本书是技工教育和职业培训“十四五”规划教材，是根据教育部最新发布的《高等职业学校专业教学标准》中对本课程的要求修订而成的。

本书主要内容包括认识大数据、大数据技术基础、大数据治理、大数据统计分析技术、数据挖掘、大数据可视化和大数据应用案例实战。本书编写是以大数据分析工具———“蓝鹰”为平台，理论结合实践，通过具体案例介绍如何进行大数据分析。本书为新形态一体化教材，借助先进技术，丰富内容呈现形式，配套多媒体助学助教资源，助力提高教学质量和学习效率。

本书可作为高等院校大数据入门课程的教材，亦可作为大数据技术相关培训教材，同时也可供大数据相关的从业人员参考。

前辅文
第1章 认识大数据
  1.1 大数据综述
   1.1.1 大数据的产生
   1.1.2 大数据的特征
  1.2 大数据的基本概念
   1.2.1 大数据的定义
   1.2.2 大数据的特点
  1.3 大数据思维
   1.3.1 大数据思维的变革
   1.3.2 大数据思维的关注点
   1.3.3 企业大数据思维之数字化转型
  1.4 大数据的处理过程
   1.4.1 大数据采集
   1.4.2 大数据导入与预处理
   1.4.3 数据治理
   1.4.4 大数据统计与分析
   1.4.5 大数据挖掘
  1.5 企业常用的数据平台
   1.5.1 数据分析工具
   1.5.2 数据中台
  1.6 大数据分析在企业中的实际应用
   1.6.1 数据业务应用场景
   1.6.2 大数据分析应用案例
  实验1 认识蓝鹰数据分析平台
第2章 大数据技术基础
  2.1 云计算
   2.1.1 云计算的特点
   2.1.2 云计算与大数据处理
  2.2 基础架构支持
   2.2.1 Hadoop
   2.2.2 HBase
   2.2.3 MapReduce
   2.2.4 Hive
   2.2.5 Python
   2.2.6 R 语言
   2.2.7 维度建模
  2.3 数据采集
   2.3.1 数据的形态
   2.3.2 数据采集的方法
  2.4 数据存储
   2.4.1 数据存储的概念
   2.4.2 数据的存储方式
   2.4.3 常见数据源类型
  实验2 数据接入
第3章 大数据治理
  3.1 数据标准管理
   3.1.1 数据服务标准
   3.1.2 指标梳理标准
   3.1.3 技术实现标准
  3.2 数据清洗
   3.2.1 数据清洗的作用
   3.2.2 数据清洗的方法和过程
   3.2.3 数据清洗的实例
   3.2.4 数据类型
   3.2.5 数据转换
  3.3 数据资产管理
   3.3.1 数据规划
   3.3.2 元数据管理
   3.3.3 数据质量管理
  3.4 数据服务
   3.4.1 统计分析
   3.4.2 数据开发
  实验3 数据预处理
第4章 大数据统计分析技术
  4.1 统计分析概述
   4.1.1 统计分析的概念
   4.1.2 统计分析的特点
   4.1.3 统计分析的应用
  4.2 统计分析的常见指标
   4.2.1 统计指标概述
   4.2.2 总量指标
   4.2.3 相对指标
   4.2.4 平均指标
   4.2.5 变异指标
  4.3 回归与预测
   4.3.1 回归
   4.3.2 预测
  实验4 数据分析指标
第5章 数据挖掘
  5.1 数据挖掘概念
   5.1.1 数据挖掘的起源
   5.1.2 数据挖掘的定义
  5.2 数据挖掘任务
   5.2.1 数据总结
   5.2.2 分类
   5.2.3 关联分析
   5.2.4 聚类
  5.3 数据挖掘流程
   5.3.1 业务理解
   5.3.2 数据理解
   5.3.3 数据准备
   5.3.4 建立模型
   5.3.5 结果评价
  5.4 数据挖掘的常用方法
   5.4.1 决策树
   5.4.2 遗传算法
   5.4.3 神经网络
   5.4.4 关联规则
   5.4.5 粗糙集
   5.4.6 判别分析
  实验5 数据挖掘
第6章 大数据可视化
  6.1 数据可视化分类
   6.1.1 结构可视化
   6.1.2 功能可视化
   6.1.3 关联关系可视化
   6.1.4 趋势可视化
  6.2 可视化表现形式
   6.2.1 二维可视化形式
   6.2.2 三维可视化形式
   6.2.3 仪表盘
   6.2.4 定制可视化形式
   6.2.5 大数据可视化方式的选择
  实验6 数据可视化
第7章 大数据应用案例实战
  7.1 网站流量分析
   7.1.1 背景分析
   7.1.2 案例及需求分析
   7.1.3 大数据分析方法
   7.1.4 大数据分析过程
   7.1.5 结论
  7.2 电商行业销售分析
   7.2.1 背景分析
   7.2.2 案例及需求分析
   7.2.3 大数据分析方法
   7.2.4 大数据分析过程
   7.2.5 结论
  7.3 金融行业贷款业务分析
   7.3.1 背景分析
   7.3.2 案例及需求分析
   7.3.3 大数据分析方法
   7.3.4 大数据分析过程
   7.3.5 结论