周苏，1982年华东水利学院计算机应用专业本科毕业，1986年由水电部研究所调入杭州大学计算机系任教，1991年破格晋升副教授，1999年调入浙江大学城市学院计算机系任教，2005年晋升教授。在杭州大学、浙江大学、浙江大学城市学院、浙江工业大学之江学院、温州大学城市学院、嘉兴学院南湖学院、温州职业技术学院等多所院校专/兼职任教，教学经验丰富。 长期从事计算机等专业教学工作，担任计算机基础、计算机导论、软件工程、软件测试技术、软件体系结构、电子商务概论、移动商务、多媒体技术、项目管理、管理信息系统、应用统计学、C语言程序设计、面向对象程序设计、网络传播技术、网络生态学、人机交互技术、艺术设计概论、艺术欣赏概论、计算机平面设计、信息管理与信息系统概论、信息资源管理、办公软件不错应用、IT应用文写作等课程的教学，对计算机学科教学以及应用型院校教学有深刻理解。 戴海东，浙江安防职业技术学院院长，博士学位，教授，硕士生导师。系温州市“551人才工程”层次培养人选、浙江省151人才工程第二层次培养人选。长期在高校工作，熟悉高等教育教学规律和高校管理工作，有良好的学术背景和较高的学术水平，曾多次荣获浙江省很好科研教学成果奖。

目录项目1  大数据分析基础 1任务1.1  熟悉大数据的概念 1导读案例  葡萄酒的品质分析 1任务描述 5知识准备 51.1.1  信息爆炸的社会 51.1.2  大数据的发展 71.1.3  大数据的定义 91.1.4  大数据的结构类型 101.1.5  大数据应用改变生活 11【实训与思考】案例企业ETI的背景信息 14【作业】 18任务1.2  掌握大数据分析基础知识 20导读案例  数据工作者的数据之路：从洞察到行动 20任务描述 24知识准备 241.2.1  大数据对分析的影响 241.2.2  数据具有内在预测性 251.2.3  大数据分析的定义 251.2.4  四种数据分析方法 261.2.5  大数据分析的行业作用 301.2.6  分析团队的文化与建设 32【实训与思考】企业大数据准备度自我评价 34【作业】 38任务1.3  熟悉大数据分析基本原则 40导读案例  得数据者得天下 40任务描述 42知识准备 421.3.1  大数据的现代分析原则 421.3.2  原则1：实现商业价值和影响 431.3.3  原则2：专注于最后一公里 441.3.4  原则3：持续改善 451.3.5  原则4：加速学习能力和执行力 461.3.6  原则5：差异化分析 461.3.7  原则6：嵌入分析 471.3.8  原则7：建立现代分析架构 471.3.9  原则8：构建人力因素 481.3.10  原则9：利用消费化趋势 48【实训与思考】熟悉大数据规划方法 49【作业】 50项目2  分析应用与用例分析 53任务2.1  构建大数据分析路线 53导读案例  大数据时代，别用“假数据”自嗨 53任务描述 55知识准备 552.1.1  什么是分析路线 552.1.2  步：确定关键业务目标 592.1.3  第2步：定义价值链 592.1.4  第3步：头脑风暴分析解决方案机会 602.1.5  第4步：描述分析解决方案机会 632.1.6  第5步：创建决策模型 632.1.7  第6步：评估分析解决方案机会 642.1.8  第7步：建立分析路线图 652.1.9  第8步：不断演进分析路线图 65【实训与思考】确定数据特征与类型 66【作业】 69任务2.2  运用大数据分析方法 71导读案例  数据驱动≠大数据 71任务描述 73知识准备 732.2.1  企业分析的分类 742.2.2  战略分析 742.2.3  管理分析 762.2.4  运营分析 782.2.5  科学分析 792.2.6  面向客户的分析 802.2.7  案例：大数据促进商业决策 81【实训与思考】IT团队采用的大数据分析技术 83【作业】 84任务2.3  建立大数据分析用例 86导读案例  疫情之后的变化 86任务描述 89知识准备 892.3.1  什么是用例 902.3.2  预测用例 912.3.3  解释用例 932.3.4  预报用例 932.3.5  发现用例 942.3.6  模拟用例 952.3.7  优化用例 95【实训与思考】ETI大数据分析采用的技术平台 95【作业】 98项目3  预测分析技术 101任务3.1  运用预测分析方法 101导读案例  用手机信令大数据科学控制疫情 101任务描述 103知识准备 1033.1.1  预测分析方法论 1033.1.2  定义业务需求 1043.1.3  建立分析数据集 1073.1.4  建立预测模型 1113.1.5  部署预测模型 1133.1.6  预测分析软件系统 116【实训与思考】预测分析项目的方案设计 116【作业】 117任务3.2  熟悉预测分析技术 119导读案例  日本中小企业的“深层竞争力” 119任务描述 122知识准备 1233.2.1  统计分析 1233.2.2  生存分析 1243.2.3  有监督和无监督学习 1253.2.4  机器学习 1273.2.5  神经网络 1333.2.6  深度学习 1353.2.7  语义分析 1373.2.8  视觉分析 141【实训与思考】智能学习的熟悉度评估 142【作业】 144项目4  大数据分析与处理 149任务4.1  执行数据清洗与处理 149导读案例  公共数据开放的探索实践 149任务描述 154知识准备 1544.1.1  数据标识 1554.1.2  数据抽样 1554.1.3  数据过滤 1564.1.4  数据标准化 1574.1.5  数据提取 1584.1.6  数据清洗 1594.1.7  数据聚合与表示 1614.1.8  降维与特征工程 1624.1.9  成分分析 165【实训与思考】  大数据分析的数据预处理 166【作业】 169任务4.2  建立大数据分析模型 171导读案例  行业人士必知的十大数据思维原理 171任务描述 179知识准备 1794.2.1  关联分析模型 1794.2.2  分类分析模型 1834.2.3  聚类分析模型 1894.2.4  结构分析模型 1924.2.5  文本分析模型 193【实训与思考】建立大数据分析模型 194【作业】 196任务4.3  了解分析工具与分析平台 198导读案例  包罗一切的数字图书馆 198任务描述 201知识准备 2014.3.1  数据工作者 2014.3.2  分析的成功因素 2054.3.3  分析编程语言 2054.3.4  业务用户工具 2074.3.5  分布式分析 2104.3.6  预测分析架构 2124.3.7  现代SQL平台 214【实训与思考】ETI企业的大数据之旅（总结） 217【作业】 220附    录 223附录A  部分作业参考答案 223附录B  课程学习与实训总结 225参考文献 229

“大数据分析”是一门理论性和实践性都很强的课程。本书是为高等职业院校相关专业“大数据分析”课程全新设计编写，针对职业教育学生的发展需求，系统、全面地介绍了关于大数据分析的基本知识和技能，以项目/任务方式详细介绍了大数据基础、大数据分析基础、大数据技术与大数据分析的应用、大数据分析基本原则、构建大数据分析路线、大数据分析方法的运用、大数据分析的用例、预测分析方法、预测分析技术、数据清洗与处理、大数据分析模型、大数据分析的工具与平台等内容，具有较强的系统性、可读性和实用性。本书适合作为高等职业院校相关专业开设“大数据分析”课程的教材，也可供有一定实践经验的IT应用人员、管理人员参考并作为继续教育的教材。