数据科学与大数据分析 数据的发现 分析 可视化与表示

第1章 大数据分析介绍 1

1.1 大数据概述 2

1.1.1 数据结构 4

1.1.2 数据存储的分析视角 9

1.2 分析的实践状态 10

1.2.1 商业智能 VS 数据科学 11

1.2.2 当前分析架构 12

1.2.3 大数据的驱动力 14

1.2.4 新的大数据生态系统和新的分析方法 15

1.3 新的大数据生态系统中的关键角色 17

1.4 大数据分析案例 20

1.5 总结 21

1.6 练习 21

参考书目 21

第2章 数据分析生命周期 23

2.1 数据分析生命周期概述 24

2.1.1 一个成功分析项目的关键角色 24

2.1.2 数据分析生命周期的背景和概述 26

2.2 第1阶段：发现 28

2.2.1 学习业务领域 29

2.2.2 资源 29

2.2.3 设定问题 30

2.2.4 确定关键利益相关者 30

2.2.5 采访分析发起人 31

2.2.6 形成初始假设 32

2.2.7 明确潜在数据源 32

2.3 第2阶段：数据准备 33

2.3.1 准备分析沙箱 34

2.3.2 执行ETLT 35

2.3.3 研究数据 36

2.3.4 数据治理 37

2.3.5 调查和可视化 37

2.3.6 数据准备阶段的常用工具 38

2.4 第3阶段：模型规划 39

2.4.1 数据探索和变量选择 40

2.4.2 模型的选择 41

2.4.3 模型设计阶段的常用工具 42

2.5 第4阶段：模型建立 42

2.5.1 模型构建阶段中的常用工具 44

2.6 第5阶段：沟通结果 45

2.7 第6阶段：实施 46

2.8 案例研究：全球创新网络和分析（GINA） 49

2.8.1 第1阶段：发现 50

2.8.2 第2阶段：数据准备 51

2.8.3 第3阶段：模型规划 51

2.8.4 第4阶段：模型建立 51

2.8.5 第5阶段：沟通结果 53

2.8.6 第6阶段：实施 54

2.9 总结 55

2.10 练习 55

参考书目 55

第3章 使用R进行基本数据分析 57

3.1 R简介 58

3.1.1 R图形用户界面 6