第1章 大数据是信息社会的宝贵资源

1.1大数据产生的背景和概念

1.2大数据的特征

1.3大数据与传统数据的区别

1.4大数据的价值和开发应用

1.5大数据时代的新机遇和新挑战

1.5.1依据大数据进行决策成为一种新的决策方式

1.5.2大数据与各行业深度融合带来层出不穷的新应用

1.5.3大数据推动新技术的不断涌现

1.6本书的特定视野

参考文献

第2章 大数据应用分析

2.1大数据的处理流程

2.2大数据分析的概念

2.3大数据分析的关键技术

2.3.1云计算

2.3.2数据分析方法

2.3.3数据可视化

2.4大数据分析工具介绍

2.4.1 Hadoop

2.4.2 R

2.4.3 Python

2.4.4 RapidMiner

2.4.5 Tableau

2.5大数据分析示例——查处虚假出口贸易

2.5.1案例概述

2.5.2查询分析

2.5.3可视化分析

2.5.4分析小结

参考文献

第3章 常用数据分析与预测方法

3.1方差分析

3.1.1分析方法

3.1.2示例介绍

3.1.3示例分析

3.1.4结果分析与总结

3.2相关分析

3.2.1分析方法

3.2.2示例介绍

3.2.3示例分析

3.2.4结果分析与总结

3.3回归分析

3.3.1分析方法

3.3.2示例介绍

3.3.3示例分析

3.3.4结果分析与总结

3.4时间序列分析

3.4.1平稳性检验

3.4.2纯随机性检验

3.4.3适用性检测

3.5聚类分析

3.6可视化数据分析

3.6.1常用的可视化数据展示方法

3.6.2可视化分析示例

3.7环境准备

参考文献

第4章 大数据分析的思维特征

4.1大数据应用分析的实务框架

4.1.1大数据应用分析的四个层面

4.1.2四个层面的关系

4.2大数据分析的特征发现

4.2.1特征发现的案例

4.2.2特征发现的概念

4.3对数据的分类

4.4特征发现的一般过程

参考文献

第5章 大数据的可视化分析

5.1不良贷款分析

5.1.1数据准备

5.1.2各银行的不良贷款情况分析

5.1.3各经济类型的企业的不良贷款情况分析

5.1.4各类贷款的不良贷款情况分析

5.2保险公司客户索赔分析

5.2.1数据准备

5.2.2数据分析

参考文献

第6章 可视化挖掘分析

6.1挖掘分析在审计线索特征发现中的应用

6.1.1案例背景

6.1.2数据准备

6.1.3聚类分析

6.2挖掘分析在推荐系统中的应用

6.2.1案例背景

6.2.2数据准备

6.2.3构建推荐系统

第7章 大数据资源的元数据管理

7.1元数据简介

7.1.1元数据和对象数据

7.1.2应用元数据管理技术的意义

7.2著录对象分析

7.2.1审计中间表

7.2.2审计分析模型

7.2.3审计专家经验

7.2.4审计情景案例

7.2.5被审计单位资料

7.3元数据结构设计

7.3.1审计中间表的元数据结构

7.3.2审计分析模型的元数据结构

7.3.3审计专家经验的元数据结构

7.3.4审计情景案例的元数据结构

7.3.5被审计单位资料的元数据结构

7.4应用大数据审计分析数字信息元数据规范的扩展规则

参考文献

第8章 大数据分析的数据清洗

8.1大数据清洗的基本概念

8.1.1大数据清洗的基本架构

8.1.2数据清洗的基本步骤

8.2数据清洗

8.2.1数据清洗的一些注意事项

8.2.2常见的数据清洗

参考文献

第9章 大数据分析的风险与对策

9.1大数据分析的风险及产生原因

9.2大数据采集的风险

9.3大数据处理与集成的风险

9.4大数据分析的风险

9.5大数据解释的风险

9.6大数据的隐私和安全风险及其对策

9.6.1大数据处理流程的隐私风险

9.6.2大数据处理平台带来的安全和隐私风险

9.6.3保护大数据隐私和安全的对策

参考文献

第10章 大数据治理简介

10.1大数据治理的必要性

10.2大数据治理的概念

10.3大数据治理的核心内容

10.4案例

10.4.1工作思路

10.4.2数据真实性的验证方法

10.4.3数据完整性的验证

参考文献

附录A Tableau 10.0简介

A.1 Tableau工作区

A.1.1工作表工作区

A.1.2仪表板工作区

A.1.3故事工作区

A.2 Tableau的文件管理

附录B RapidMiner使用方法简介

B.1 RapidMiner的主界面

B.2使用RapidMiner分析数据的方法