本书荣获的赞誉关于作者序　言第１ 部分概　　述　　　　第１ 章　什么是管理数据分析　/ 　２　１ １　关于数据分析含义的疑惑　/ 　２　１. ２　什么是数据分析　/ 　３　　１. ２. １　运用描述性数据分析的事例　/ 　５　　１. ２. ２　运用预测性数据分析的事例　/ 　７　　１. ２. ３　运用规范性数据分析的事例　/ 　８　１. ３　什么是新的内容　/ 　１０　１. ４　哪种数据分析最好　/ 　１２　１. ５　什么是管理数据分析　/ 　１４第２ 章　什么在推动数据分析蓬勃发展　/ 　１９　２. １　数据是数据分析的原料　/ 　１９　　２. １. １　什么是大数据　/ 　２１　　２. １. ２　大数据能替代科学吗　/ 　２５　　２. １. ３　在缺少大数据的条件下可以做数据分析吗　/ 　２６　２. ２　检验促进数据分析的发展　/ 　２７第３ 章　数据分析思维方式　/ 　３０　３. １　管理数据盲　/ 　３０　　３. １. １　计算能力的错觉　/ 　３１　　３. １. ２　过滤谬论　/ 　３３　　３. １. ３　一点改进的益处　/ 　３４　３. ２　数据分析是一种思维方式　/ 　３５　　３. ２. １　８０/２０ 法则　/ 　３７　　３. ２. ２　将可变性纳入到数据分析中　/ 　３８　　３. ２. ３　不能仅使用会计数据　/ 　３９　３. ３　透彻思考数据　/ 　４１　　３. ３. １　并非所有的数字都是数据　/ 　４１Ⅷ　　３. ３. ２　能否信任数据　/ 　４２　　３. ３. ３　应该对数据做简单的测试　/ 　４５　　３. ３. ４　就地取材　/ 　４６　３. ４　数据科学家的兴起　/ 　４８第２ 部分数据分析工具　　　　第４ 章　机器学习　/ 　５２　４. １　什么是机器学习　/ 　５２　４. ２　监督机器学习算法　/ 　５５　　４. ２. １　分类与ｋ 最近邻算法　/ 　５６　　４. ２. ２　分类与决策树　/ 　５８　　４. ２. ３　推荐系统　/ 　６１　　４. ２. ４　回归分析　/ 　６２　４. ３　无监督机器学习算法　/ 　６６　　４. ３. １　聚类分析与ｋ 均值算法　/ 　６６　　４. ３. ２　关联规则与购物篮算法　/ 　６９　４. ４　对模型过度拟合与欠拟合的评注　/ 　７０　４. ５　其他机器学习算法与总结　/ 　７１第５ 章　描述性数据分析　/ 　７４　５. １　基于数据库的描述性数据分析　/ 　７６　　５. １. １　数据库基础　/ 　７７　　５. １. ２　数据建模　/ 　８２　　５. １. ３　学习ＳＱＬ 语言. 更好地认识数据　/ 　８４　　５. １. ４　什么是ＮＯ￣ＳＱＬ　/ 　８６　　５. １. ５　结构化数据与非结构化数据　/ 　８８　　５. １. ６　数据仓库与数据集市　/ 　９０　　５. １. ７　仪表盘和平衡计分卡: 实用的及时报告　/ 　９３　　５. １. ８　运用ＯＬＡＰ 和数据立方体拓展描述性数据分析　/ 　９５　　５. １. ９　何时打破关系数据库的规则　/ 　９７　　５. １. １０　实时数据与自动预警　/ 　９８　５. ２　运用数据可视化做描述性数据分析　/ 　１００　５. ３　运用描述性统计做描述性数据分析　/ 　１０７　５. ４　运用机器学习做描述性数据分析　/ 　１０９第６ 章　预测性数据分析　/ 　１１１　６. １　回归预测　/ 　１１１　６. ２　机器学习与集成模型　/ 　１１２Ⅸ目　　录　６. ３　Ａ/ Ｂ 检测　/ 　１１４　６. ４　模拟　/ 　１１８第７ 章　案例分析: .点球成金. 与最优化　/ 　１２３第８ 章　规范性数据分析(又称最优化) 　/ 　１２８　８. １　什么是最优化　/ 　１３１　８. ２　最优化＝ 目标、约束条件、选择＋ 数据　/ 　１３１　　８. ２. １　目标　/ 　１３２　　８. ２. ２　约束条件　/ 　１３６　　８. ２. ３　选择　/ 　１４０　　８. ２. ４　数据　/ 　１４１　８. ３　ＴＬＣ ＋ Ｄ 应用: 每个人都爱吃比萨　/ 　１４３　　８. ３. １　目标　/ 　１４４　　８. ３. ２　约束条件　/ 　１４４　　８. ３. ３　选择　/ 　１４４　　８. ３. ４　数据　/ 　１４４　　８. ３. ５　数学公式　/ 　１４４　８. ４　最优化算法的类型　/ 　１４５　　８. ４. １　精确算法　/ 　１４６　　８. ４. ２　近似算法　/ 　１４７　　８. ４. ３　启发式算法　/ 　１４８　　８. ４. ４　假设分析　/ 　１５１第３ 部分结　　论　　　　第９ 章　收益管理　/ 　１５４第１０ 章　实施数据分析的终极技巧　/ 　１６１　１０. １　它只是弓箭手. 而不是弓箭本身　/ 　１６１　１０. ２　总结　/ 　１６２非传统参考书目和扩展阅读　/ 　１６３译后记　/ 　１６７