數(shù)據分析與數(shù)據可視化實戰(zhàn)

定　價：￥69.00

作　者：	張延松著
出版社：	電子工業(yè)出版社
叢編項：	數(shù)據科學與大數(shù)據技術系列
標　簽：	暫缺

購買這本書可以去

ISBN：	9787121379925	出版時間：	2020-05-01	包裝：	平裝
開本：	16開	頁數(shù)：	300	字數(shù)：

內容簡介

　　本書以企業(yè)級基準數(shù)據集為實戰(zhàn)案例，系統(tǒng)地介紹了目前比較前沿、比較具有代表性的數(shù)據分析與數(shù)據可視化工具的使用方法，涵蓋了從數(shù)據管理到數(shù)據抓取、數(shù)據可視化、數(shù)據挖掘建模的整個企業(yè)級數(shù)據分析流程，使讀者能夠掌握企業(yè)級數(shù)據分析處理的基本技能，為承擔企業(yè)級數(shù)據分析處理或其他領域的相關任務打下基礎。本書可以作為經濟、人文、社會、管理學科學生學習數(shù)據分析與數(shù)據可視化技術的入門教材，也可以作為計算機專業(yè)、信息類專業(yè)本科生的教材或參考書，同樣也可以作為企業(yè)數(shù)據分析人員的參考書。

作者簡介

　　張延松，男，博士，副教授，2010年在中國人民大學獲得計算機應用工學博士學位，2010年進入中國人民大學應用經濟學博士后流動站從事博士后研究工作。2012年進入中國人民大學信息學院任教，并在中國人民大學中國調查與數(shù)據中心任職，主要研究方向為大數(shù)據分析技術，內存數(shù)據庫，數(shù)據倉庫等，在相關研究領域的國內、國外學術會議及期刊已發(fā)表論文20余篇，申請多項國內、國外發(fā)明專利，在內存數(shù)據庫和新硬件數(shù)據庫方向已獲得12項國內發(fā)明專利、4項美國PCT發(fā)明專利授權。2016年獲得教育部科技進步一等獎（4/7），2015年獲得中國計算機學會科技進步獎一等獎（7/10），2017年獲得北京市第十四屆哲學社會科學優(yōu)秀成果獎二等獎。

