本书详细阐述了培养具有数据素养的综合型人才所需要的大数据相关知识。本书紧紧围绕通识教育的核心理念，努力培养读者的数据意识、数据思维、数据伦理和数据能力。本书介绍了大数据技术、大数据应用、大数据安全、大数据思维、大数据伦理、数据共享、数据开放、大数据交易以及大数据治理等内容。为了避免陷入空洞的理论介绍，本书融入了丰富的案例，这些案例就发生在我们生活的大数据时代，很具有代表性和说服力，能够让读者直观感受相应理论的具体内涵。

本书可作为高等学校非计算机专业（尤其是文科）数据科学通识类课程教材，也可供对大数据感兴趣的读者自学使用。

前辅文
第1章 大数据概述
  1.1 数据
   1.1.1 数据的概念
   1.1.2 数据类型
   1.1.3 数据组织形式
   1.1.4 数据生命周期
   1.1.5 数据的使用
   1.1.6 数据的价值
   1.1.7 数据爆炸
  1.2 大数据时代
   1.2.1 第三次信息化浪潮
   1.2.2 信息科技为大数据时代提供技术支撑
   1.2.3 数据产生方式的变革促成大数据时代的来临
  1.3 大数据的发展历程
  1.4 世界各国的大数据发展战略
   1.4.1 美国
   1.4.2 英国
   1.4.3 法国
   1.4.4 韩国
   1.4.5 日本
   1.4.6 中国
  1.5 大数据的概念
   1.5.1 数据量大
   1.5.2 数据类型繁多
   1.5.3 处理速度快
   1.5.4 价值密度低
  1.6 大数据的影响
   1.6.1 大数据对科学研究的影响
   1.6.2 大数据对社会发展的影响
   1.6.3 大数据对就业市场的影响
   1.6.4 大数据对人才培养的影响
  1.7 大数据的应用
  1.8 大数据产业
  1.9 本章小结
  习题
第2章 大数据与云计算、物联网、人工智能
  2.1 云计算
   2.1.1 云计算的概念
   2.1.2 云计算的服务模式和类型
   2.1.3 云计算数据中心
   2.1.4 云计算的应用
   2.1.5 云计算产业
  2.2 物联网
   2.2.1 物联网的概念
   2.2.2 物联网的关键技术
   2.2.3 物联网的应用
   2.2.4 物联网产业
  2.3 大数据与云计算、物联网的关系
  2.4 人工智能
   2.4.1 人工智能的概念
   2.4.2 人工智能的关键技术
   2.4.3 人工智能的应用
   2.4.4 人工智能产业
  2.5 大数据与人工智能的关系
  2.6 本章小结
  习题
第3章 大数据技术
  3.1 概述
  3.2 数据采集与预处理
   3.2.1 数据采集的概念
   3.2.2 数据采集的3大要点
   3.2.3 数据采集的数据源
   3.2.4 数据清洗
  3.3 数据存储和管理
   3.3.1 传统的数据存储和管理技术
   3.3.2 大数据时代的数据存储和管理技术
  3.4 数据处理与分析
   3.4.1 数据挖掘和机器学习算法
   3.4.2 大数据处理与分析技术
  3.5 数据可视化
   3.5.1 数据可视化的概念
   3.5.2 数据可视化的重要作用
   3.5.3 数据可视化案例
  3.6 数据安全和隐私保护
   3.6.1 数据安全技术
   3.6.2 隐私保护技术
  3.7 本章小结
  习题
第4章 大数据应用
  4.1 大数据在互联网领域的应用
   4.1.1 推荐系统的概念
   4.1.2 长尾理论
   4.1.3 推荐方法
   4.1.4 推荐系统模型
   4.1.5 推荐系统的应用
  4.2 大数据在生物医学领域的应用
   4.2.1 流行病预测
   4.2.2 智慧医疗
   4.2.3 生物信息学
   4.2.4 案例：基于大数据的综合健康服务平台
  4.3 大数据在物流领域的应用
   4.3.1 智能物流的概念
   4.3.2 智能物流的作用
   4.3.3 智能物流的应用
   4.3.4 大数据是智能物流的关键
   4.3.5 中国智能物流骨干网——菜鸟
  4.4 大数据在城市管理领域的应用
   4.4.1 智能交通
   4.4.2 环保监测
   4.4.3 城市规划
   4.4.4 安防领域
