许鑫编著的《商业大数据分析》聚焦于商业大数据分析，通过对大数据概念和主题的梳理帮助读者理解商业大数据。本书介绍了大数据处理、大数据分析、大数据应用、大数据管理等多个方面的知识要点和具体案例，帮助读者跟上大数据时代的发展，理解和应用大数据分析创造商业价值。

许鑫编著的《商业大数据分析》分为基础编、技术编、分析编和管理编四部分。

基础编包括什么是大数据（第1章）和大数据领域应用（第2章）两章，涉及大数据的起源、概念、本质探讨、主题分析以及各个领域的应用，帮助阅读者深入理解大数据和商业大数据。

技术编包括大数据处理概述（第3章）、云计算（第4章）、大数据平台工具（第5章）三章，涉及大数据处理需求、处理模式、基本流程、关键技术以及云计算服务模式、虚拟化技术、云计算安全、移动云计算等知识点，介绍了以Hadoop为代表的一系列平台工具，帮助阅读者提升技术实务上的见解。

分析编首先介绍大数据分析概述（第6章），然后在统计分析方法和数据挖掘方法方面重点介绍非结构化数据与文本挖掘（第7章）、社交媒体与社会网络分析（第8章）、多维异构数据的分析方法（第9章）。

管理编包括商业环境中的大数据分析（第10章）、大数据商业分析中的人（第11章）、大数据政策框架与隐私问题（第12章）三章。第10章不但介绍了大数据背景下的商务管理研究，还面向业务问题和商业决策进行了实务探讨；第11章对人的关注不仪重点探讨了数据科学家及数据分析师，还对与人有关的企业组织结构和文化氛围进行了分析；第12章首先探讨了大数据政策框架，然后结合数据隐私保护重点探讨了大数据的隐私问题。

本书简介

基础编

 1 什么是大数据

1.1 大数据的起源

1.2 大数据的概念

1.3 探究大数据本质

1.4 分析大数据主题

1.5 理解商业大数据

1.6 纷至沓来的大数据机遇

本章小结

 2 大数据领域应用

2.1 公共部门的大数据

2.2 私营部门的大数据

2.3 医疗卫生领域的大数据

2.4 典型的大数据应用比较

本章小结

技术编

 3 大数据处理概述

3.1 大数据处理需求

3.2 大数据处理的常见模式

3.3 大数据处理的基本流程

3.4 大数据处理的关键技术

3.5 大数据处理与硬件的协同

本章小结

 4 云计算

4.1 云计算：大数据的基础平台与支撑技术

4.2 云计算的服务模式

4.3 虚拟化技术

4.4 云计算安全

4.5 移动云计算

本章小结

 5 大数据平台工具

5.1 大数据平台工具概述

5.2 MapReduce

5.3 Hadoop项目

5.4 NoSQL数据库

5.5 统计与机器学习软件

本章小结

分析编

 6 大数据分析概述

6.1 从大数据集成到大数据分析

6.2 大数据时代商业分析的变化

6.3 技术视角下的大数据分析

6.4 商业大数据分析方法

本章小结

 7 非结构化数据与文本挖掘

7.1 非结构化数据的挑战

7.2 文本挖掘及其过程

7.3 文本预处理

7.4 文本分类

7.5 文本聚类

7.6 工具与应用

本章小结

 8 社交媒体与社会网络分析

8.1 SNS社区的兴起

8.2 社会网络分析

8.3 常用的软件工具

8.4 社会网络分析的应用

本章小结

 9 多维异构数据的分析方法

9.1 多维尺度分析法

9.2 等距映射算法

9.3 局部线性嵌入算法

9.4 主成分分析法

9.5 异构数据处理与分析

本章小结

管理编

 10 商业环境中的大数据分析

10.1 大数据背景下商务管理研究

10.2 面向业务问题的大数据分析

10.3 基于大数据视角的商业决策

本章小结

 11 大数据商业分析中的人

11.1 大数据的人才挑战

11.2 数据科学与数据科学家

11.3 数据科学家的知识体系

11.4 数据分析师的职业进阶

11.5 数据驱动的组织与文化

本章小结

 12 大数据政策框架与隐私问题

12.1 为大数据构建政策框架

12.2 数据隐私保护

12.3 大数据的隐私问题挑战

本章小结

参考文献

附录：大数据术语表