圖書目錄

目錄
第一篇預備篇
第1章數(shù)據分析與數(shù)據庫的初步認識
1．1 數(shù)據分析的基本概念
1．1．1 大數(shù)據與數(shù)據價值
1．1．2 數(shù)據、數(shù)據分析與數(shù)據挖掘
1．1．3 數(shù)據可視化
1．1．4 數(shù)據驅動決策
1．1．5 數(shù)據分析師在企業(yè)中扮演的角色
1．2 數(shù)據庫的基本概念
1．2．1 企業(yè)級關系型數(shù)據庫
1．2．2 主鍵與外鍵
1．2．3 維度與度量
1．2．4 日期分區(qū)
1．3 數(shù)據分析的一般流程
1．3．1 定義數(shù)據分析目標
1．3．2 數(shù)據預處理
1．3．3 數(shù)據分析與模型搭建
1．3．4 數(shù)據產品上線與維護
本章小結
第2章 TPC-DS 數(shù)據分析案例簡介
2．1 數(shù)據集簡介
2．2 數(shù)據集結構解析
2．2．1 store sales網絡
2．2．2 catalog sales網絡
2．2．3 website sales網絡
2．2．4 inventory網絡
2．3 數(shù)據集字段解析
2．3．1 事實表字段解析
2．3．2 維度表字段解析
2．4 啟示與挑戰(zhàn)
本章小結
第二篇技能篇
第3章企業(yè)級數(shù)據分析環(huán)境的搭建
3．1 SQL Server 2019 數(shù)據庫管理工具
3．1．1 SQL Server 2019 安裝與配置
3．1．2 新建TPC-DS 數(shù)據庫
3．1．3 通過數(shù)據導入向導導入 TPC-DS 數(shù)據集
3．1．4 通過 Bulk Insert 命令導入 TPC-DS 數(shù)據集
3．1．5 通過數(shù)據導出向導導出數(shù)據
3．2 Excel Power 插件數(shù)據分析工具
3．2．1 Excel Power 插件的調用
3．2．2 Power Pivot 連接 SQL Server 2019數(shù)據庫
3．2．3 Power View 與 Power Map的調用
3．3 Power BI Desktop 數(shù)據分析工具
3．3．1 Power BI Desktop 簡介與安裝
3．3．2 Power BI Desktop 連接 SQL Server 2019 數(shù)據庫
3．4 Tableau Desktop ＆ Prep 數(shù)據分析工具
3．4．1 Tableau Desktop ＆ Prep 安裝與配置
3．4．2 Tableau Desktop 連接 SQL Server 2019 數(shù)據庫
3．4．3 Tableau Prep 應用基礎
3．5 Python數(shù)據分析工具
3．5．1 Python簡介與安裝
3．5．2 Python 連接 SQL Server 2019 數(shù)據庫
3．5．3 通過 Python 代碼導入 TPC-DS 數(shù)據集
本章小結
第4章結構化查詢語言SQL
4．1 SQL數(shù)據查詢概述
4．2 單表查詢
4．2．1 投影操作
4．2．2 選擇操作
4．2．3 聚集操作
4．2．4 分組操作
4．2．5 排序操作
4．3 連接查詢
4．3．1 等值、非等值連接
4．3．2 自身連接
4．3．3 外連接
4．3．4 多表連接
4．4 嵌套查詢
4．4．1 包含in謂詞的子查詢
4．4．2 帶有比較運算符的相關子查詢
4．4．3 帶有any或all謂詞的子查詢
4．4．4 帶有exist謂詞的子查詢
4．5 集合查詢
4．5．1 集合并運算
4．5．2 集合交運算
4．5．3 集合差運算
4．5．4 多值列集合差運算
4．6 基于派生表的查詢
4．7 復雜查詢案例解析
4．7．1 復雜查詢案例1
4．7．2 復雜查詢案例2
4．7．3 復雜查詢案例3
4．7．4 復雜查詢案例4
4．7．5 復雜查詢案例5
4．8 SQL 語言的其他功能
4．8．1 數(shù)據定義 SQL
4．8．2 數(shù)據更新 SQL
4．8．3 視圖的定義和使用
本章小結
第5章數(shù)據可視化基礎
5．1 工作界面布局
5．2 基本可視化組件
5．2．1 堆積條形圖
5．2．2 簇狀條形圖
5．2．3 折線圖
5．2．4 組合圖
5．2．5 餅狀圖與環(huán)狀圖
5．2．6 表格與矩陣
5．2．7 儀表與卡片
5．2．8 基本可視化應用小結
5．3 進階可視化組件
5．3．1 排名圖
5．3．2 瀑布圖
5．3．3 樹狀圖
5．3．4 直方圖
5．3．5 盒須圖
5．3．6 散點圖
5．3．7 詞云圖
5．3．8 弦圖與?；鶊D
5．3．9 R ＆ Python視覺對象
5．3．10 進階可視化應用小結
5．4 分析板塊的應用
5．4．1 匯總功能
5．4．2 模型功能
5．4．3 自定義功能
5．5 儀表板與故事
5．5．1 創(chuàng)建儀表板
5．5．2 創(chuàng)建故事
本章小結
第三篇實戰(zhàn) 篇
第6章用戶數(shù)據分析與挖掘實戰(zhàn)
6．1 引言
6．2 用戶宏觀監(jiān)控儀表板設計
6．2．1 設計目的
6．2．2 可視化效果
6．2．3 組件介紹
6．2．4 小結
6．3 用戶微觀監(jiān)控儀表板設計
6．3．1 設計目的
6．3．2 可視化效果
6．3．3 組件介紹
6．3．4 小結
6．4 用戶價值識別模型（RFM模型）
6．4．1 背景簡介
6．4．2 目標定義與數(shù)據獲取
6．4．3 數(shù)據預處理與分析
6．4．4 建立模型
6．4．5 模型評價與應用
6．4．6 小結
6．5 用戶優(yōu)惠券使用行為預測模型
6．5．1 背景簡介
6．5．2 目標定義與特征工程
6．5．3 數(shù)值質量診斷與變量描述性統(tǒng)計
6．5．4 數(shù)據預處理
6．5．5 模型建立與效果評估
6．5．6 小結
本章小結
第7章供應鏈數(shù)據分析與挖掘實戰(zhàn)
7．1 引言
7．2 用戶偏好維度供應鏈監(jiān)控儀表板設計
7．2．1 設計目的
7．2．2 可視化效果
7．2．3 組件介紹
7．2．4 小結
7．3 用戶滿足維度供應鏈監(jiān)控儀表板設計
7．3．1 設計目的
7．3．2 可視化效果
7．3．3 組件介紹
7．3．4 小結
7．4 產品需求量預測模型
7．4．1 背景簡介
7．4．2 數(shù)據準備
7．4．3 數(shù)據預分析
7．4．4 產品行為模式聚類
7．4．5 時間序列建模與效果評估
7．4．6 小結
本章小結