大數(shù)據(jù)技術(shù)應(yīng)用
定 價(jià)：68 元
叢書(shū)名：數(shù)字經(jīng)濟(jì)專業(yè)系列教材
- 作者：陳媛
- 出版時(shí)間：2025/2/1
- ISBN：9787121497377
- 出 版 社：電子工業(yè)出版社
- 中圖法分類：TP274
- 頁(yè)碼：
- 紙張：
- 版次：
- 開(kāi)本：
隨著信息技術(shù)的飛速發(fā)展，大數(shù)據(jù)已經(jīng)成為驅(qū)動(dòng)全球經(jīng)濟(jì)轉(zhuǎn)型的關(guān)鍵因素。本書(shū)從大數(shù)據(jù)的基本概念入手，系統(tǒng)介紹了大數(shù)據(jù)架構(gòu)、大數(shù)據(jù)預(yù)處理、大數(shù)據(jù)分析等核心技術(shù)，并深入探討了這些技術(shù)在用戶行為分析、金融與投資、消費(fèi)領(lǐng)域及財(cái)稅與貿(mào)易等領(lǐng)域的實(shí)際應(yīng)用。本書(shū)內(nèi)容不僅涵蓋了技術(shù)層面的詳細(xì)介紹，還通過(guò)豐富的案例分析展示了大數(shù)據(jù)在實(shí)踐中的具體應(yīng)用場(chǎng)景。 無(wú)論是希望理解大數(shù)據(jù)技術(shù)基礎(chǔ)的學(xué)生，還是想在實(shí)際業(yè)務(wù)中應(yīng)用大數(shù)據(jù)技術(shù)的從業(yè)者，本書(shū)都為其提供了全面且實(shí)用的指導(dǎo)，幫助讀者掌握大數(shù)據(jù)在數(shù)字經(jīng)濟(jì)中的應(yīng)用，為推動(dòng)行業(yè)創(chuàng)新與發(fā)展提供有力支持。
陳媛，上海財(cái)經(jīng)大學(xué)數(shù)字經(jīng)濟(jì)系講席教授、博士生導(dǎo)師。近年來(lái)，主要研究方向涵蓋數(shù)智技術(shù)應(yīng)用、數(shù)字平臺(tái)與數(shù)據(jù)產(chǎn)品、社交媒體與社會(huì)網(wǎng)絡(luò)等領(lǐng)域。深耕產(chǎn)教融合，研究成果豐碩，在 Information Systems Research、Production and Operations Management 等UTD24期刊上發(fā)表多篇代表性論文，并出版多部專業(yè)教材。
目錄
第1章 大數(shù)據(jù)概述1
1.1 大數(shù)據(jù)的時(shí)代背景1
1.1.1 信息化浪潮1
1.1.2 大數(shù)據(jù)及相關(guān)技術(shù)的發(fā)展歷程2
1.1.3 我國(guó)的大數(shù)據(jù)戰(zhàn)略5
1.2 大數(shù)據(jù)的概念及特征6
1.2.1 大數(shù)據(jù)的概念6
1.2.2 大數(shù)據(jù)的核心特征8
1.2.3 大數(shù)據(jù)的作用10
1.3 大數(shù)據(jù)體系13
1.3.1 大數(shù)據(jù)采集層14
1.3.2 大數(shù)據(jù)存儲(chǔ)層16
1.3.3 大數(shù)據(jù)處理與分析層19
1.3.4 大數(shù)據(jù)應(yīng)用層21
1.4 大數(shù)據(jù)面臨的挑戰(zhàn)23
1.4.1 個(gè)人隱私泄露問(wèn)題23
1.4.2 數(shù)據(jù)安全問(wèn)題24
1.4.3 信息繭房24
1.4.4 大數(shù)據(jù)“殺熟”25
參考文獻(xiàn)26
第2章 大數(shù)據(jù)架構(gòu)28
2.1 大數(shù)據(jù)處理架構(gòu)Hadoop28
2.1.1 分布式系統(tǒng)28
2.1.2 Hadoop概述30
2.1.3 Hadoop生態(tài)系統(tǒng)32
2.2 分布式文件系統(tǒng)HDFS34
2.2.1 HDFS35
2.2.2 HDFS的體系結(jié)構(gòu)38