  4.5 大数据在金融领域的应用
   4.5.1 高频交易
   4.5.2 市场情绪分析
   4.5.3 信贷风险分析
   4.5.4 大数据征信
  4.6 大数据在汽车领域的应用
  4.7 大数据在零售领域的应用
   4.7.1 发现关联购买行为
   4.7.2 客户群体细分
   4.7.3 供应链管理
  4.8 大数据在餐饮领域的应用
   4.8.1 餐饮行业拥抱大数据
   4.8.2 餐饮O2O
  4.9 大数据在电信领域的应用
  4.10 大数据在能源领域的应用
  4.11 大数据在体育和娱乐领域的应用
   4.11.1 训练球队
   4.11.2 投拍影视作品
   4.11.3 预测比赛结果
  4.12 大数据在安全领域的应用
   4.12.1 大数据与国家安全
   4.12.2 应用大数据技术防御网络攻击
   4.12.3 警察应用大数据工具预防犯罪
  4.13 大数据在政府领域的应用
  4.14 大数据在日常生活中的应用
  4.15 本章小结
  习题
第5章 大数据安全
  5.1 传统数据安全
  5.2 大数据安全与传统数据安全的不同
  5.3 大数据安全问题
   5.3.1 隐私和个人信息安全问题
   5.3.2 国家安全问题
  5.4 典型案例
   5.4.1 棱镜门事件
   5.4.2 维基解密
   5.4.3 Facebook数据滥用事件
   5.4.4 手机应用软件过度采集个人信息
   5.4.5 12306数据泄露
   5.4.6 免费WiFi窃取用户信息
   5.4.7 收集个人隐私信息的“探针盒子”
  5.5 大数据保护的基本原则
   5.5.1 数据主权原则
   5.5.2 数据保护原则
   5.5.3 数据自由流通原则
   5.5.4 数据安全原则
  5.6 大数据时代数据安全与隐私保护的对策
  5.7 世界各国保护数据安全的实践
   5.7.1 欧盟
   5.7.2 美国
   5.7.3 英国
   5.7.4 中国
   5.7.5 其他国家
  5.8 本章小结
  习题
第6章 大数据思维
  6.1 传统的思维方式
  6.2 大数据时代需要新的思维方式
  6.3 大数据思维方式
   6.3.1 全样而非抽样
   6.3.2 效率而非精确
   6.3.3 相关而非因果
   6.3.4 以数据为中心
   6.3.5 我为人人，人人为我
  6.4 运用大数据思维的具体实例
   6.4.1 商品比价网站
   6.4.2 啤酒与尿布
   6.4.3 零售商Target的基于大数据的商品营销
   6.4.4 吸烟有害身体健康的法律诉讼
   6.4.5 基于大数据的药品研发
   6.4.6 基于大数据的谷歌广告
   6.4.7 搜索引擎“点击模型”
   6.4.8 迪士尼MagicBand手环
   6.4.9 谷歌流感趋势预测
   6.4.10 大数据的简单算法比小数据的复杂算法更有效
   6.4.11 谷歌翻译
  6.5 本章小结
  习题
第7章 大数据伦理
  7.1 大数据伦理概念
  7.2 大数据伦理的典型案例
   7.2.1 徐玉玉事件
   7.2.2 大麦网撞库事件
   7.2.3 大数据“杀熟”
   7.2.4 隐性偏差问题
   7.2.5 魏则西事件
   7.2.6 “信息茧房”问题
  7.3 大数据的伦理问题
   7.3.1 隐私泄露问题
   7.3.2 数据安全问题
   7.3.3 数字鸿沟问题
   7.3.4 数据独裁问题
   7.3.5 数据垄断问题
   7.3.6 数据的真实可靠问题
   7.3.7 人的主体地位问题
  7.4 大数据伦理问题产生的原因
   7.4.1 人类社会价值观的转变
   7.4.2 数据伦理责任主体不明确
   7.4.3 相关主体的利益牵涉
   7.4.4 道德规范的缺失
   7.4.5 法律体系不健全
   7.4.6 管理机制不完善
   7.4.7 技术乌托邦的消极影响
   7.4.8 大数据技术本身的缺陷
  7.5 大数据伦理问题的治理
   7.5.1 提高保护个人隐私数据的意识
   7.5.2 加强大数据伦理规约的构建
   7.5.3 努力实现以技术治理大数据
   7.5.4 完善大数据立法
