本书分三部分：概述、数据分析工具、结论，主要内容包括：什么是管理数据分析；什么在推动数据分析蓬勃发展；数据分析思维方式；机器学习；描述性数据分析；预测性数据分析等。
本书荣获的赞誉
关于作者
序 言
第1 部分
概 述 第1 章 什么是管理数据分析 / 2
1 1 关于数据分析含义的疑惑 / 2
1. 2 什么是数据分析 / 3
1. 2. 1 运用描述性数据分析的事例 / 5
1. 2. 2 运用预测性数据分析的事例 / 7
1. 2. 3 运用规范性数据分析的事例 / 8
1. 3 什么是新的内容 / 10
1. 4 哪种数据分析最好 / 12
1. 5 什么是管理数据分析 / 14
第2 章 什么在推动数据分析蓬勃发展 / 19
2. 1 数据是数据分析的原料 / 19
2. 1. 1 什么是大数据 / 21
2. 1. 2 大数据能替代科学吗 / 25
2. 1. 3 在缺少大数据的条件下可以做数据
分析吗 / 26
2. 2 检验促进数据分析的发展 / 27
第3 章 数据分析思维方式 / 30
3. 1 管理数据盲 / 30
3. 1. 1 计算能力的错觉 / 31
3. 1. 2 过滤谬论 / 33
3. 1. 3 一点改进的益处 / 34
3. 2 数据分析是一种思维方式 / 35
3. 2. 1 80/20 法则 / 37
3. 2. 2 将可变性纳入到数据分析中 / 38
3. 2. 3 不能仅使用会计数据 / 39
3. 3 透彻思考数据 / 41
3. 3. 1 并非所有的数字都是数据 / 41
Ⅷ
3. 3. 2 能否信任数据 / 42
3. 3. 3 应该对数据做简单的测试 / 45
3. 3. 4 就地取材 / 46
3. 4 数据科学家的兴起 / 48
第2 部分
数据分析工具 第4 章 机器学习 / 52
4. 1 什么是机器学习 / 52
4. 2 监督机器学习算法 / 55
4. 2. 1 分类与ｋ 最近邻算法 / 56
4. 2. 2 分类与决策树 / 58
4. 2. 3 推荐系统 / 61
4. 2. 4 回归分析 / 62
4. 3 无监督机器学习算法 / 66
4. 3. 1 聚类分析与ｋ 均值算法 / 66
4. 3. 2 关联规则与购物篮算法 / 69
4. 4 对模型过度拟合与欠拟合的评注 / 70
4. 5 其他机器学习算法与总结 / 71
第5 章 描述性数据分析 / 74
5. 1 基于数据库的描述性数据分析 / 76
5. 1. 1 数据库基础 / 77
5. 1. 2 数据建模 / 82
5. 1. 3 学习ＳＱＬ 语言. 更好地认识数据 / 84
5. 1. 4 什么是ＮＯ￣ＳＱＬ / 86
5. 1. 5 结构化数据与非结构化数据 / 88
5. 1. 6 数据仓库与数据集市 / 90
5. 1. 7 仪表盘和平衡计分卡: 实用的及时
报告 / 93
5. 1. 8 运用ＯＬＡＰ 和数据立方体拓展描述性
数据分析 / 95
5. 1. 9 何时打破关系数据库的规则 / 97
5. 1. 10 实时数据与自动预警 / 98
5. 2 运用数据可视化做描述性数据分析 / 100
5. 3 运用描述性统计做描述性数据分析 / 107
5. 4 运用机器学习做描述性数据分析 / 109
第6 章 预测性数据分析 / 111
6. 1 回归预测 / 111
6. 2 机器学习与集成模型 / 112
Ⅸ
目 录
6. 3 Ａ/ Ｂ 检测 / 114
6. 4 模拟 / 118
第7 章 案例分析: .点球成金. 与最优化 / 123
第8 章 规范性数据分析(又称最优化) / 128
8. 1 什么是最优化 / 131
8. 2 最优化＝ 目标、约束条件、选择＋ 数据 / 131
8. 2. 1 目标 / 132
8. 2. 2 约束条件 / 136
8. 2. 3 选择 / 140
8. 2. 4 数据 / 141
8. 3 ＴＬＣ ＋ Ｄ 应用: 每个人都爱吃比萨 / 143
8. 3. 1 目标 / 144
8. 3. 2 约束条件 / 144
8. 3. 3 选择 / 144
8. 3. 4 数据 / 144
8. 3. 5 数学公式 / 144
8. 4 最优化算法的类型 / 145
8. 4. 1 精确算法 / 146
8. 4. 2 近似算法 / 147
8. 4. 3 启发式算法 / 148
8. 4. 4 假设分析 / 151
第3 部分
结 论 第9 章 收益管理 / 154
第10 章 实施数据分析的终极技巧 / 161
10. 1 它只是弓箭手. 而不是弓箭本身 / 161
10. 2 总结 / 162
非传统参考书目和扩展阅读 / 163
译后记 / 167
精品教材 更多
