本书分为两大部分对大数据分析进行阐述： 第一部分是数据分析基础。在第一章认识大数据的基础上，从大数据分析的三个基础环节，即大数据获取、存储、处理，进行介绍。它们分别对应：第二章大数据获取，介绍了网络爬虫、获取传感器与遥感器数据的方法以及获取各种文件数据的方法；第三章数据仓库，包括数据仓库的特点、模型、数据流程以及ETL与OLAP关键技术；第四章数据处理，详细介绍了数据清洗、数据集成、数据变换与数据规约的理论与方法。这些内容是数据分析的前提与基础。 第二部分为数据分析核心与拓展。第五章数据分析，具体包括统计性数据分析、多维数据可视化分析、相关性分析、邻近性分析。在第五章基本数据分析的基础上，探究更深入的数据分析方法，即第六章因果分析，包括经典的格兰杰因果检验、结构因果模型，以及当前流行的双重机器学习方法；第七章文本大数据分析，具体到文本大数据的处理、可视化、情感分析、相似度度量、主题建模等。

在当今数字化时代, 数据已成为推动社会进步和商业创新的核心力量。 从互联网巨头的精准营销, 到金融科技的智能风控; 从医疗健康的大数据分析, 到智能交通的实时优化,大数据正深刻地改变着人们的生活和工作方式。 大数据分析能够帮助人们理解数据和问题, 提供广泛的数据处理和分析方法。 大数据分析已不再是数据科学家的专属领域, 而是每个希望在数字化浪潮中脱颖而出的从业者和学习者必须掌握的关键技能。 基于此, 编者面向数据管理类专业的需求撰写了本书, 希望读者能够理解数据的价值, 学会解析大数据, 掌握如何从大数据中提取信息、 构建模型, 以及如何将这些模型应用于实际问题中, 为未来的学习和职业发展奠定坚实的基础。 本书内容 本书分两部分对大数据分析进行阐述。 第一部分(第1 ~4 章) 是数据分析的基础。 在第1 章(认识大数据) 的基础上, 从大数据分析的3 个基础环节(大数据获取、 存储、 处理) 进行介绍, 分别对应第2 ~4 章。 其中, 第2章(大数据获取) 介绍网络爬虫、 获取遥感器数据的方法以及获取各种文件数据的方法; 第3章(数据仓库) 介绍数据仓库的特点、 模型、 数据流程以及 ETL 与 OLAP 关键技术; 第4 章(数据处理) 详细介绍数据清洗、 数据集成、 数据变换与数据归约的理论与方法。 这些内容是数据分析的前提与基础。 第二部分(第5 ~7 章) 是数据分析的核心与拓展。 第5 章(数据分析) 具体介绍统计性 数据分析、 多维数据可视化分析、 相关性分析、 邻近性分析。 在第5 章的基础上, 第6 章(因果分析) 探究更深入的数据分析方法, 包括...