第1章 大数据概述 2
1.1 产生背景 2
1.1.1 互联网与大数据 3
1.1.2 信息技术与大数据 6
1.1.3 云计算与大数据 9
1.1.4 物联网与大数据 11
1.1.5 智能终端与大数据 13
1.2 大数据的概念 15
1.2.1 狭义的大数据概念 15
1.2.2 广义的大数据 16
1.3 大数据特征 17
1.3.1 大数据体量巨大 17
1.3.2 大数据类型多样 19
1.3.3 数据处理与流动速度快 20
1.3.4 数据价值密度低 21
1.4 发展大数据的意义 21
1.4.1 大数据创新科学研究 23
1.4.2 大数据是实现行业融合发展的需要 25
1.4.3 大数据是助推产业转型升级的加速器 26
1.4.4 大数据助力智慧城市建设 28
1.4.5 大数据创新商业模式 29
第2章 起源与发展历程 34
2.1 大数据发展起源 34
2.2 大数据发展历程 35
2.2.1 突破阶段(2000—2006年) 35
2.2.2 成熟阶段(2006—2009年) 36
2.2.3 完善发展阶段(2010年至今) 36
2.3 大数据发展趋势 38
第3章 大数据引发的哲学思考 46
3.1 大数据与世界观 46
3.1.1 数据的本体论主张 46
3.1.2 大数据及其本质 48
3.2 大数据与方法论 49
3.2.1 整体和部分的结合,实现了还原论与整体论的辩证统一 49
3.2.2 承认事物的多样性,地方性知识引起重视 50
3.2.3 突出相关性而不是因果性 52
3.3 大数据与认识论 53
3.3.1 数据挖掘与科学知识 54
3.3.2 数据规律及其真理性 56
第4章 大数据来源 60
4.1 数据的概念和分类 60
4.1.1 什么是数据? 60
4.1.2 我们生活在数据的世界里 60
4.1.3 数据的分类 60
4.1.4 数据科学 63
4.2 常用数据采集方法 64
4.2.1 数据采集的概念 64
4.2.2 传统的数据来源 65
4.2.3 传统的数据采集 66
4.2.4 大数据环境下的数据来源 66
4.2.5 大数据的数据采集方法 68
4.3 常用的数据采集工具 71
4.3.1 传统数据采集的常用工具 71
4.3.2 大数据采集的常用工具 77
第5章 大数据存储技术 82
5.1 数据库系统原理 82
5.1.1 数据库系统的基本概念 82
5.1.2 数据库系统的特点 84
5.1.3 数据模型 85
5.1.4 数据库技术的发展趋势 88
5.2 关系型数据库 88
5.2.1 关系模型的基本概念 88
5.2.2 关系操作和关系完整性 90
5.2.3 关系代数 91
5.2.4 SQL 95
5.2.5 关系数据库的其他内容 96
5.3 非关系型数据库 96
5.3.1 非关系型数据库概述 96
5.3.2 非关系型数据库的分类 98
5.3.3 非关系型数据库的发展瓶颈和发展前景 100
5.4 大数据常用存储平台 100
5.4.1 大数据对存储平台的要求 101
5.4.2 大数据常用存储平台介绍 102
5.4.3 大数据存储平台 102
第6章 大数据与统计学 107
6.1 大数据中的统计理论 107
6.1.1 统计学概念和发展历程 107
6.1.2 大数据与统计学的相互作用 109
6.1.3 大数据分析 110
6.2 机器学习和数据挖掘 112
6.2.1 机器学习与数据挖掘概述 112
6.2.2 传统机器学习和基于大数据的机器学习 113
6.2.3 数据挖掘的内涵 114
6.2.4 数据挖掘经典算法 116
6.3 数据学与数据科学 119
6.3.1 数据学与数据科学的基本内容 119
6.3.2 数据学的框架 122
6.3.3 数据学与数据科学的研究对象和内容 123
6.3.4 数据科学家 124
6.3.5 数据学与数据科学和大数据科学的关联 126
6.3.6 小结 128
6.4 常用工具 128
6.4.1 统计产品与服务解决方案软件——SPSS 128
6.4.2 统计分析软件——SAS 130
6.4.3 统计计算和统计制图工具——R 131
6.4.4 小结 132
第7章 大数据常用技术和平台 133
7.1 大数据编程模型 133
7.1.1 编程模型的概念以及大数据常用的编程模型 133
7.1.2 常见的大数据编程模型 134
7.1.3 MapReduce实现单词计数的运算过程 135
7.1.4 MapReduce的主要特征 138
7.2 大数据处理平台 140
7.2.1 Hadoop的相关概念和应用场景 140
7.2.2 Storm的相关概念和应用场景 142
7.2.3 Spark的相关概念和应用场景 144
7.2.4 小结 145
7.3 数据可视化 146
7.3.1 数据可视化的概念和内涵 146
7.3.2 数据可视化分类 147
7.3.3 大数据时代数据可视化的发展趋势 149
第8章 安全大数据 152
8.1 大数据形式下的反恐新形式 152
8.1.1 什么是恐怖主义 152
8.1.2 我国面临的恐怖主义及反恐工作 152
