内容简介 这是一本指导各类型组织科学构建数据体系，并通过对数据体系的管理和运营让数据实现价值转化的实战性著作，是作者在数字化领域近20年工作经验的总结。 本书深度剖析了数字化时代数据体系建设的关键要素与实施路径，系统而全面地介绍了数据体系建设的方法论、框架与实战案例。从全面认识数据与数据要素的价值出发，逐步深入探讨了数据管理与数据体系、数据战略设计与实施、数据资源建设与管理、数据资产管理与流通、数据治理框架与方法等核心内容。不仅详细阐述了数据体系建设的理论基础与关键步骤，还通过实战技巧与案例分析，展示了如何将理论知识应用于实际业务场景中，推动组织数据的有效整合、优化利用与价值提升。 通过阅读本书，你将： （1）深刻认识到数据作为新型生产要素在推动业务决策与价值创造中的关键作用； （2）掌握数据体系建设的方法论与框架，构建覆盖数据全生命周期的管理体系； （3）深入了解数据战略、数据资源、数据资产与数据治理的核心内容与实施路径； （4）实战演练数据管理体系的构建，包括管理组织、机制、标准、人才、平台工具等关键要素； （5）借鉴实际案例，理解理论与实践之间的差距，提升数据体系建设的实战能力。 本书旨在帮助读者在数字化转型的浪潮中占据先机，通过构建高效的数据体系，实现数据的有效整合与优化利用，为组织的业务创新与价值创造提供有力支持。无论是政府机构、企业高管还是数据管理者与从业者，都能从中获得极具价值的洞见与实操指南。

《GraphPad Prism图表可视化与统计数据分析：视频教学版 》以GraphPad Prism 10为平台，讲述统计分析软件GraphPad Prism的具体应用方法。在介绍《GraphPad Prism图表可视化与统计数据分析：视频教学版 》内容的过程中，作者结合自己多年的工作经验及学习的通常心理，及时给出总结和相关提示，帮助读者快速掌握所学的知识。《GraphPad Prism图表可视化与统计数据分析：视频教学版 》配套示例源文件、PPT课件、教学视频、课程标准、教学大纲和教案。《GraphPad Prism图表可视化与统计数据分析：视频教学版 》共分12章，内容包括GraphPad Prism基础知识、工作表和单元格、数据输入和模拟、数据处理、图表数据可视化、图表格式设置与优化、图表图形修饰处理、试验数据分析、回归分析、推断性统计分析、一致性检验和生存分析。《GraphPad Prism图表可视化与统计数据分析：视频教学版 》既适合GraphPad Prism初学者、科学研究人员和统计分析工作者，也适合作为高等院校或高职高专院校生物、医学、统计学等相关专业的教材。

内容简介这既是一本系统讲解数据资产价值变现的入门书，又是一本全面介绍数据要素的科普书，它能帮助零基础的读者厘清数据要素各种概念并建立系统的知识体系，同时还能掌握数据资产价值变现的认知、实现路径和实操方法。本书由凯捷咨询前亚太区副总裁、阿里云中国区前咨询总经理撰写，全球数据资产理事会（DAC）联合出品。本书是《精益数据方法论：数据驱动的数字化转型》一书的姊妹篇，后者讲了如何制定数据战略、梳理数据场景、开发数据产品，如何利用精益数据方法转型为数字化企业；前者为数字化企业的数据资产变现给出了方案。全书一共17章，分为5篇。第一篇 数据要素基础与政策环境首先详细介绍了数据要素的定义、特征以及20余个该领域的相关概念，彻底厘清读者对数据要素的认知；然后全面分析了国家在数据要素领域的布局以及与之相关的各种政策和法规。第二篇 数据要素价值化详细阐述了如何实现数据要素价值化，具体包括数据资产管理、数据治理与确权、数据资产评估与定价等多个方面，提供具体的方法和操作指南；同时介绍了数据资源入表，数据监管、合规与安全，数据资产的交易，数据要素市场，以及数据基础设施，帮助读者全面理解和实践数据价值化路径。第三篇 公共数据要素价值化重点介绍了公共数据要素的基本知识，并通过公共数据要素价值蓝图，让读者直观了解公共数据的价值构成和实现路径，为公共数据的利用提供参考。第四篇 产业数据要素价值化聚焦于产业数据要素，介绍其基本知识，并通过产业数据要素价值蓝图，让读者清晰地看到产业数据的具体价值构成，以更好地利用数据驱动业务发展。第五篇 个人数据要素价值化聚焦于个人数据要素，介绍其基本知识，并通过个人数据要素价值蓝图，让读者学习到个人数据的价值实现过程，从而更好地理解和保护个人数据资产。总体而言，本书可以提升企业管理者对数据的敏感度，以做出更具前瞻性的决策；提升数据专家职业能力，掌握数据要素的深层次价值；助力科技行业从业者了解数据如何驱动行业创新，抢占未来市场。

