大数据分析是指对规模巨大的数据进行分析，是从大数据到信息，再到知识的关键步骤。大数据分析结合了传统统计分析方法和计算分析方法，在研究大量数据的过程中寻找模式、相关性和其他有用信息，帮助企业更好地适应变化并做出更明智的决策。
“大数据分析”是一门理论性和实践性都很强的课程。本书是为高等院校相关专业“大数据分析”课程全新设计编写，具有丰富实践特色的主教材。针对高等院校学生的发展需求，本书系统、全面地介绍了关于大数据分析的基本知识和技能，详细介绍了大数据分析基础、大数据分析生命周期、大数据分析基本原则、构建分析路线、大数据分析的运用、大数据分析的用例、预测分析方法、预测分析技术、大数据分析模型、用户角色与分析工具、大数据分析平台、社交网络与推荐系统、组织分析团队等内容，最后为大数据分析的学习设计了一个课程实践项目。全书具有较强的系统性、可读性和实用性。

第1章 大数据基础
1.1 什么是大数据
1.1.1 天文学——信息爆炸的起源
1.1.2 信息爆炸的社会
1.1.3 大数据的发展
1.1.4 大数据作为BI的进化形式
1.2 大数据的定义
1.2.1 定义大数据
1.2.2 大数据的3V特征
1.2.3 广义的大数据
1.3 大数据的结构类型
1.4 大数据应用改变生活
1.4.1 在线娱乐
1.4.2 在线广告
1.4.3 销售和营销
1.4.4 数据可视化
1.4.5 运营智能
1.5 大数据准备度自我评分表
作业
第2章 大数据分析基础
2.1 大数据的影响
2.2 数据具有内在预测性
2.3 大数据分析的定义
2.44 种数据分析方法
2.4.1 描述性分析
2.4.2 诊断性分析
2.4.3 预测性分析
2.4.4 规范性分析
2.4.5 关键绩效指标
2.5 定性分析与定量分析
2.6 大数据分析的行业作用
2.6.1 大数据分析的作用
2.6.2 大数据分析的关键应用
2.6.3 大数据分析的能力分析
2.6.4 大数据分析面临的问题
作业
第3章 大数据分析生命周期
3.1 大数据分析生命周期概述
3.2 商业案例评估
3.3 数据标识
3.4 数据获取与过滤
3.5 数据提取
3.6 数据验证与清理
3.7 数据聚合与表示
3.8 数据分析
3.9 数据可视化
3.10 分析结果的使用
作业
第4章 大数据分析基本原则
4.1 大数据的现代分析原则
4.2 原则1： 实现商业价值和影响
4.3 原则2： 专注于最后一千米
4.4 原则3： 持续改善
4.5 原则4： 加速学习能力和执行力
4.6 原则5： 差异化分析
4.7 原则6： 嵌入分析
4.8 原则7： 建立现代分析架构
4.9 原则8： 构建人力因素
4.10 原则9： 利用消费化趋势
作业
第5章 构建分析路线
5.1 什么是分析路线
5.1.1 商业竞争3.0时代
5.1.2 创建独特的分析路线
5.2 第1步： 确定关键业务目标
5.3 第2步： 定义价值链
5.4 第3步： 头脑风暴分析解决方案机会
5.4.1 应用描述
5.4.2 分析手段
5.5 第4步： 描述分析解决方案机会
5.6 第5步： 创建决策模型
5.7 第6步： 评估分析解决方案机会
5.8 第7步： 建立分析路线图
5.9 第8步： 不断演进分析路线图
作业
第6章 大数据分析的运用
6.1 企业分析的分类
6.2 战略分析
6.2.1 专案分析
6.2.2 战略市场细分
6.2.3 经济预测
6.2.4 业务模拟
6.3 管理分析
6.4 运营分析
6.5 科学分析
6.6 面向客户的分析
6.6.1 预测服务
6.6.2 分析应用
6.6.3 消费分析
6.6.4 案例： 大数据促进商业决策
作业
第7章 大数据分析的用例
7.1 什么是用例
7.2 预测用例
7.3 解释用例
7.4 预报用例
7.5 发现用例
7.6 模拟用例
7.7 优化用例
作业
第8章 预测分析方法
8.1 预测分析方法论
8.2 定义业务需求
8.2.1 理解业务问题
8.2.2 定义应对措施
8.2.3 了解误差成本
8.2.4 确定预测窗口
8.2.5 评估部署环境
8.3 建立分析数据集
8.3.1 配置数据
8.3.2 评估数据
8.3.3 调查异常值
8.3.4 转换数据
8.3.5 执行基本表操作
8.3.6 处理丢失数据
8.4 降维与特征工程
8.4.1 降维
8.4.2 特征工程
8.4.3 特征变换
8.5 建立预测模型
8.5.1 制订建模计划
8.5.2 细分数据集
8.5.3 执行模型训练计划
8.5.4 测量模型效果
8.5.5 验证模型
8.6 部署预测模型
8.6.1 审查和批准预测模型
8.6.2 执行模型评分
8.6.3 评价模型效果
8.6.4 管理模型资产
8.7 预测分析软件系统
作业
第9章 预测分析技术
9.1 关于预测分析技术
9.2 统计分析
9.3 生存分析
9.4 有监督和无监督学习
9.4.1 有监督学习
9.4.2 无监督学习
9.4.3 有监督和无监督学习的区别
9.5 机器学习
9.5.1 机器学习的思路
9.5.2 异常检测
9.5.3 过滤
9.5.4 贝叶斯网络
9.5.5 文本挖掘
9.6 神经网络
9.7 深度学习
9.8 语义分析
9.8.1 自然语言处理
9.8.2 文本分析
9.8.3 文本处理
9.8.4 语义检索
9.8.5 A/B测试
9.9 视觉分析
9.9.1 热点图
9.9.2 空间数据图
作业
第10章 大数据分析模型
10.1 什么是分析模型
10.2 关联分析模型
10.2.1 回归分析
10.2.2 关联规则分析
10.2.3 相关分析
10.2.4 相关分析与回归分析
10.3 分类分析模型
10.3.1 判别分析的原理和方法
10.3.2 基于机器学习的分类模型
10.3.3 支持向量机
10.3.4 逻辑回归
10.3.5 决策树