内容简介商业分析有用吗？当然有用！商业分析是行走职场、创业启航的一项必备技能。作者结合自己多年的工作经验，用生动的语言介绍如何用数据分析解决商业问题。本书分为6 篇，共17 章，其中第1 篇是概念篇，讲述商业分析的基本概念；第2 篇是基础篇，讲述如何用基础的分析方法评估企业经营状况；第3 篇是进阶篇，讲述如何构建分析体系解决较复杂的问题；第4 篇是高阶篇，讲述如何应对复杂的商业难题；第5 篇是基础实践篇，通过案例讲述如何解决更复杂的商业问题；第6 篇是高阶实践篇，通过案例讲述如何解决商业分析中的疑难杂症。本书的讲解思路是层层递进的，从简单场景到复杂场景，从基础的方法到复杂的方法。因此，无论读者是否有数据分析基础和经验，都建议从头开始阅读，这样可以一步步提升认知，更快地掌握商业分析的方法。

数据要素是新型生产要素之一，因其蕴含着巨大价值，其重要性被提到了新的高度，但其理论体系尚未完全形成，全生命周期各个环节的理论和技术还在不断探索中。《数据要素概论及案例分析》以数据要素知识体系构建和数据要素价值的发掘应用为主线，从理论和行业案例两个方面，对数据要素生命周期涉及的基础理论、概念和方法及数据要素驱动业务发展行业应用案例进行梳理和呈现。基础知识部分包括数据要素的属性、价值、支撑技术，数据要素规范管理、数据确权和交易，以及数据要素市场化配置等内容。行业案例部分从主数据管理实践、数据治理能力提升、数据要素驱动业务创新应用、数据要素催生创新模式四个方面梳理了21个案例，旨在通过多个行业领域的应用案例分析来帮助数据要素相关理论知识的理解和应用。

在本书中，作者聚焦于微软的Power BI，并通过精准的演示，向读者清楚地展示如何在各种数据库和CRM应用程序上产生数据视觉效果。另外的福利就是，读者还可以了解如何在Azure应用程序中嵌入视觉效果。Cortana套件的整合确实是一个倍增器。你将学到：— 数据可视化解决方案的市场调查。— 如何使用普通和高级的Power BI功能。— 如何将嵌入式Power BI仪表板部署为Azure应用程序。— 如何使用Microsoft SQL Server构建现代Power BI解决方案，并应用包括Cortana在内的Microsoft Stack。— 如何在开源数据存储上构建一个视觉上令人满意的Power BI解决方案，即PostgreSQL。— 如何解锁企业机密，例如通过将Power BI与Dynamics CRM集成并使用自然语言查询来梳理趋势，进而突出最相关的业务趋势。

数据的获取方式、数据的形式及其结构纷繁芜杂，如何把数据整理成我们想要的样子呢？本书通过真实案例构建了数据准备过程中的方法与技术体系，并通过Python 3编程实现从数据获取到数据整理的全过程。全书内容包括数据来源、数据类型、数据编码、数据清洗、数据插补、数据配平、数据重构、数据变换、数据缩放和数据归约。为使读者能够快速掌握数据准备的方法与技术，本书的数据文件与程序代码均可下载（见封底二维码）。线上操作平台地址为http：//ykt.ai-learning.net。本书既可作为高等院校的数据分析类课程教材，也可作为社会科学领域数据分析的自学用书。从事数据分析与数据管理工作的相关人员，以及用Python解决实际数据分析问题的工程技术和管理人员亦可参考使用。

本书基于开源Hadoop生态圈的主流技术，深入浅出地介绍了大数据相关技术的原理、知识点及具体应用，适合教师教学使用和零基础自学者使用。通过本书的学习，读者可以理解大数据相关技术的原理，迅速掌握大数据技术的操作，为后续数据挖掘与分布式计算平台的结合使用打下良好的技术基础。

