《创新思维与TRIZ创新方法》编辑委员会〖HT〗〖ST〗〖WT〗〖HJ1〗[JZ(Z][HT4H]主〓审[HTK]： 陈敏玲[HT4H]主〓编[HTK]： 周〓苏[HT4H]副主编[HTK]： 李亮亮〓褚〓赟〓韩志科〓王〓文〖HT〗[JZ)]〖HJ〗大数据（Big Data）的力量，正在积极地影响着我们社会的方方面面。它冲击着许多主要的行业，包括零售业、电子商务和金融服务业等，也正在彻底地改变我们的学习和日常生活： 改变我们的教育方式、生活方式、工作方式。如今，通过简单、易用的移动应用和基于云端的数据服务，我们能够追踪自己的行为以及饮食习惯，还能提升个人的健康状况。因此，我们有必要真正理解大数据这个极其重要的议题。
中国是大数据最大的潜在市场之一。据估计，中国有近六亿网民，这就意味着中国的企业拥有绝佳的机会来更好地了解其客户并提供更加个性化的体验，同时为企业增加收入并提高利润。阿里巴巴就是一个很好的例子。阿里巴巴不但在商业模式上具有颠覆性，而且掌握了与购买行为、产品需求和库存供应相关的海量数据。除了阿里巴巴高层的领导能力之外，大数据是其成功的一个关键因素。
然而，仅有数据是不够的。对于身处大数据时代的企业而言，成功的关键还在于找出大数据所隐含的真知灼见。“以前，人们总说信息就是力量，如今，对数据进行分析、利用和挖掘才是力量之所在。”
在不同行业中，那些专门从事行业数据的收集、整理，进行深度分析，并依据分析结果做出行业研究、评估和预测的工作被称为数据分析。所谓大数据分析，是指用适当的方法对收集来的大量数据进行分析，提取有用信息和形成结论，从而对数据加以详细研究和概括总结的过程。或者，顾名思义，大数据分析是指对规模巨大的数据进行分析，是大数据到信息，再到知识的关键步骤。大数据分析结合了传统统计分析方法和计算分析方法，在研究大量数据的过程中寻找模式、相关性和其他有用信息，帮助企业更好地适应变化并做出更明智的决策。
对于大数据技术及其相关专业的大学生来说，大数据分析的理念、技术与应用是一门理论性和实践性都很强的核心课程。在长期的教学实践中，我们体会到，坚持“因材施教”的重要原则，把实践环节与理论教学相融合，抓实践教学促进理论知识的学习，是有效地改善教学效果和提高教学水平的重要方法之一。本书的主要特色是： 理论联系实际，结合一系列了解和熟悉大数据分析理念、技术与应用的学习和实践活动，把大数据分析的概念、知识和技术融入实践，使学生保持浓厚的学习热情，加深对大数据分析的兴趣,认识、理解和掌握核心知识。
本书是为高等院校相关专业开设“大数据分析”课程而设计编写，具有丰富实践特色的主教材，也可供有一定实践经验的IT应用人员、管理人员参考，或作为继续教育的教材。
本书系统、全面地介绍了大数据分析的基本知识和应用技能，详细介绍了大数据基础、大数据分析基础、大数据分析生命周期、大数据分析基本原则、构建分析路线、大数据分析的运用、大数据分析的用例、预测分析方法、预测分析技术、用户角色与分析工具、大数据分析平台、社交网络与推荐系统、组织分析团队等内容。附录中提供了课程作业参考答案，还为大数据分析的学习设计了一个课程实践项目。全书具有较强的系统性、可读性和实用性。
结合课堂教学方法改革的要求，全书各章有针对性地安排了课前导读案例，要求和指导学生在课前阅读案例和课后完成作业，深入理解课程知识内涵。
虽然已经进入电子时代，但我们仍然竭力倡导读书。为每章设计的作业（四选一标准选择题）其实并不难，学生只要认真阅读教材，都能准确回答所有题目。
本课程的教学进度设计参考详见“课程教学进度表”，该表可供教师授课和学生学习使用。实际执行时，应按照教学大纲和校历中关于本学期节假日的安排确定本课程的实际教学进度，并做适当剪裁。
本书的编写得到2019年度国家级一流本科专业建设点（教高厅函〔2019〕46号）、浙江省本科高校“十三五”特色专业建设项目（浙教高教〔2017〕29号）、杭州市属高校新型专业建设计划项目（杭教高教〔2019〕5号）等的支持。
本书的编写得到浙大城市学院、浙江安防职业技术学院、浙江商业职业技术学院等多所院校师生的支持。金苍宏、陈礼管、王文、蔡锦锦、倪宁、乔凤凤等参与了本书的教材设计、教学规划、案例设计等编写工作。与本书配套的教学PPT课件等丰富教学资源可从清华大学出版社网站下载，欢迎教师与作者交流并索取本书教学配套的相关资料。

周苏2020年春

课程教学进度表（20—20学年第学期）

课程号： 课程名称： 大数据分析学分： 2周学时： 2
总学时： 32（其中理论学时： 32课外实践学时：  ）
主讲教师： 序号校历周次章节（或实验、习题课等）名称与内容学时教学方法课后作业布置11第1章大数据基础222第2章大数据分析基础233第3章大数据分析生命周期244第4章大数据分析基本原则255第5章构建分析路线266第6章大数据分析的运用277第7章大数据分析的用例288第8章预测分析方法299第9章预测分析技术21010第9章预测分析技术21111第10章大数据分析模型21212第10章大数据分析模型21313第11章用户角色与分析工具21414第12章大数据分析平台21515第13章社交网络与推荐系统21616第14章组织分析团队
课程实践2导读案例

理论教学作业作业作业作业作业作业作业作业作业作业作业作业作业作业
课程实践填表人（签字）：                         		        日期：
系（教研室）主任（签字）：       		                日期：