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。本书在确定知识布局时，秉持的一个基本原则是：紧紧围绕通识教育核心理念，努力培养学生的数据意识、数据思维和数据能力。全书共11章，内容包括大数据概述、大数据与其他新兴技术（云计算、物联网、人工智能、区块链、元宇宙）的关系、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、大数据交易和大数据治理。为了避免陷入空洞的理论介绍，本书在很多章节都融入了丰富的案例，这些案例就发生在我们生活的大数据时代，很具代表性和说服力，能够让学生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
   1.1.8 数商
  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 欧盟
   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
   1.7.1 大数据在各个领域的应用
   1.7.2 大数据应用的三个层次
  1.8 大数据产业
  1.9 大数据与数字经济
   1.9.1 数字经济的概念及其重要意义
   1.9.2 大数据与数字经济的紧密关系
  1.10 本章小结
  1.11 习题
第2章 大数据与其他新兴技术的关系
  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
   2.4.5 大数据与人工智能的关系
  2.5 区块链
   2.5.1 从比特币说起
   2.5.2 区块链的原理
   2.5.3 区块链的定义
   2.5.4 区块链的应用
   2.5.5 大数据与区块链的关系
  2.6 元宇宙
   2.6.1 元宇宙的概念
   2.6.2 元宇宙的基本特征
   2.6.3 元宇宙的核心技术
   2.6.4 大数据与元宇宙的关系
  2.7 本章小结
  2.8 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 数据采集的三大要点
   3.2.3 数据采集的数据源
   3.2.4 数据采集方法
   3.2.5 数据清洗
   3.2.6 数据集成
   3.2.7 数据转换
   3.2.8 数据脱敏
  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 基于统计学方法的数据分析
   3.4.2 数据挖掘和机器学习算法
   3.4.3 大数据处理与分析技术
  3.5 数据可视化
   3.5.1 什么是数据可视化
   3.5.2 可视化的发展历程
   3.5.3 数据可视化的重要作用
   3.5.4 可视化图表
  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
  3.8 习题
第4章 大数据应用
  4.1 大数据在互联网领域的应用
  4.2 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
  4.3 大数据在物流领域的应用
   4.3.1 智能物流的概念
   4.3.2 大数据是智能物流的关键
   4.3.3 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
   4.4.5 疫情防控
  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 大数据在日常生活中的应用
  4.14 本章小结
  4.15 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 大数据时代数据安全面临的挑战
  5.4 大数据安全问题
   5.4.1 隐私和个人信息安全问题
   5.4.2 企业数据安全问题
   5.4.3 国家安全问题
  5.5 大数据安全威胁
   5.5.1 大数据基础设施安全威胁
   5.5.2 大数据存储安全威胁
   5.5.3 大数据网络安全威胁
  5.6 不同形式的大数据安全风险
  5.7 典型案例
   5.7.1 棱镜门事件
   5.7.2 维基解密
   5.7.3 Facebook数据滥用事件
   5.7.4 手机应用软件过度采集个人信息
   5.7.5 免费Wi-Fi窃取用户信息
   5.7.6 收集个人隐私信息的“探针盒子”
   5.7.7 健身软件泄露美军机密
   5.7.8 基因信息出境引发国家安全问题
  5.8 大数据保护的基本原则
   5.8.1 数据主权原则
   5.8.2 数据保护原则
   5.8.3 数据自由流通原则
   5.8.4 数据安全原则
  5.9 大数据时代数据安全与隐私保护的对策
  5.10 世界各国保护数据安全的实践
   5.10.1 欧盟
   5.10.2 美国
   5.10.3 英国
   5.10.4 其他国家
   5.10.5 中国
  5.11 本章小结
  5.12 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
   6.4.12 基于大模型、大数据和大算力的ChatGPT
  6.5 本章小结
  6.6 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
   7.2.7 人脸数据滥用
   7.2.8 大数据算法歧视问题
   7.2.9 菜鸟和顺丰事件
  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
  7.5 大数据伦理问题的治理
  7.6 本章小结
  7.7 习题
第8章 数据共享
  8.1 数据孤岛问题
  8.2 数据孤岛问题产生的原因
  8.3 消除数据孤岛的重要意义
  8.4 实现数据共享所面临的挑战
   8.4.1 在政府层面的挑战
   8.4.2 在企业层面的挑战
  8.5 推进数据共享开放的举措
   8.5.1 在政府层面的举措
   8.5.2 在企业层面的举措
  8.6 数据共享的原则
  8.7 数据共享案例
   8.7.1 案例1：菜鸟物流
   8.7.2 案例2：政府一站式平台
   8.7.3 案例3：浙江打通政府数据，让群众最多跑一次
  8.8 本章小结
  8.9 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
   9.4.7 澳大利亚政府开放数据行动
  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
  9.8 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
  10.5 推进大数据交易发展的对策
  10.6 本章小结
  10.7 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 大数据治理要素
  11.3 大数据治理原则
  11.4 大数据治理的范围
   11.4.1 大数据生存周期
   11.4.2 大数据架构
   11.4.3 大数据安全与隐私
   11.4.4 数据质量
   11.4.5 大数据服务创新
  11.5 大数据治理模型
   11.5.1 ISACA数据治理模型
   11.5.2 HESA数据治理模型
   11.5.3 数据治理螺旋模型
  11.6 大数据治理保障机制
   11.6.1 大数据治理战略目标
   11.6.2 大数据治理组织
   11.6.3 制度章程
   11.6.4 流程管理
   11.6.5 技术应用
  11.7 本章小结
  11.8 习题
参考文献