随着大数据时代的到来，从语音助手、人脸识别、以图搜车、无人驾驶、城市大脑，到普适计算、雾计算、单粒度治理、量子思维，各种新兴信息技术成为社会发展的新动能。这些技术给社会带来巨变的同时，也冲击着人们现有的思维方式。正所谓思维指导行动，我们应主动调整、训练、培养适应新时代的思维方式去引领大数据、人工智能时代的发展，立于时代的潮流之中。数据思维不仅是我们认识新时代的逻辑，更是数据文明时代的生存逻辑。本书将帮助读者理解数据的本质，并由浅入深逐步培养用数据去观察事物、思考问题、分析问题、解决问题的行为模式。本书主要讲述了数据思维的产生、原理与模式，并介绍了数据思维指导下的现代数据管理流程以及数据思维应用实例。数据思维是新时代观察、思考问题的底层思维，本书的读者对象包括但不限于大专院校学生、研究生，从事数据开发利用的工作者，以及各行各业的决策者，特别是数字化转型工作的推动者。本书强调理论与实践相结合，旨在帮助读者一窥数据科学的逻辑，建立数据思维的基础，并将数据思维应用到学习、生活之中，指导行动与决策。

胡广伟（1975～），管理学博士，南京大学信息管理学院教授、博士生导师，从事信息系统、电子政务、大数据、电子商务等研究与教学工作。教育部“新世纪优秀人才”、江苏省“六大人才高峰”培养对象等。在国际、国内高水平学术期刊发表学术论文60余篇，出版专著2部、软件著作权10多件，多次获省部级奖项。

第1章 数据思维导论
1.1 数、数据与大数据
1.1.1 数
1.1.2 数据
1.1.3 大数据
1.2 数据科学
1.2.1 数据科学的内涵及兴起
1.2.2 数据科学的学科定位
1.2.3 数据科学的研究内容
1.2.4 数据科学的工作流程
1.3 相关的“思维”范式
1.3.1 思维
1.3.2 科学思维
1.3.3 统计思维
1.3.4 数据思维
小结
讨论与实践
参考文献
第2章 数据思维基础
2.1 数据思维的产生
2.1.1 思维原料的变化
2.1.2 思维主体的变化
2.1.3 思维工具的变化
2.1.4 思维形式的变化
2.2 数据思维的范式
2.2.1 科学方法论
2.2.2 科学认识论
2.2.3 科学行动范式
2.3 数据思维的特点
2.3.1 整体性
2.3.2 量化性
2.3.3 互联性
2.3.4 价值性
2.3.5 动态性
2.4 数据思维的局限
2.4.1 全数据模式的幻像
2.4.2 量化思维的焦虑
2.4.3 相关性的过度崇拜
2.5 数据思维的应用
2.5.1 数据思维的应用价值
2.5.2 数据思维的应用流程
2.5.3 数据思维的应用方法
2.6 数据行为
2.6.1 数据行为的概念
2.6.2 数据行为的分类
2.6.3 数据行为的基本原则
小结
讨论与实践
参考文献
第3章 数据思维原理：信息学视角
3.1 最大熵原理
3.1.1 熵及信息熵的概念
3.1.2 最大熵原理的内涵
3.1.3 最大熵原理的应用
3.2 最小努力原理
3.2.1 最小努力原理的内涵
3.2.2 最小努力原理的应用
3.3 对数透视现象
3.3.1 对数透视现象的内涵
3.3.2 网络环境下的对数透视现象
3.4 信息生命周期理论
3.4.1 信息生命周期的内涵
3.4.2 信息生命周期运动的认识
3.4.3 信息生命周期理论
3.4.4 大数据与信息生命周期理论
3.5 小世界现象
3.5.1 小世界现象的由来
3.5.2 小世界现象的研究类型
3.5.3 小世界网络现象的应用
小结
讨论与实践
参考文献
第4章 数据思维模式
4.1 全数据思维
4.1.1 抽样数据：以小见大
4.1.2 全数据：以大见小
4.1.3 大数据：还原事物间的联系
4.2 容错性思维
4.2.1 允许出现错误
4.2.2 混杂的大数据也可能更精确
4.2.3 接受混杂是趋势
4.3 实时性思维
4.3.1 成批处理方式
4.3.2 实时处理方式
4.3.3 两种处理方式对比
4.4 相关性思维
4.4.1 相关关系
4.4.2 相关性思维的应用
4.4.3 如何处理两种关系
小结
讨论与实践
参考文献
第5章 数据生产
5.1 数据生产的概念
5.2 数据生产的特点
5.3 数据生产的目标
5.3.1 采集全量数据
5.3.2 发现数据的新价值
5.3.3 考虑外部用户的需求
5.4 数据生产的阶段
5.5 数据的生产源
5.5.1 互联网数据
5.5.2 移动网络数据
5.5.3 物联网数据
小结
讨论与实践
参考文献
第6章 数据采集
6.1 数据采集的概念
6.2 数据来源
6.3 数据选择
6.4 数据采集的方法及工具
6.4.1 系统日志采集方法
6.4.2 传感器采集方法
6.4.3 网络爬虫采集方法
6.4.4 其他数据采集方法
小结
讨论与实践
参考文献
第7章 数据存储
7.1 传统数据存储
7.1.1 存储设备
7.1.2 存储系统网络架构
7.2 大数据时代的数据存储
7.2.1 大数据存储系统的特点
7.2.2 分布式存储
7.2.3 云存储
7.3 数据库技术
7.3.1 数据库技术的发展
7.3.2 关系数据库
7.3.3 NoSQL
小结
讨论与实践
参考文献
第8章 数据预处理
8.1 数据预处理的必要性
8.2 数据清洗
8.2.1 缺失数据处理
8.2.2 冗余数据处理
8.2.3 噪声数据处理
8.3 数据变换
8.3.1 大小变换
8.3.2 类型变换
8.4 数据集成
8.4.1 内容集成
8.4.2 结构集成
8.5 其他预处理方法
8.5.1 数据脱敏
8.5.2 数据归约
8.5.3 数据标注
小结
讨论与实践
参考文献
第9章 数据分析
9.1 业务理解
9.2 数据理解
9.3 数据分析分类
9.3.1 结构化数据分析
9.3.2 文本分析
9.3.3 Web数据分析
9.3.4 多媒体数据分析
9.3.5 社交网络数据分析
9.3.6 移动数据分析
9.4 数据分析方法的选择
9.4.1 分类算法
9.4.2 聚类算法
9.4.3 关联分析
9.4.4 回归分析
9.4.5 深度学习
9.4.6 统计方法
9.5 数据分析常见陷阱
小结
讨论与实践
参考文献
第10章 数据可视化
10.1 数据可视化概述
10.2 Microsoft Excel
10.2.1 创建图表
10.2.2