本书是Hadoop Spark大数据分析技术入门书，基于Hadoop和Spark两大框架体系的3.2版本，以通俗易懂的方式介绍Hadoop Spark原生态组件的原理、集群搭建、实战操作，以及整个Hadoop生态系统主流的大数据分析技术。 本书共分14章。第1章讲解Hadoop框架及新版本特性，并详细讲解大数据分析环境的搭建工作，包括Linux操作系统的安装、SSH工具使用和配置等；第2章讲解Hadoop伪分布式的安装和开发体验，使读者熟悉Hadoop大数据开发两大核心组件，即HDFS和MapReduce；第3~12章讲解Hadoop生态系统各框架HDFS、MapReduce、输入输出、Hadoop集群配置、高可用集群、HBase、Hive、数据实时处理系统Flume，以及Spark框架数据处理、机器学习等实战技术，并通过实际案例加深对各个框架的理解与应用；第13~14章分别通过影评分析、旅游酒店评价分析实战项目来贯穿大数据分析的完整流程。 本书可以作为大数据分析初学者的入门指导书，也可以作为大数据开发人员的参考手册，同时也适合作为高等院校大数据相关专业的教材或教学参考书。

本书主要阐述数据统计发布中的差分隐私保护模型及其关键算法。全书共8章，主要内容包括差分隐私基础知识、面向任意区间树结构及其扩展背景（考虑区间计数查询分布和异方差加噪）下的差分隐私直方图发布、面向流/连续数据发布的差分隐私保护、差分隐私数据发布方法的误差分析等。 本书主要面向高等学校计算机科学与技术、网络空间安全、管理科学与工程等学科相关专业高年级本科生、研究生以及数据安全隐私保护的研究者。

暂缺简介...

大数据时代，数据作为一种新的经济资产，驱动科学研究处于以数据为基础进行科学发现的第四范式。不同的学科领域，正在不同的层面上广泛地关注着大数据给本领域的研究和实践带来的深刻影响，大数据技术在情报研究领域的应用逐渐深入。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。对于在数据分析领域扮演重要角色的情报研究工作而言，大数据的理念和技术既带来了机遇，也带来了挑战。一方面，在大数据时代，情报研究工作得到空前的重视，大数据为情报研究的新发展提供了机会，它从更为广阔的视野来看待情报研究的定位，研究新技术新方法，解决新问题，极大地促进情报研究理论与实践的发展；另一方面，大数据时代要求各行各业重视情报研究工作，这就必然使得众多学科有意识地涉足以往作为专门领域的情报研究，并将其作为本学科的重要组成部分加以建设。现代情报研究已经迈入了大数据时代。 大数据技术和相关理念能够为情报研究、决策制定等工作的开展提供更多支持，本书以潜在语义挖掘理论研究与分布式并行计算方法研究、分布式潜在语义挖掘并行计算技术研发及大数据环境下潜在语义挖掘比较研究3项内容为切入点，重点解决文献服务实际应用场景下的大规模科技文档语料潜在语义信息挖掘的问题，化解大规模科技信息文档语料潜在语义挖掘分布式并行计算过程及定量判断大数据环境下科技文献数量变化对深度潜在语义挖掘影响的核心技术难点。对文本挖掘交叉领域关系、文献领域语义挖掘的多样化挑战、研究应用前景等进行了探讨，希望为科技信息潜在语义挖掘技术研究工作的开展提供参考，为理论研究及实践应用等方面水平的提升提供更多支持。

全书共13章，分两大部分进行全面而系统的介绍，第一部分从腾讯大数据平台的发展历程和总体架构切入，深入剖析了各项技术原理，阐述了实战过程中的挑战和自研核心技术的设计思想，覆盖了大数据接入、计算、存储、分析、调度等大量技术组件。第二部分主要介绍了腾讯在数据治理、数据应用、机器学习和平台运营方面的建设经验，并对腾讯大数据产品及其在内外部场景的实践落地进行了解读， 书中列举的大量实践案例对广大读者都极具参考价值和借鉴意义。