大数据和机器智能的出现，对我们的技术发展、商业和社会都会产生重大的影响。作者吴军在《智能时代：大数据与智能革命重新定义未来》中指出，首先，我们在过去认为非常难以解决的问题，会因为大数据和机器智能的使用而迎刃而解，比如解决癌症个性化治疗的难题。同时，大数据和机器智能还会彻底改变未来的商业模式，很多传统的行业都将采用智能技术实现升级换代，同时改变原有的商业模式。大数据和机器智能对于未来社会的影响是全方位的。

无数据，不AI。而没有统一完整的基础数据资源平台管理，AIOps也无从谈起。基础运维数据资源平台是AIOps的数据基石，也是未来支撑企业数据战略的两大数据平台之一。构建数据平台需要数据治理工作的保驾护航。然而在运维数据治理领域开展数据治理工作尚属空白，缺乏理论体系支撑和值得借鉴的成功经验。本书在分析运维数据治理与传统数据治理的差异化特点基础上，对于数据治理的DAMA理论体系在运维数据管理领域实现了在广义元数据管理、广义数据标准、广义数据模型等理论突破，创造性的提出运维数据模型建设，为运维数据治理构建了体系化理论并提供了具有方法论支撑的完整蓝图。同时，就运维数据平台建设本书也分享了基于数据模型实体库的概要设计，以数据湖为基础，包含运维数据中台建设的架构规划。本书还在工业运维领域略作延展，分析工业运维数据模型的差异化特点，就包括数字孪生、时空数据等关键工业技术为核心的物理融合技术做了介绍，提出了开展智能工业运维的必要内容。

无数据，不AI。而没有统一完整的基础数据资源平台管理，AIOps也无从谈起。基础运维数据资源平台是AIOps的数据基石，也是未来支撑企业数据战略的两大数据平台之一。构建数据平台需要数据治理工作的保驾护航。然而在运维数据治理领域开展数据治理工作尚属空白，缺乏理论体系支撑和值得借鉴的成功经验。本书在分析运维数据治理与传统数据治理的差异化特点基础上，对于数据治理的DAMA理论体系在运维数据管理领域实现了在广义元数据管理、广义数据标准、广义数据模型等理论突破，创造性的提出运维数据模型建设，为运维数据治理构建了体系化理论并提供了具有方法论支撑的完整蓝图。同时，就运维数据平台建设本书也分享了基于数据模型实体库的概要设计，以数据湖为基础，包含运维数据中台建设的架构规划。本书还在工业运维领域略作延展，分析工业运维数据模型的差异化特点，就包括数字孪生、时空数据等关键工业技术为核心的物理融合技术做了介绍，提出了开展智能工业运维的必要内容。

本书将从一个管理者的视角，从大数据的基本概念开始，循序渐进地介绍相关工具、企业数据工程的主要活动、数据团队建设以及相关的管理支持。TalkingData的十余位一线员工根据自己所在岗位的经验知识，参与了全书的编写工作，他们是（排名不分先后）：何香萍，马斋，李正伟，杨慧，王俊，何坤，孔元明，姜伟，王福胜，潘松柏，卢健，张学敏，曾晓春，张宁，徐岷峰，周海鹏，吕博卿。他们不仅贡献了专业的要点知识，也融入了工作中的实战经验，知识点与案例反复穿插，增加了本书的实践价值。希望通过此书，管理者能够建立起智能企业的定位，业内专业人士能够有更清晰的战略全景和逻辑脉络。

本书将从一个管理者的视角，从大数据的基本概念开始，循序渐进地介绍相关工具、企业数据工程的主要活动、数据团队建设以及相关的管理支持。TalkingData的十余位一线员工根据自己所在岗位的经验知识，参与了全书的编写工作，他们是（排名不分先后）：何香萍，马斋，李正伟，杨慧，王俊，何坤，孔元明，姜伟，王福胜，潘松柏，卢健，张学敏，曾晓春，张宁，徐岷峰，周海鹏，吕博卿。他们不仅贡献了专业的要点知识，也融入了工作中的实战经验，知识点与案例反复穿插，增加了本书的实践价值。希望通过此书，管理者能够建立起智能企业的定位，业内专业人士能够有更清晰的战略全景和逻辑脉络。

本书围绕智能投顾的前世与今生、概念与理论、商业模式与技术、智能投顾的监管、生态以及未来发展趋势进行归纳与分析。全书共9章。第1章阐释智能投顾的诞生，涉及金融科技概念、人工智能概念等；第2章介绍智能投顾涉及的技术、覆盖范围等；第3章阐释智能投顾的概念及投资流程；第4～6章从微观角度介绍智能投顾的商业模式与技术支持，涉及智能投顾的服务对象、投资标的、推广，传统经济学、统计学、行为学背景下智能投顾中的投资理论，以及人工智能和金融科技背景下智能投顾的前沿金融智能技术；第7章和第8章从宏观角度介绍智能投顾的政策支持与生态系统；第9章对智能投顾做出总结和展望。 本书内容丰富，观点超然，案例典型，结构清晰，适合对智能投顾感兴趣的从业者、研究人员、爱好者阅读。

本书围绕智能投顾的前世与今生、概念与理论、商业模式与技术、智能投顾的监管、生态以及未来发展趋势进行归纳与分析。全书共9章。第1章阐释智能投顾的诞生，涉及金融科技概念、人工智能概念等；第2章介绍智能投顾涉及的技术、覆盖范围等；第3章阐释智能投顾的概念及投资流程；第4～6章从微观角度介绍智能投顾的商业模式与技术支持，涉及智能投顾的服务对象、投资标的、推广，传统经济学、统计学、行为学背景下智能投顾中的投资理论，以及人工智能和金融科技背景下智能投顾的前沿金融智能技术；第7章和第8章从宏观角度介绍智能投顾的政策支持与生态系统；第9章对智能投顾做出总结和展望。 本书内容丰富，观点超然，案例典型，结构清晰，适合对智能投顾感兴趣的从业者、研究人员、爱好者阅读。

本书跟从大数据和人工智能应用的融合之路，通过分析和解读整个数据驱动智能核心技术，希望能给读者提供一个大数据智能核心技术体系的入门学习和应用参考指南。本书前半部分内容重在核心技术解读：包括大数据智能的概论、大数据智能核心技术体系的多维解读、深度学习关键技术要点的分析，大数据智能应用三段论和敏捷大数据方法论的提出等内容。后半部分内容重在应用实践的探讨，深入分析了当前大数据智能独角兽Palantir、AlphaGo、Watson等核心产品和技术，并从个人学习到工程实践，从企业应用到政府治理，从业务理解到技术选型等多个层面，逐一解读大数据智能技术在学习、应用过程中面临的关键问题、陷阱，并给出参考意见。本书通过核心技术解读帮助读者学习、理解、应用大数据智能，具有重要的参考价值。本书适合的读者包括关注大数据和人工智能相关技术领域的在校学生、个人学习者和研发工程师、技术主管、企业高管、政府管理人员等。