企业数据分析指南.docVIP

企业数据分析指南

TOC\o1-2\h\u5244第一章数据分析基础 4

312161.1数据分析概述 4

208741.2数据分析流程 4

7771.3数据分析方法 4

5397第二章数据采集与清洗 5

156232.1数据来源与采集方式 5

301772.1.1内部数据来源 5

62652.1.2外部数据来源 5

275672.2数据质量评估 6

65922.2.1数据完整性 6

200632.2.2数据准确性 6

46702.2.3数据一致性 6

17612.2.4数据时效性 6

306942.3数据清洗方法 6

186812.3.1数据去重 6

303462.3.2数据补全 7

91902.3.3数据标准化 7

287592.3.4数据校验 7

269792.3.5数据转换 7

39272.4数据预处理 7

96332.4.1数据集成 7

225252.4.2数据规范化 7

307662.4.3特征提取 7

279002.4.4数据降维 7

237742.4.5数据分割 7

30464第三章数据存储与管理 7

115723.1数据存储技术 7

304633.1.1硬盘存储 7

96913.1.2分布式存储 7

164423.1.3云存储 8

228373.1.4内存存储 8

325553.2数据仓库构建 8

325193.2.1需求分析 8

74043.2.2数据建模 8

211863.2.3数据集成 8

27863.2.4数据仓库实施 8

320093.3数据安全与备份 8

83673.3.1数据加密 8

108423.3.2访问控制 8

181003.3.3数据备份 9

163883.3.4数据恢复 9

147653.4数据管理策略 9

270923.4.1数据分类 9

225763.4.2数据生命周期管理 9

199943.4.3数据质量管理 9

125603.4.4数据挖掘与分析 9

25340第四章数据可视化 9

5054.1可视化工具介绍 9

305114.2数据可视化设计原则 9

40274.3常见数据可视化图表 10

208654.4数据可视化应用 10

19997第五章统计分析 11

97115.1描述性统计分析 11

151605.2摸索性数据分析 11

215195.3假设检验与推断 11

129635.4多变量统计分析 12

16914第六章预测分析 12

243066.1预测分析方法概述 12

1846.1.1时间序列分析 12

256996.1.2回归分析 12

20146.1.3机器学习与深度学习 12

301176.2时间序列分析 12

62966.2.1自回归模型（AR） 13

194836.2.2移动平均模型（MA） 13

309586.2.3自回归移动平均模型（ARMA） 13

18106.3回归分析 13

78656.3.1线性回归 13

209266.3.2非线性回归 14

189956.4机器学习与深度学习 14

281516.4.1决策树 14

220686.4.2随机森林 14

291996.4.3支持向量机 14

294966.4.4神经网络 15

149106.4.5卷积神经网络 15

275456.4.6循环神经网络 15

21103第七章数据挖掘 15

170667.1数据挖掘概述 15

8857.2关联规则挖掘 15

198577.2.1关联规则挖掘的定义 15

181637.2.2关联规则挖掘的步骤 15

71917.2.3关联规则挖掘的应用 15

162547.3聚类分析 16

309147.3.1聚类分析的定义 16

324427.3.2聚类分析的算法 16

171427.3.3聚类分析的应用 16

290647.4分类与预测 16

150917.4.1分类与预测的定义 16

190707.4.2分类与预测的算法 16

222487.4.3分类与预测的