"《复杂系统影响因素研究的数据驱动分析方法》聚焦于复杂系统影响因素研究的数据驱动分析方法（DAC），为应对大数据和人工智能时代复杂系统问题提供创新思路与实用工具。第1章阐述了传统分析方法在处理复杂系统多变量、非线性和动态变化等特征时的不足，而DAC凭借先进的数据挖掘和机器学习算法，通过数据获取、数据处理与变量测量、聚类分析、决策树分析和贝叶斯网络分析5个关键阶段（步骤），为决策制定和优化助力。第2章强调指标选取的依据、选取原则等，依据数据类型选择合适量化方法，并通过实例演示如何将实际问题转化为可量化数据集，保障后续分析质量。第3章详细介绍数据采集、统计分析、变量选取、校准处理（引入云校准概念）等数据预处理内容。第4章讲解基于聚类算法的异质性群体的多种分析。第5章使用决策树分析了异质性群体对象的影响因素交互效应。第6章运用贝叶斯网络和相关算法探究变量间的作用关系和影响路径。第7章通过后发企业创新绩效案例分析，展示 DAC在实际研究中的应用优势。本书特色鲜明，内容紧密围绕解决复杂管理问题，案例丰富且分析透彻，从多领域实际问题出发，旨在增强读者对方法的理解与应用能力。本书中代码示例详细，可操作性强。本书适用于工商管理、管理科学与工程、经济与金融等专业的本科生和研究生，为他们开展学位论文研究和学术探索提供新颖视角和方法，帮助他们掌握这一跨学科融合的研究范式。"

现今，数据已无处不在、无时不用，数据驱动管理决策、科学研究、技术发明、经济生活，数据驱动创新发展，数据成为企业资产、成为生产要素。开发大数据应用、实现数字化转型、提升核心竞争力是各类主体所希望的。开发一个大数据应用项目，需要进行充分的数据准备和技术准备，设计好实施方案，解决实际应用中的问题。本书介绍了多个领域的大数据应用案例研究与实践，包括工业、农业、金融、物流、旅游、气象、医疗、城市管理、城市交通等领域。这些应用案例涵盖了大数据应用的大部分领域，也从一个侧面展示了大数据在实际应用中的挑战。

《向量数据库：大模型驱动的智能检索与应用》系统地介绍向量数据库的原理、技术实现及其应用，重点分析传统数据库在处理高维向量数据时的局限性，并提供相应的解决方案。《向量数据库：大模型驱动的智能检索与应用》分为4个部分，共13章，内容涵盖从理论基础到技术实践的多个方面，详细讨论高维向量表示中的信息丢失、嵌入空间误差和维度诅咒等问题，结合FAISS和Milvus等主流开源工具，深入剖析向量数据库的索引机制、搜索算法和优化策略。通过实际案例，展示向量数据库在推荐系统、行为分析、智能诊断、语义搜索等领域的应用，并特别强调企业级语义搜索系统的开发与部署经验。《向量数据库：大模型驱动的智能检索与应用》不仅提供深度的理论指导，还通过丰富的案例帮助读者掌握如何构建高效的向量搜索引擎，适合从事搜索引擎与推荐系统开发的工程师，数据科学、人工智能及相关领域的从业者、研究人员，以及对向量数据库与相似性搜索感兴趣的读者，也可作为培训机构和高校相关课程的教学用书。

《公共管理大数据集成平台理论、方法与应用》主要介绍了国家自然科学基金重大研究计划集成项目“大数据驱动的公共管理决策创新模式与集成示范平台”的研究成果，内容涵盖公共管理大数据的治理、分析、预测、决策及集成平台构建的理论方法与关键技术，并展示了在公共安全、生态环境和交通运输等领域的应用示范。《公共管理大数据集成平台理论、方法与应用》在理论上提出了大数据驱动下的公共管理智能决策新范式，为学科发展提供了方向；在实践上，有效整合了公共管理领域的数据资源，为解决社会治理与城市管理问题提供了决策参考，并为建成国际水准的公共管理科学数据平台和智库奠定了基础。

本书为示范性软件学院联盟建设的首批软件工程系列教材之一。本书以实用导向为原则，介绍将openGauss数据库应用于实际项目的方法。全书共分10章，主要内容如下：介绍openGauss数据库、标准SQL技术及应用；以实际业务为例，讲解数据库设计的方法和技巧；分析不同隔离级别下的事务处理与并发控制；以Java和Python为例，介绍openGauss的应用开发；从网络安全等级保护的视角，阐述openGauss数据库的安全配置和实现；描述openGauss的管理及运维技巧，包括备份与恢复技术等；简述openGauss在安全及高性能方面的一些高级特性。本书的特色在于从原理到应用、从基础到高阶的渐进式内容设计；基于SQL的使用，通过实例引导读者深入理解openGauss，实现了理论与实践的有机结合。本书可作为高等学校软件工程及计算机类专业数据库课程的教学用书，也可作为业界人员和自学人员的参考书。

本书系统地阐述信息传播问题中所涉及的各种传播模型、数学优化方法以及计算方法等，并通过对大量信息传播的实际问题进行了建模与分析。该著作将为人工智能、大数据、管理科学、运筹学、人文社会科学等领域开展相关研究的本科生、研究生以及学者提供重要的参考。

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。