新書推薦：
《
台风天（大吴作品，每一种生活都有被看见的意义）
》
售價：HK$
53.8
《
打好你手里的牌（斯多葛主义+现代认知疗法，提升当代人的心理韧性！）
》
售價：HK$
66.1
《
新时代硬道理 广东寻路高质量发展
》
售價：HK$
77.3
《
6S精益管理实战（精装版）
》
售價：HK$
100.6
《
异域回声——晚近海外汉学之文史互动研究
》
售價：HK$
109.8
《
世界文明中的作物迁徙：聚焦亚洲、中东和南美洲被忽视的本土农业文明
》
售價：HK$
99.7
《
无端欢喜
》
售價：HK$
76.2
《
股票大作手操盘术
》
售價：HK$
53.8
|
| 編輯推薦： |
本书以“实战、实用、实效”为原则，充分考虑智慧公安、智慧交通、智慧金融、智慧城市等用户的大数据应用痛点，紧贴大数据实践的业务场景，汇集数据分析模型全生命
周期的关键应用技术，包括数据准备、工作表管理、可视化图表创建、数据大屏制作、数据模型创建和自定义算子设计等内容。
本书内容通俗易懂，案例丰富，图文并茂，同时配有教学视频和建模平台，适合初级、中级数据分析师和广大数据分析爱好者参考学习。通过本书，读者无须具备计算机、
软件开发等专业知识背景，即可熟练掌握大数据分析建模的基本方法和技巧。
|
| 內容簡介： |
本书以“实战、实用、实效”为原则，充分考虑智慧公安、智慧交通、智慧金融、智慧城市等用户的大数据应用痛点，紧贴大数据实践的业务场景，汇集数据分析模型全生命
周期的关键应用技术，包括数据准备、工作表管理、可视化图表创建、数据大屏制作、数据模型创建和自定义算子设计等内容。
本书内容通俗易懂，案例丰富，图文并茂，同时配有教学视频和建模平台，适合初级、中级数据分析师和广大数据分析爱好者参考学习。通过本书，读者无须具备计算机、
软件开发等专业知识背景，即可熟练掌握大数据分析建模的基本方法和技巧。
|
| 關於作者： |
雷玉堂，高级数据分析师，北京海致科技集团有限公司助理总裁、海致学院院长，从事公安情报数据分析15年，参与编写了《大数据分析与警务实战》《BDP大数据分析从入门到精通》等著作，主编了公安大数据分析实战应用初级、中级、高级课程讲义。
李柯， 海致大数据研学中心高级讲师，高级数据分析师，有超过5年的大数据建模实战应用经验。
杨浦，海致学院副院长，高级数据分析师，有超过10年的大数据产品研发和数据建模实战经验。
|
| 目錄：
|
第1章 数据分析导论 1
1.1 数据分析的基础概念 1
1.1.1 商业智能 1
1.1.2 数据仓库 1
1.1.3 数据仓库与其他概念的关系 1
1.1.4 云计算 2
1.2 数据分析的主要流程 2
1.2.1 场景理解-明确目标，理解需求，搭建框架 2
1.2.2 数据准备-数据收集、清洗、集成等 2
1.2.3 数据处理-数据转化、数据提取、数据计算等 2
1.2.4 数据分析-结合业务，探索数据，发现规律 3
1.2.5 结果发布-将获取的知识转化成报告、大屏或者实现数据挖掘过程 3
1.3 数据分析的主要作用 3
1.4 数据分析的主要方法 3
1.4.1 5W2H分析方法 4
1.4.2 逻辑树分析方法 5
1.4.3 PEST分析方法 5
1.4.4 多维度拆解分析方法 6
1.4.5 对比分析方法 6
1.5 数据分析的逻辑思维 7
1.5.1 需求梳理 7
1.5.2 维度设计 7
1.5.3 数据准备 8
1.5.4 模型创建 8
1.5.5 模型成效 8
1.6 数据分析的结果应用 9
1.6.1 数据可视化 9
1.6.2 数据分析报告 11
第2章 数据分析模型设计 12
2.1 思维导图与数据建模 12
2.1.1 什么是思维导图 12
2.1.2 思维导图的价值 12
2.1.3 思维导图在数据建模中的应用 12
2.1.4 常用思维导图工具 13
2.2 数据分析模型的定义 13
2.3 数据分析模型的分类 15
2.3.1 按复杂程度分类 15
2.3.2 按适用范围分类 15
2.3.3 按业务属性分类 15
2.3.4 按计算方式分类 15
2.3.5 按业务场景分类 16
2.4 如何明确分析模型的应用场景 16
2.5 如何选择和细化分析对象 17
2.6 数据分析模型创建的一般步骤 17
2.7 数据分析建模常见误区 18
第3章 数据准备及工作表管理 19
3.1 大数据分析平台应用基础 19
3.1.1 平台登录方法 19
3.1.2 用户账号及管理 19
3.1.3 平台主要功能 21
3.2 数据源准备及数据上传 34
3.2.1 数据手动上传 34
3.2.2 数据库对接自动更新 37
3.2.3 数据追加和替换 42
3.3 工作表管理 44
3.3.1 创建工作表文件夹 44
3.3.2 工作表文件夹管理 45
3.3.3 数据预览 45
3.3.4 字段设置和管理 47
3.3.5 工作表删除 47
3.3.6 工作表关联概况 48
3.3.7 数据授权和共享 49