8.1.3 大数据在反恐工作中的应用 154
8.2 依托大数据的网络信息安全 156
8.2.1 网络信息安全 156
8.2.2 大数据技术在网络信息安全中的应用 158
8.3 基于大数据的自然灾害预警 162
8.3.1 地震灾害预测 162
8.3.2 总结 166
8.4 大数据下的安全生产 166
第9章 商业大数据 171
9.1 精准营销 171
9.1.1 什么是市场营销 171
9.1.2 什么是精准营销 172
9.1.3 精准营销案例分析 173
9.2 决策支持 174
9.2.1 什么是决策支持系统 174
9.2.2 大数据下的烟草物流决策支持系统 177
9.3 创新模式 178
9.3.1 商业模式创新分析 178
9.3.2 大数据时代商业模式的创新 179
第10章 民生大数据 182
10.1 基于大数据的智慧旅游 182
10.1.1 大数据下智慧旅游的数据特征 182
10.1.2 大数据在智慧旅游中的应用 183
10.1.3 总结与展望 185
10.2 基于大数据的智能交通 185
10.2.1 什么是交通大数据 185
10.2.2 大数据下智能交通的特点 187
10.2.3 大数据在智能交通中的应用 187
10.3 大数据环境下的食品安全 188
10.3.1 我国的食品安全问题 189
10.3.2 大数据在食品安全问题中的应用 190
10.4 大数据环境下的智慧医疗 192
10.4.1 什么是智慧医疗 192
10.4.2 大数据与智慧医疗 193
10.4.3 总结 194
10.5 大数据与教育 194
10.5.1 什么是教育大数据 194
10.5.2 大数据对教育的影响 195
第11章 政务大数据 199
11.1 基于大数据的网络舆情分析 199
11.1.1 什么是网络舆情 199
11.1.2 网络舆情大数据特征 199
11.1.3 网络舆情分析方法 200
11.1.4 政府网络舆情管理 201
11.2 基于政务大数据的精细化管理和服务 203
11.2.1 以大数据提升政府的科学决策水平 203
11.2.2 以大数据提升政府管理效率降低管理成本 204
11.2.3 以大数据促进政府的精细化、人性化 204
11.2.4 利用政务大数据实现服务精准化 205
11.3 大数据下应急预案处理 207
11.3.1 大数据时代我国应急预案管理体系变革机遇 207
11.3.2 大数据提升政府应急预案管理能力 210
11.3.3 总结 211
第12章 工业大数据 212
12.1 智能装备 212
12.2 智慧工厂 213
12.3 智能服务 216
12.3.1 加速产品创新 217
12.3.2 产品故障诊断与预测 217
12.3.3 工业物联网生产线的大数据应用 218
12.3.4 产品质量管理与分析 218
12.3.5 生产计划与排程 219
第13章 大数据学科发展概述 222
13.1 大数据发展概况 222
13.1.1 大数据概述 222
13.1.2 大数据发展现状 223
13.1.3 大数据应用现状 224
13.1.4 大数据发展前景 225
13.1.5 大数据发展趋势 225
13.2 国家政策环境 226
13.2.1 国外大数据相关政策 226
13.2.2 国外大数据发展举措 228
13.2.3 我国大数据发展启示 230
13.2.4 我国大数据政策支持 231
13.3 大数据学科概述 233
13.3.1 大数据学科发展现状 233
13.3.2 大数据学科发展趋势 235
13.3.3 大数据学科研究热点 236
13.3.4 大数据技术发展趋势 237
12.3.5 大数据学科就业分析 240
第14章 大数据学科构建 242
14.1 大数据学科建设理念 242
14.2 大数据学科建设目标 244
14.3 大数据学科建设方案 245
14.2.1 专业方向设置方案 245
14.2.2 教学内容设置方案 246
第15章 大数据人才培养 250
15.1 大数据学科人才培养概述 250
15.1.1 大数据分析方向 250
15.1.2 大数据平台方向 252
15.1.3 深度计算分析方向 253
15.1.4 国际合作方面 254
15.2 大数据课程体系 255
15.2.1 大数据平台方向 255
15.2.2 大数据分析方向 258
15.3 专科大数据人才培养 260
15.3.1 专科大数据人才培养必要性 260
15.3.2 专科大数据人才培养模式 260
15.3.3 专科大数据专业课程体系 261
15.4 本科大数据人才培养 262
15.4.1 本科大数据人才培养必要性 262
15.4.2 本科大数据人才培养模式 263
15.4.3 本科大数据专业课程体系 264
15.5 研究生大数据人才培养 266
15.5.1 研究生大数据人才培养必要性 266
15.5.2 美国研究生大数据人才培养现状 267
15.5.3 研究生大数据人才培养模式 274
15.5.4 研究生大数据专业课程体系 274
参考文献 278