本书由微信公众号“狗熊会”（ID: CluBear）创始人王汉生教授（熊大）及其核心团队联合创作完成。本书可以被看作商业分析领域入门级通俗且有趣的读物，深入浅出，雅俗共赏，适合数据分析师、工程师、产品经理、销售人员、商务拓展人员以及数据企业高管阅读。
本书主要由六章组成。第一章介绍了熊大朴素的数据价值观，解读数据与价值的逻辑关系；第二章介绍了最基本的数据可视化方法（统计图表）的规范与有趣应用；第三章介绍了回归分析，通过精彩案例展示了如何将一个业务问题定义成一个数据可分析问题；第四章介绍了

从信息资源管理协同创新视角，分析了大数据治理面临的挑战、机遇和焦点议题，大数据治理研究的视角、立场及代表性观点，大数据治理的框架类型及其构成要素。以公共价值理论、数字连续性理论、利益相关者理论和协同创新理论为主要理论支持，从大数据治理目标、主体、治理客体、治理活动、治理环境等多个维度，分析了大数据治理的政策、标准和技术的现状及发展方向。提出了大数据治理发展应用的综合治理模式、运行模型、评估体系和评估方法等理论，并基于案例研究提出了大数据治理发展与应用的实践路径。此外，本书从信息资源管理协同创新视

2022年12月19日，《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》是党的二十大之后推动数字经济开新局的基础性政策文件，备受各方关注。本书是清华大学社会科学学院经济学研究所结合近年来在数字经济、数据要素方面所做的研究和取得的成果，从数据产权制度、数据要素流通和交易制度、数据要素收益分配制度、数据要素治理制度、数据的宏观与生态价值等五个维度带领大家解读“数据二十条”中的经济与法律问题，了解数据基础制度建设、数据要素赋能实体经济所面临的机遇与挑战。

随着时代的发展和信息技术的进步，信息技术已经是社会发展的动力之一，尤其是大数据技术对社会的发展起到促进作用。在人们的生活、生产中，大数据的应用能够给人们带来便利性，同时在大数据中也会存储人们的个人信息。随着科技的发展和进步，我们逐渐进入大数据时代。本书首先对大数据相关概念和应用问题进行了简述，进而论述了大数据的异化分析；然后介绍了大数据的影响因素，以及云计算技术与算法分析；最后介绍了大数据在不同方面的应用。 大数据具有规模大、种类多、生成速度快、价值巨大但密度低的特点。大数据应用就是利用数

Spark数据处理引擎是一个惊人的分析工厂：输入原始数据，输出洞察。PySpark用基于Python的API封装了Spark的核心引擎。它有助于简化Spark陡峭的学习曲线，并使这个强大的工具可供任何在Python数据生态系统中工作的人使用。 《Python和PySpark数据分析》帮助你使用PySpark解决数据科学的日常挑战。你将学习如何跨多台机器扩展处理能力，同时从任何来源(无论是Hadoop集群、云数据存储还是本地数据文件)获取数据。一旦掌握了基础知识，就可以通过构建机器学习管道，

数字化转型是企业在数字经济时代面对的重大战略选择，其本质是通过有效地使用数据资源对业务进行全面的升级和优化，提高企业的综合产业竞争力。本书将数据科学作为出发点，结合大数据、人工智能技术，以数据分析的方法和理论为观察视角，介绍了企业数字化转型的核心知识概念及主要的应用实践策略。 本书共8章，分为数据科学原理、数据科学技术、数字化业务实践，以及数字化产业目标四个主要部分。 数据科学原理部分（第2章）主要讨论数据要素的核心价值体系及数据科学的基本理论范畴；数据科学技术部分（第3~6章）主要介绍数

鲁棒预测控制是在预测控制的基础上考虑到实际系统存在着模型不精确或者参数时变、未知扰动等各种不确定性而发展起来的先进控制技术。如何在鲁棒预测控制的基础上有效处理时变时滞对系统的影响成为工业过程控制亟待解决的问题。本书针对具有时变时滞的工业过程可能存在参数时变、强干扰、执行器故障、非线性、多阶段切换、时变跟踪轨迹等问题，重点介绍了基于鲁棒预测控制思想以解决这些问题的先进技术和方法。其主要内容为作者和所在团队的项目经验及科研成果，包括线性控制、容错控制、非线性控制和切换控制等相关内容。

本书的编写目的是向读者介绍大数据治理与安全的基本概念和相应的技术应用。本书共9章，内容分别为数据治理概述、数据采集与数据道德、数据质量与数据管理、数据交换与数据集成、数据库设计与治理、架构设计与治理、数据仓库设计与治理、大数据安全与治理及综合实训。本书将理论与实践操作相结合，通过大量的案例帮助读者快速了解和应用大数据治理的相关技术，并对书中重要的、核心的知识点加大练习的比例，以达到帮助读者熟练应用的目的。

本书可作为高等院校大数据专业、人工智能专业、软件技术专业、云计算专业、计算机

复杂性是大数据区别于小数据的本质特性，也是当前大数据质量控制与数据治理面临的核心挑战。本书围绕大数据的复杂性开展研究，旨在探索当前数据资源建设与利用过程中面临的挑战和技术难题，促进数据价值的充分释放。

全书分为6部分，共24章。第1部分概述(第1、2章)，综述所研究数据控制技术的基本概念和任务定位，以及国内外的研究进展； 第2部分实体分辨技术(第3~13章)，研究了高维数据实体分辨、名称分辨、XML数据实体分辨和跨模态数据实体分辨等； 第3部分真值发现技术(第14~18章)，研究了

本书分为10章，其中第1~9章探讨了排序、推荐系统、聚类、线性回归等内容，每章都以一个具体的实际问题开始，其主要目的是激发对某一特定大数据分析技术的研究。接下来探讨其背后的数学原理——包括重要的定义、辅助陈述和得出的结论。案例研究有助于将所学知识应用于跨学科的环境中，包括对逐步任务的描述和有用的提示。每章之后都配有习题，作为自学中不可缺少的一部分，有助于提高对基础理论的理解。第10章提供了前9章的习题答案，以及Python代码中的算法描述作为补充材料。本书适合作为大数据分析、应用数学及相关专业的