2.2.3 HDFS的數(shù)據(jù)存儲(chǔ)與數(shù)據(jù)讀寫(xiě)39
2.3 分布式計(jì)算框架MapReduce42
2.3.1 MapReduce43
2.3.2 MapReduce的體系結(jié)構(gòu)44
2.3.3 MapReduce的工作流程45
2.3.4 MapReduce運(yùn)算實(shí)例49
2.4 對(duì)Hadoop架構(gòu)的進(jìn)一步探討50
2.4.1 Hadoop的局限與優(yōu)化50
2.4.2 HDFS2.0的新特性51
2.4.3 新一代資源管理調(diào)度框架YARN53
2.4.4 Hadoop生態(tài)系統(tǒng)中的其他功能組件56
參考文獻(xiàn)59
第3章 大數(shù)據(jù)預(yù)處理60
3.1 大數(shù)據(jù)預(yù)處理概述60
3.2 數(shù)據(jù)清洗60
3.2.1 數(shù)據(jù)的完整性61
3.2.2 數(shù)據(jù)的一致性62
3.2.3 噪聲數(shù)據(jù)處理62
3.2.4 缺失數(shù)據(jù)處理63
3.2.5 冗余數(shù)據(jù)清理64
3.3 數(shù)據(jù)集成65
3.3.1 數(shù)據(jù)集成的概念65
3.3.2 數(shù)據(jù)集成的分類66
3.3.3 數(shù)據(jù)集成的模式68
3.3.4 數(shù)據(jù)集成系統(tǒng)69
3.4 數(shù)據(jù)約簡(jiǎn)70
3.4.1 維度歸約70
3.4.2 數(shù)據(jù)壓縮72
3.4.3 數(shù)值歸約72
3.4.4 概念分層73
3.5 數(shù)據(jù)變換73
3.5.1 數(shù)據(jù)平滑73
3.5.2 數(shù)據(jù)聚集75
3.5.3 數(shù)據(jù)離散化75
3.5.4 數(shù)據(jù)稀疏化76
3.5.5 數(shù)據(jù)規(guī)范化77
參考文獻(xiàn)79
第4章 大數(shù)據(jù)分析80
4.1 大數(shù)據(jù)分析概述80
4.1.1 探索性數(shù)據(jù)分析80
4.1.2 模型建立84
4.1.3 模型評(píng)估86
4.2 回歸模型89
4.2.1 回歸模型概述89
4.2.2 線性回歸90
4.2.3 支持向量回歸92
4.2.4 嶺回歸和LASSO回歸93
4.2.5 時(shí)間序列回歸95
4.3 分類模型97
4.3.1 分類模型概述97
4.3.2 邏輯回歸98
4.3.3 支持向量機(jī)99
4.3.4 決策樹(shù)101
4.3.5 k近鄰102
4.4 聚類模型104
4.4.1 聚類模型概述104
4.4.2 k均值聚類模型105
4.4.3 高斯混合模型107
4.4.4 DBSCAN108
4.5 對(duì)大數(shù)據(jù)分析技術(shù)的進(jìn)一步探討110
4.5.1 神經(jīng)網(wǎng)絡(luò)110
4.5.2 知識(shí)圖譜114
4.5.3 圖神經(jīng)網(wǎng)絡(luò)116
4.5.4 生成對(duì)抗網(wǎng)絡(luò)118
參考文獻(xiàn)119
第5章 大數(shù)據(jù)在用戶行為分析中的應(yīng)用120
5.1 大數(shù)據(jù)與用戶行為分析概述120
5.1.1 大數(shù)據(jù)與用戶行為分析120
5.1.2 大數(shù)據(jù)用戶行為分析的應(yīng)用場(chǎng)景121
5.1.3 大數(shù)據(jù)用戶行為分析的數(shù)據(jù)采集與處理122
5.1.4 大數(shù)據(jù)用戶行為分析的模型構(gòu)建方法124
5.2 大數(shù)據(jù)與電商126
5.2.1 用戶健康度分析126
5.2.2 用戶路徑分析127
5.2.3 用戶漏斗分析128
5.2.4 用戶生命周期分析129
5.3 大數(shù)據(jù)與流媒體（音頻、視頻、直播）131
5.3.1 用戶注意力分析131
5.3.2 用戶價(jià)值分析133
