数据实践之美

《数据实践之美：31位大数据专家的方法、技术与思想》是数据技术领域具有里程碑意义的代表性著作，由国内知名的数据技术社区天善智能领衔组织和策划，首次将来自百度、腾讯、IBM、埃森哲、Teradata、永洪科技、达观数据、神策数据、同程旅游等20余家国内外在数据和互联网领域的领头羊企业的31位数据专家（CEO、CTO、VP、技术总监、架构师、高级分析经理、咨询总监等）联合在一起，分享了他们在数据领域多年来积累下来的*感自豪的方法、技术与思想，同时对很多技术难题给出了经验性的解决方案，颇为珍贵！

全书分为5大部分：

Part1：数据化思维

旨在帮助读者在企业的数据化运营和管理过程中建立和优化运用数据的思维，涵盖数据化运营、数据化营销、数据化管理、数据领导力等多个主题。

Part2：数据治理

这部分内容有针对性地从技术的角度讲解了数据治理的一些重要技术，包括...

(展开全部)

《数据实践之美：31位大数据专家的方法、技术与思想》是数据技术领域具有里程碑意义的代表性著作，由国内知名的数据技术社区天善智能领衔组织和策划，首次将来自百度、腾讯、IBM、埃森哲、Teradata、永洪科技、达观数据、神策数据、同程旅游等20余家国内外在数据和互联网领域的领头羊企业的31位数据专家（CEO、CTO、VP、技术总监、架构师、高级分析经理、咨询总监等）联合在一起，分享了他们在数据领域多年来积累下来的*感自豪的方法、技术与思想，同时对很多技术难题给出了经验性的解决方案，颇为珍贵！

全书分为5大部分：

Part1：数据化思维

旨在帮助读者在企业的数据化运营和管理过程中建立和优化运用数据的思维，涵盖数据化运营、数据化营销、数据化管理、数据领导力等多个主题。

Part2：数据治理

这部分内容有针对性地从技术的角度讲解了数据治理的一些重要技术，包括数据库开发与设计、ETL数据处理、复杂数据处理3大主题。

Part3：BI与数据可视化

这部分主要从“术”的角度对BI与数据可视化进行了讲解，涵盖商务智能业务构建、数据体系构建、BI项目的实施与应用、大数据系统的架构与技术选型、数据可视化的技术与工作方法等10个主题，内容丰富。

Part4：数据分析与数据挖掘

数据分析与数据挖掘是大数据与人工智能时代*核心的技术之一，也是本书的重中之重，包含数据驱动的运营和管理、精细化分析、数据产品化、零售数据分析、电商数据分析、行业数据和个性化数据的挖掘关键技术和标准流程等12个十分精彩的主题。

Part5：大数据化之路

这部分内容主要讲解了如何真正将大数据技术、大数据方案和架构落实到具体的行业应用中，选取了教育、互联网金融、商业地理应用3个领域的3个案例，对整个的实施过程和涉及的关键技术和业务考量都做了详细阐述，希望能读者以 启发。

天善智能（www.hellobi.com），

一个专注于商业智能（BI）、数据分析、数据挖掘和大数据技术的技术社区 ，包括技术问答、博客、活动、学院、招聘、读书频道等众多版块。社区内容不仅覆盖了几乎所有与 BI 相关的技术和产品：微软BI、IBM Cognos、Oracle BIEE、Kettle、Informatica、DataStage、SAP BO、QlikView、Tableau等；还包含所有与数据分析、数据挖掘和大数据相关的技术和产品，如R、Python、SPSS、Hadoop、Spark、Hive、Kylin等。

天善智能致力于构建一个基于数据的生态圈，通过社区链接一切与数据相关的资源。上游，天善智能得到了IBM、Oracle、微软、永洪科技、帆软等数十家国内外数据厂商的大力支持；中游，天善智能在社区拥有一批非常知名的社区领袖和技术大拿；...

