《数据分析竞争法:企业赢之道》讲述了:人们目前比以往任何时候都更多地拥有商业环境方面的信息，你是否在利用这些信息战胜对手呢？如果不是，你正在失去一种强有力的竞争工具。当传统的竞争优势已经失效时，使用数据分析法来制定更好的决策，并从业务流程中实现最大的价值，可以使公司脱颖而出。 《数据分析竞争法:企业赢之道》作者提出，领先的企业不仅只是收集和储存大量的数据，它们现在正围绕着由数据引发的新观点，制定竞争战略，这使企业获益无穷。它们的秘密武器是什么？答案就是数据分析法：先进的定量和统计分析，以及预测性建模的方法，企业有理解数据的高层领导，还拥有强大的信息技术。 为什么要凭借数据分析法来竞争呢？当许多行业里的企业都生产类似的产品，而且使用类似的技术时，差异化的业务流程就是实现差异化的最后机会了。许多以往的竞争手段，例如地理方面的优势或者保护性的规定等，随着全...(展开全部)

本书的灵感来自Ralph Kimball的作品，我记得当我读第1版的Data Warehouse Toolkit（Kimball，1996）时，我在心里对自己说“这本书讲得有道理。”与一般商业和技术书籍中经常出现的大谈概念的处理方法非常不同，Kimball在这本书中为我们提供了真正进行数据仓库建设所需要的实用方法、工具和流程。不管是针对已经熟悉数据仓库的专业人士，还是刚开始接触这一解决方案的初学者，Kimball在书中都给他们提供了数据仓库相关领域的准确概述，以及数据仓库全生命周期和关键流程的完整框架。我希望你会发现，本书能够不负这一灵感，它为数据分析生命周期提供了一个全面和实用的指南，并着重于为你的组织打造行之有效的数据分析能力。

本书的灵感来自Ralph Kimball的作品，我记得当我读第1版的Data Warehouse Toolkit（Kimball，1996）时，我在心里对自己说“这本书讲得有道理。”与一般商业和技术书籍中经常出现的大谈概念的处理方法非常不同，Kimball在这本书中为我们提供了真正进行数据仓库建设所需要的实用方法、工具和流程。不管是针对已经熟悉数据仓库的专业人士，还是刚开始接触这一解决方案的初学者，Kimball在书中都给他们提供了数据仓库相关领域的准确概述，以及数据仓库全生命周期和关键流程的完整框架。我希望你会发现，本书能够不负这一灵感，它为数据分析生命周期提供了一个全面和实用的指南，并着重于为你的组织打造行之有效的数据分析能力。

本书以统计学史上著名人物的伟大成就为脉络，将数据分析这一学科的发展历程娓娓道来。从开普勒仰望星空拉开统计学序幕，贝叶斯提出主观概率，到人工智能、深度学习逐步渗透今天的日常生活。本书带领读者在数据科学的熠熠星光下，看透大数据的深邃内核。

本书围绕精益创业展开讨论，融合了精益创业法、客户开发、商业模式画布和敏捷持续集成的精华。本书汇聚了100多位创始人、投资人、内部创业者和创新者的成功创业经验，呈现了30多个极具价值的案例分析，可以为各阶段的创业者提供行为准则。

本书由实战经验丰富的两位数据分析师执笔，首先介绍了商业领域里通用的数据分析框架，然后根据该框架，结合8个真实的案例，详细解说了通过数据分析解决各种商业问题的流程，让读者在解决问题的过程中学习各种数据分析方法，包括柱状图、交叉列表统计、A/B测试、多元回归分析、逻辑回归分析、主成分分析、聚类、决策树分析、机器学习等。特别是书中使用的数据都是未经清洗的原始数据，能够让读者了解真实的数据分析流程，避免纸上谈兵。

网络数据分析是网络信息计量学的重要组成部分，也是当前网络界、新闻传播界、信息管理界都十分关注的热点研究领域之一。本书从理论、方法、应用三个角度，全面、系统地论述了网络数据分析的基本原理、方法和工具，详细探讨了它在网络传播、网络信息计量学、网络信息资源管理、电子商务与网络营销、企业管理与市场经营、科学评价与网络管理等许多领域的应用。全书共9章，包括网络数据概论、网络数据仓库、网络数据流量分析、网络数据定性分析、网络数据多维分析、网络数据挖掘分析、网络数据分析系统的开发以及应用和实例等。 本书既适合于高等院校的新闻与传播、信息管理与科学评价、信息计量学与科学计量学、网站设计与管理、管理科学与工程、电子商务、网络营销等专业的师生教学使用，也可供广大信息工作者、网络工作者、科技工作者和有关管理人员学习参考。

《数据分析概论》研究对象是社会科学的研究数据。数据分析可以赋予事实意义，好的数据分析能为所研究的社会现象提供合理的描述和解释。 本书旨在为定量研究数据分析的每一步提供统计学基础。作者讨论了数据搜集的意义、一元统计、对相关性的测量、显著性检验、简单和多元回归，并给出了大量的数学公式，使得读者能更好地理解这些内容。

面板数据模型日益受到应用研究人员的欢迎，因为与横截面数据模型和时序数据模型相比，面板数据模型描述人类行为复杂性的能力更加突出。因此，越来越多且内容更丰富的面板数据集也日益增多。《面板数据分析(第2版)》由萧政所著，1986年的第一版取得了非常大的成功，本书在第一版的基础上进行了重大修订。面板数据研究中的近期进展都以非常严谨而又友好的方式呈现在本书中，并与原有内容有机地结合成一个整体。严谨的理论分析与合理引用的实证案例使得《面板数据分析(第2版)》对经济、商业、社会学、政治学等领域的研究生和高级研究人员非常有帮助。第二版的具体修订包括对Bayes方法和严格外生性概念（为将各种模型的识别联系起来，估计量在广义矩法框架下表示）的介绍，直观解释估计离散选择模型的半参数方法和面板数据样本选择模型估计的配对修整方法，等等。

本书系统介绍了使用Python进行数据分析需要掌握的各项知识，涵盖了Python基础知识、网络爬虫技术、正则表达式、BeautifulSoup和JSON、词语切分、自然语言处理、使用NumPy与Pandas处理数据、数据可视化技术、MySQL、机器学习、朴素贝叶斯模型、支持向量机、随机森林、深度学习以及量化投资。本书通过结合数据分析技术的理论知识与Python的实战应用，帮助读者更好地运用Python解决数据分析中的实际问题。 本书适合作为高等院校工商管理类研究生、本科生的数据分析课程教材，还适合作为金融行业人员的参考资料。