|
-- 會員 / 註冊 --
|
|
|
|
管理數據分析——原理、方法、工具及實踐 ( 簡體 字) |
作者:麥克.沃森(Michael Watson)德里克.內爾森等 | 類別:1. -> 程式設計 -> 綜合 |
譯者: |
出版社:機械工業出版社 | 3dWoo書號: 47551 詢問書籍請說出此書號!【缺書】 NT售價: 200 元 |
出版日:8/15/2017 |
頁數:172 |
光碟數:0 |
|
站長推薦: |
印刷:黑白印刷 | 語系: ( 簡體 版 ) |
|
加入購物車 │加到我的最愛 (請先登入會員) |
ISBN:9787111566977 |
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
作者序: |
譯者序: |
前言: |
內容簡介:數據分析可以幫助組織做從生存到贏利的任何事情。想要開始利用分析學和大數據獲得利潤嗎?這本管理分析學是你理想的第壹資源。無論你的行業或管理角色怎樣,本書都將會幫您以快的速度開始、增值。本書運用現實案例,闡明了多種分析形式:有描述數據和可視化數據的描述性分析,有識別趨勢和關系的預測性分析,有利用你所知信息和預期目標來優化決策的指導性分析。 |
目錄:本書榮獲的贊譽 關于作者 序 言 第1 部分 概 述 第1 章 什么是管理數據分析 / 2 1 1 關于數據分析含義的疑惑 / 2 1. 2 什么是數據分析 / 3 1. 2. 1 運用描述性數據分析的事例 / 5 1. 2. 2 運用預測性數據分析的事例 / 7 1. 2. 3 運用規范性數據分析的事例 / 8 1. 3 什么是新的內容 / 10 1. 4 哪種數據分析最好 / 12 1. 5 什么是管理數據分析 / 14 第2 章 什么在推動數據分析蓬勃發展 / 19 2. 1 數據是數據分析的原料 / 19 2. 1. 1 什么是大數據 / 21 2. 1. 2 大數據能替代科學嗎 / 25 2. 1. 3 在缺少大數據的條件下可以做數據 分析嗎 / 26 2. 2 檢驗促進數據分析的發展 / 27 第3 章 數據分析思維方式 / 30 3. 1 管理數據盲 / 30 3. 1. 1 計算能力的錯覺 / 31 3. 1. 2 過濾謬論 / 33 3. 1. 3 一點改進的益處 / 34 3. 2 數據分析是一種思維方式 / 35 3. 2. 1 80/20 法則 / 37 3. 2. 2 將可變性納入到數據分析中 / 38 3. 2. 3 不能僅使用會計數據 / 39 3. 3 透徹思考數據 / 41 3. 3. 1 并非所有的數字都是數據 / 41 Ⅷ 3. 3. 2 能否信任數據 / 42 3. 3. 3 應該對數據做簡單的測試 / 45 3. 3. 4 就地取材 / 46 3. 4 數據科學家的興起 / 48 第2 部分 數據分析工具 第4 章 機器學習 / 52 4. 1 什么是機器學習 / 52 4. 2 監督機器學習算法 / 55 4. 2. 1 分類與k 最近鄰算法 / 56 4. 2. 2 分類與決策樹 / 58 4. 2. 3 推薦系統 / 61 4. 2. 4 回歸分析 / 62 4. 3 無監督機器學習算法 / 66 4. 3. 1 聚類分析與k 均值算法 / 66 4. 3. 2 關聯規則與購物籃算法 / 69 4. 4 對模型過度擬合與欠擬合的評注 / 70 4. 5 其他機器學習算法與總結 / 71 第5 章 描述性數據分析 / 74 5. 1 基于數據庫的描述性數據分析 / 76 5. 1. 1 數據庫基礎 / 77 5. 1. 2 數據建模 / 82 5. 1. 3 學習SQL 語言. 更好地認識數據 / 84 5. 1. 4 什么是NO ̄SQL / 86 5. 1. 5 結構化數據與非結構化數據 / 88 5. 1. 6 數據倉庫與數據集市 / 90 5. 1. 7 儀表盤和平衡計分卡: 實用的及時 報告 / 93 5. 1. 8 運用OLAP 和數據立方體拓展描述性 數據分析 / 95 5. 1. 9 何時打破關系數據庫的規則 / 97 5. 1. 10 實時數據與自動預警 / 98 5. 2 運用數據可視化做描述性數據分析 / 100 5. 3 運用描述性統計做描述性數據分析 / 107 5. 4 運用機器學習做描述性數據分析 / 109 第6 章 預測性數據分析 / 111 6. 1 回歸預測 / 111 6. 2 機器學習與集成模型 / 112 Ⅸ 目 錄 6. 3 A/ B 檢測 / 114 6. 4 模擬 / 118 第7 章 案例分析: .點球成金. 與最優化 / 123 第8 章 規范性數據分析(又稱最優化) / 128 8. 1 什么是最優化 / 131 8. 2 最優化= 目標、約束條件、選擇+ 數據 / 131 8. 2. 1 目標 / 132 8. 2. 2 約束條件 / 136 8. 2. 3 選擇 / 140 8. 2. 4 數據 / 141 8. 3 TLC + D 應用: 每個人都愛吃比薩 / 143 8. 3. 1 目標 / 144 8. 3. 2 約束條件 / 144 8. 3. 3 選擇 / 144 8. 3. 4 數據 / 144 8. 3. 5 數學公式 / 144 8. 4 最優化算法的類型 / 145 8. 4. 1 精確算法 / 146 8. 4. 2 近似算法 / 147 8. 4. 3 啟發式算法 / 148 8. 4. 4 假設分析 / 151 第3 部分 結 論 第9 章 收益管理 / 154 第10 章 實施數據分析的終極技巧 / 161 10. 1 它只是弓箭手. 而不是弓箭本身 / 161 10. 2 總結 / 162 非傳統參考書目和擴展閱讀 / 163 譯后記 / 167
|
序: |
|