5.3.3 社交網(wǎng)絡(luò)分析134
5.4 大數(shù)據(jù)與游戲136
5.4.1 用戶分群137
5.4.2 用戶流失預(yù)警139
5.4.3 異常行為監(jiān)控141
參考文獻(xiàn)145
第6章 大數(shù)據(jù)在金融與投資中的應(yīng)用147
6.1 大數(shù)據(jù)與金融147
6.1.1 概述147
6.1.2 數(shù)據(jù)獲取149
6.1.3 安全治理150
6.2 大數(shù)據(jù)與銀行151
6.2.1 信貸風(fēng)險(xiǎn)管理152
6.2.2 客戶身份識(shí)別與反洗錢(qián)155
6.2.3 區(qū)塊鏈與數(shù)字貨幣157
6.3 大數(shù)據(jù)與保險(xiǎn)160
6.3.1 產(chǎn)品設(shè)計(jì)與定價(jià)160
6.3.2 精準(zhǔn)營(yíng)銷163
6.3.3 智能理賠與保險(xiǎn)反欺詐165
6.4 大數(shù)據(jù)與投資167
6.4.1 量化投資與高頻交易168
6.4.2 投資策略優(yōu)化170
6.4.3 智能投顧173
參考文獻(xiàn)176
第7章 大數(shù)據(jù)在消費(fèi)領(lǐng)域中的應(yīng)用178
7.1 大數(shù)據(jù)與消費(fèi)領(lǐng)域概述178
7.1.1 傳統(tǒng)消費(fèi)領(lǐng)域與數(shù)字消費(fèi)領(lǐng)域178
7.1.2 消費(fèi)領(lǐng)域的大數(shù)據(jù)獲取179
7.1.3 消費(fèi)領(lǐng)域的大數(shù)據(jù)技術(shù)分類181
7.2 大數(shù)據(jù)與傳統(tǒng)消費(fèi)184
7.2.1 傳統(tǒng)零售企業(yè)的數(shù)字化轉(zhuǎn)型184
7.2.2 傳統(tǒng)消費(fèi)體驗(yàn)的多元化187
7.2.3 傳統(tǒng)消費(fèi)形式的變革191
7.3 大數(shù)據(jù)與數(shù)字消費(fèi)193
7.3.1 數(shù)字文化消費(fèi)創(chuàng)新193
7.3.2 數(shù)字消費(fèi)體驗(yàn)升級(jí)196
7.3.3 數(shù)字消費(fèi)形式新業(yè)態(tài)197
參考文獻(xiàn)200
第8章 大數(shù)據(jù)在財(cái)稅與貿(mào)易中的應(yīng)用201
8.1 財(cái)稅與貿(mào)易大數(shù)據(jù)概述201
8.1.1 財(cái)務(wù)大數(shù)據(jù)的組成201
8.1.2 稅收大數(shù)據(jù)的組成203
8.1.3 貿(mào)易大數(shù)據(jù)的組成205
8.1.4 財(cái)稅與貿(mào)易大數(shù)據(jù)的獲取209
8.2 大數(shù)據(jù)與財(cái)務(wù)管理213
8.2.1 財(cái)務(wù)管理面臨的挑戰(zhàn)213
8.2.2 大數(shù)據(jù)對(duì)財(cái)務(wù)管理的影響215
8.2.3 財(cái)務(wù)大數(shù)據(jù)的分析方法216
8.2.4 大數(shù)據(jù)在財(cái)務(wù)管理中的應(yīng)用218
8.3 大數(shù)據(jù)與稅收管理220
8.3.1 大數(shù)據(jù)時(shí)代的稅收管理新要求220
8.3.2 稅收大數(shù)據(jù)的應(yīng)用方向221
8.3.3 稅收大數(shù)據(jù)的分析方法222
8.3.4 大數(shù)據(jù)在稅收征管中的應(yīng)用227
8.4 大數(shù)據(jù)與貿(mào)易229
8.4.1 大數(shù)據(jù)在跨境貿(mào)易監(jiān)管中的應(yīng)用230
8.4.2 大數(shù)據(jù)在貿(mào)易檢驗(yàn)檢疫中的應(yīng)用232
參考文獻(xiàn)235
書(shū)單推薦