第4章 数据可视化图表创建 50
4.1 图表类型概述 50
4.1.1 表格 50
4.1.2 成分 51
4.1.3 时间序列 54
4.1.4 频率分布 59
4.1.5 相关性 60
4.1.6 多重数据比较 61
4.1.7 聚类趋势图 62
4.1.8 层次关系 64
4.1.9 位置相关 65
4.1.10 数值 66
4.2 仪表盘管理方法 68
4.2.1 新建仪表盘文件夹 69
4.2.2 新建仪表盘 69
4.2.3 仪表盘管理 71
4.2.4 仪表盘导出 71
4.3 分析图表的创建方法 72
4.3.1 添加图表 72
4.3.2 选择数据表 73
4.3.3 图表创建工作区操作 73
4.3.4 配置维度和数值 74
4.3.5 图表名称命名 76
4.3.6 图表类型选择 76
4.4 分析图表的设置方法 77
4.4.1 图表颜色设置 77
4.4.2 预警线设置 81
4.4.3 辅助线设置 85
4.4.4 图内总计设置 87
4.4.5 图表标签设置 87
4.4.6 缩略轴设置 88
4.4.7 图表联动设置 88
4.4.8 图表筛选设置 89
4.4.9 图表钻取设置 96
4.4.10 图例设置 97
4.4.11 排版设置 97
4.5 图表数据导出 98
4.5.1 导出到Excel 98
4.5.2 导出到图片 99
4.6 GIS地图创建方法 99
4.6.1 选择图表类型 99
4.6.2 设置字段及坐标 100
4.6.3 设置图层及工作表类型 100
4.6.4 拖曳字段 101
4.6.5 颜色与尺寸设置 101
4.6.6 可视化效果类型设置 101
4.7 图表配置相关概念 102
4.7.1 维度、对比和数值的概念 102
4.7.2 钻取、联动和筛选的区别与联系 103
4.7.3 同比和环比的区别与联系 104
4.7.4 高级计算介绍 105
第5章 自主建模应用 109
5.1 通用算子基本概念 109
5.2 算子的主要特征及应用规则 109
5.3 模型创建 109
5.3.1 添加模型 109
5.3.2 选择数据 110
5.3.3 模型设计 110
5.3.4 结果输出 112
5.4 模型管理 112
5.4.1 模型搜索 112
5.4.2 模型运行 113
5.4.3 模型编辑 113
5.4.4 字段设置 114
5.4.5 数据预览 115
5.4.6 模型保存 115
5.4.7 模型删除 116
5.4.8 模型更新 117
5.5 单表级数据处理通用算子 119
5.5.1 通用算子-数据聚合 119
5.5.2 通用算子-数据去重 121
5.5.3 通用算子-添加字段 128
5.5.4 通用算子-输出工作表 130
5.5.5 通用算子- SQL创建 131
5.5.6 通用算子-表结构处理 133
5.5.7 通用算子- JSON解析算子 135
5.5.8 通用算子-算数运算算子 136
5.5.9 通用算子-日期处理算子 138
5.5.10 通用算子-字符串处理算子 147
5.5.11 通用算子-空值率算子 157
5.6 多表级数据处理通用算子 158
5.6.1 通用算子-左连接 158
5.6.2 通用算子-交集 160
5.6.3 通用算子-差集 162
5.6.4 通用算子-全关联 163
5.6.5 通用算子-全部合并 165
5.7 自定义算子 167
5.7.1 自定义算子基本定义 168
5.7.2 自定义算子使用场景 169
5.7.3 自定义算子创建方法及步骤 169
5.7.4 自定义算子配置 171
5.7.5 自定义算子管理级授权使用 184
第6章 SQL函数在建模中的应用 188
6.1 SQL使用场景及技巧 188
6.2 SQL查询基本语法 189
6.2.1 FROM子句 189
6.2.2 DISTINCT谓词 189
6.2.3 用AS子句为字段取别名 189
6.2.4 WHERE子句指定查询条件 190
6.3 数学运算函数 193
6.3.1 函数应用演示 193
6.3.2 -函数应用演示 194
6.3.3 *函数应用演示 194
6.3.4 /函数应用演示 195
6.3.5 %函数应用演示 196
6.4 日期函数 197
6.4.1 DAY函数应用演示 197
6.4.2 MONTH函数应用演示 198
6.4.3 YEAR函数应用演示 199
6.4.4 TO_DATE函数应用演示 200
6.4.5 HOUR函数应用演示 201
6.4.6 MINUTE函数应用演示 202
6.4.7 SECOND函数应用演示 203
6.4.8 DATE_SUB函数应用演示 204
6.4.9 DATE_ADD函数应用演示 205
6.4.10 HOUR_DIFF函数应用演示 206
6.4.11 DAY_DIFF函数应用演示 207
6.4.12 YEAR_DIFF函数应用演示 208