   7.5.5 完善大数据伦理管理机制
   7.5.6 引导企业坚持责任与利益并重
   7.5.7 努力弘扬共享精神化解数字鸿沟
   7.5.8 倡导跨行业跨部门合作
  7.6 本章小结
  习题
第8章 数据共享
  8.1 数据孤岛问题
   8.1.1 政府的数据孤岛问题
   8.1.2 企业的数据孤岛问题
  8.2 数据孤岛问题产生的原因
   8.2.1 政府数据孤岛的产生原因
   8.2.2 企业数据孤岛的产生原因
  8.3 消除数据孤岛的重要意义
   8.3.1 对于政府的意义
   8.3.2 对于企业的意义
  8.4 实现数据共享所面临的挑战
   8.4.1 政府层面的挑战
   8.4.2 企业层面的挑战
  8.5 推进数据共享开放的举措
   8.5.1 政府层面的举措
   8.5.2 企业层面的举措
  8.6 数据共享案例
   8.6.1 案例1：菜鸟物流
   8.6.2 案例2：政府一站式平台——i厦门
   8.6.3 案例3：浙江打通政府数据，让群众最多跑一次
  8.7 本章小结
  习题
第9章 数据开放
  9.1 政府开放数据的理论基础
   9.1.1 数据资产理论
   9.1.2 数据权理论
   9.1.3 开放政府理论
  9.2 政府信息公开与政府数据开放的联系与区别
  9.3 政府数据开放的重要意义
   9.3.1 政府开放数据有利于促进开放透明政府的形成
   9.3.2 政府开放数据有利于创新创业和经济增长
   9.3.3 政府开放数据有利于社会治理创新
  9.4 国外政府开放数据的经验
   9.4.1 概述
   9.4.2 G8数据开放原则
   9.4.3 美国开放数据国家行动计划
   9.4.4 英国开放数据国家行动计划
   9.4.5 德国政府开放数据行动
   9.4.6 日本政府开放数据行动
  9.5 国内政府开放数据
   9.5.1 概述
   9.5.2 我国政府数据开放制度体系
   9.5.3 当前数据开放存在的主要问题
   9.5.4 各地政府数据开放实践
  9.6 政府数据开放的几点启示
  9.7 本章小结
  习题
第10章 大数据交易
  10.1 概述
  10.2 大数据交易发展现状
  10.3 大数据交易平台
   10.3.1 交易平台的类型
   10.3.2 交易平台的数据来源
   10.3.3 交易平台的产品类型
   10.3.4 交易平台涉及的主要领域
   10.3.5 平台的交易规则
   10.3.6 交易平台的运营模式
   10.3.7 代表性的大数据交易平台
  10.4 大数据交易在发展过程中出现的问题
   10.4.1 互联网数据马太效应显现
   10.4.2 大数据产权界定不清晰
   10.4.3 大数据交易规则和标准缺乏
   10.4.4 数据估值定价机制有待完善
   10.4.5 大数据需求不明确，抑制交易市场发展
   10.4.6 大数据交易组织机构定位不清
   10.4.7 用户隐私保护隐患重重
   10.4.8 大数据交易专业人才缺乏
  10.5 推进大数据交易发展的对策
   10.5.1 加快制定隐私保护相关法律法规
   10.5.2 加快推进政府数据开放共享
   10.5.3 加快完善市场交易机制
   10.5.4 加快建立大数据交易监管职能部门
   10.5.5 加快培育大数据交易人才
  10.6 本章小结
  习题
第11章 大数据治理
  11.1 概述
   11.1.1 数据治理的必要性
   11.1.2 数据治理的基本概念
   11.1.3 数据治理与数据管理的关系
   11.1.4 大数据治理的基本概念
   11.1.5 大数据治理与数据治理的关系
   11.1.6 大数据治理的重要意义和作用
  11.2 大数据治理的要素
  11.3 大数据治理模型
   11.3.1 ISACA数据治理模型
   11.3.2 HESA数据治理模型
   11.3.3 数据治理螺旋模型
  11.4 大数据治理保障机制
   11.4.1 大数据治理战略目标
   11.4.2 大数据治理组织
   11.4.3 制度章程
   11.4.4 流程管理
   11.4.5 技术应用
  11.5 本章小结
  习题
参考文献