户策略和无缝管理多个配置，并在各种场景下对数据库进行基准测试和性能测试。