6.4.13 FROM_UNIXTIME、UNIX_TIMESTAMP、SUBSTR混合函数应用演示 209
6.5 条件函数 210
6.5.1 IF、AND、OR、HOUR_DIFF混合函数应用演示 210
6.5.2 CASE、WHEN、HOUR_DIFF、AND混合函数应用演示 211
6.5.3 CCOALESCE函数应用演示 213
6.6 字符串函数 213
6.6.1 CONCAT函数应用演示 213
6.6.2 SUBSTR函数应用演示 214
6.6.3 STRING_SPLIT、SPLIT函数应用演示 215
6.6.4 REPLACE函数应用演示 217
6.6.5 REGEXP_REPLACE函数应用演示 217
6.6.6 LENGTH函数应用演示 218
6.6.7 UPPER函数应用演示 219
6.7 数值计算函数 220
6.7.1 RAND函数应用演示 220
6.7.2 ROUND函数应用演示 221
6.8 聚合函数 221
6.9 函数应用注意事项 222
第7章 可视化大屏创建 223
7.1 数据大屏和仪表盘的区别与联系 223
7.2 数据大屏设计步骤 225
7.3 数据大屏基本功能 228
7.4 数据大屏创建步骤 230
7.4.1 新建普通大屏 230
7.4.2 组件样式设置 231
7.5 数据大屏的数据调用 235
7.5.1 添加数据源 235
7.5.2 数据源管理 239
7.6 数据大屏核心参数设置 241
7.6.1 配置数据 241
7.6.2 数据处理 245
7.6.3 映射字段 247
7.6.4 数据更新 247
7.7 数据大屏应用举例 248
7.8 创建大屏常见问题 248
第8章 数据分析报告制作 251
8.1 明确报告类型 251
8.2 合理选择报告结构 252
8.3 报告制作注意事项 255
|
| 內容試閱：
|
2021年10月18日，中共中央政治局就推动我国数字经济健康发展进行第三十四次集体学习。中共中央总书记习近平在主持学习时强调，要充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统产业转型升级，催生新产业新业态新模式，不断做强做优做大我国数字经济。
国务院印发的《促进大数据发展行动纲要》明确指出，运用大数据推动经济发展、完善社会治理、提升政府服务和监管能力正成为趋势。大数据推动社会生产要素的网络化共享、集约化整合、协作化开发和高效化利用，改变了传统的生产方式和经济运行机制，可显著提升经济运行水平和效率。要充分利用我国的数据规模优势，实现数据规模、质量和应用水平同步提升，发掘和释放数据资源的潜在价值，有利于更好发挥数据资源的战略作用，增强网络空间数据主权保护能力，维护国家安全，有效提升国家竞争力。要建立“用数据说话、用数据决策、用数据管理、用数据创新”的管理机制，实现基于数据的科学决策，将推动政府管理理念和社会治理模式进步，加快建设与社会主义市场经济体制和中国特色社会主义事业发展相适应的法治政府、创新政府、廉洁政府和服务型政府，逐步实现政府治理能力现代化。
大数据应用是一个复杂的系统工程，包括数据采集、数据储存、数据传输、数据安全、数据管理、数据治理、数据翻译、数据挖掘、数据计算、数据共享、数据交换等多个节点，大数据可视化建模是大数据应用系统工程的重要组成部分，也是大数据应用的关键技术和方法。数据只有在与业务深度融合下才能体现出价值，而大数据可视化建模是数据价值挖掘的重要手段。近年来，在疫情流调防控、社会综合治理、智慧政务服务、智能交通调度、智慧电力调度、智能金融风控等方面，大数据可视化建模发挥了不可替代的作用。
本书以“实战、实用、实效”为原则，汇集数据分析模型全生命周期的关键应用技术，包括数据准备、工作表管理、可视化图表创建、数据大屏制作、数据模型创建和自定义算子设计等内容，通俗易懂，案例丰富，关键步骤均配图说明，适合初级、中级数据分析师和广大数据分析爱好者参考学习。通过学习本书，读者无须具备计算机、软件开发等专业知识背景，即可熟练掌握大数据分析建模的基本方法和技巧。
本书中案例演示平台为北京海致科技集团有限公司自研的DMC大数据分析建模平台，该平台在全国150多个地市公安局、70多家金融企业、3000多家互联网公司得到广泛应用，数据建模的方法和流程具有一定的代表性，也适用于其他类似数据分析建模平台。读者可以关注海致大数据研学中心微信服务号（微信二维码见封底），注册后可以申请在线学习本书的配套教学视频和申请建模平台的免费试用，帮助读者边学边练，更好地掌握各类数据建模方法。
人人都是数据的生产者、人人都是数据分析师是数字时代的新特征。
大数据建模分析技术和方法与各种应用场景和业务需求密切相关，出于数据安全和保密的需要，本书中所有演示数据均为模拟数据，在编撰本书时无法列举真实的数据模型案例，请读者予以理解。
雷玉堂
2022年8月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