(展开全部)

天善智能（www.hellobi.com），

一个专注于商业智能（BI）、数据分析、数据挖掘和大数据技术的技术社区 ，包括技术问答、博客、活动、学院、招聘、读书频道等众多版块。社区内容不仅覆盖了几乎所有与 BI 相关的技术和产品：微软BI、IBM Cognos、Oracle BIEE、Kettle、Informatica、DataStage、SAP BO、QlikView、Tableau等；还包含所有与数据分析、数据挖掘和大数据相关的技术和产品，如R、Python、SPSS、Hadoop、Spark、Hive、Kylin等。

天善智能致力于构建一个基于数据的生态圈，通过社区链接一切与数据相关的资源。上游，天善智能得到了IBM、Oracle、微软、永洪科技、帆软等数十家国内外数据厂商的大力支持；中游，天善智能在社区拥有一批非常知名的社区领袖和技术大拿；下游，天善智能的学员和注册会员覆盖北京、上海、深圳、广州等50多个国内的大中小城市，以及加拿大、美国、新西兰、澳大利亚、日本、德国、新加坡等海外国家。在数据领域里天善智能有着广泛的影响力。

赞誉
前言
Part 1　数据化思维 // 1
NO.1　数据化运营的方法论体系　张子良 // 2
NO.2　数据化营销中的“一·二·三”　叶秋萍 // 9
NO.3　企业数据化管理之巅—同业对标　王卫东 // 21
· · · · · · (更多)

赞誉
前言
Part 1　数据化思维 // 1
NO.1　数据化运营的方法论体系　张子良 // 2
NO.2　数据化营销中的“一·二·三”　叶秋萍 // 9
NO.3　企业数据化管理之巅—同业对标　王卫东 // 21
NO.4　管理数据化：柳传志30年管理智慧如何为我所用　袁华杰 // 33
NO.5　数据领导力—指标体系规划与管理驾驶舱设计　刘凯 // 41
Part 2　数据治理 // 53
NO.6　数据库开发实施工艺提升的6种途径　杨宝军 // 54
NO.7　ETL串并发数据跑批处理的理论与运用实践　何启平 // 64
NO.8　如何高效地对复杂数据进行清洗与转换　谢佳标// 74
Part 3　BI与数据可视化 // 91
NO.9　商务智能业务分析构建“5步曲”　吕敏杰 // 92
NO.10　构建数据体系的两个“5步曲”　王桐 // 109
NO.11　成功实施BI项目的4大要素　贾岩 // 119
NO.12　Kimball理论在BI项目中的应用　郭川 // 127
NO.13　BI数据可视化分析SaaS产品前瞻　吕品 // 145
NO.14　大数据工程的系统架构设计和技术选型　韩庆安 // 153
NO.15　数据可视化4步工作法　温融冰 // 164
NO.16　如何用R语言对复杂数据进行可视化　谢佳标// 169
NO.17　新思路，新体系：让银行报表的3大痛点不再是噩梦　袁华杰 // 184
NO.18　Cognos在金融银行业的最佳运用　吴永帆 // 196
Part 4　数据分析与数据挖掘 // 207
NO.19　如何做好一名商业分析师？　吴奕君 // 209
NO.20　如何用数据驱动运营　桑文锋 // 217
NO.21　企业增长中的精细化分析和Growth Hacking　孔淼 // 237
NO.22　如何基于业务实现用户行为数据产品化　吴文波 // 247
NO.23　电商的数据化管理与运营　尚林栋 // 256
NO.24　零售业数据分析指标的管理与应用　沈嵘// 284
NO.25　做好零售业数据分析必须解决的3个难点　邹斌 // 291
NO.26　如何用R语言做量化分析　张丹 // 316
NO.27　从BI到AI，数据分析的4个误区　彭耀 // 335
NO.28　企业如何利用跨行业数据挖掘标准流程开展大数据实践　张浩彬 // 342
NO.29　详解过程挖掘的技术和方法　汪尚 // 352
NO.30　个性化数据挖掘的关键技术与应用实践　陈运文 // 382
Part 5　大数据化之路 // 401
NO.31　教育行业的大数据实施路径　李宗海 // 402
NO.32　数据科学在互联网金融中的应用　张云松 // 409
NO.33　地理大数据驱动的智慧选址　张志成 // 419
附录 // 433
· · · · · · (收起)