大数据分析与实践——社会研究与数字治理

前言
课程教学进度表
第1章大数据分析基础
【导读案例】葡萄酒的品质分析
11大数据基础
111定义大数据
112大数据的3V特征
113广义的大数据
12大数据的结构类型
13大数据对分析的影响
131大数据的影响
132大数据分析的定义
14定性分析与定量分析
15四种数据分析方法
151描述性分析
152诊断性分析
153预测性分析
154规范性分析
16大数据分析的行业作用
161大数据分析的决策支持价值
162大数据分析的关键应用
163大数据分析的能力分析
164大数据分析面临的问题
【作业】
第2章社会研究与方法
【导读案例】第四范式：大数据对于科研的意义
21社会研究的概念
211社会研究的特征
212社会研究的理论问题
213社会研究的基本方法
22社会研究的主要过程
221选题与文献回顾
222研究设计
223测量与操作化
224抽样概念与方法
23调查研究
231调查研究概述
232调查研究的特点
233定量与定性调查
234程序与报告
235调查问卷设计
24实验研究
241实验研究概述
242实验研究的分类
25利用文献的定量研究
251文献分析概述
252文献搜集和积累
253文献综述
26实地调查
261实地调查概述
262实地调查的方法
【作业】
第3章计算社会科学及其发展
【导读案例】大数据时代的
社会治理之道
31什么是计算社会科学
311计算社会学
312计算经济学
32社会科学与大数据
321大数据推动相关分析崛起
322大数据推动学科融合
323大数据重构定量与定性研究
324大数据优化数据处理
33社会研究的范式变革
331大数据带来的变革因素
332路径变革：“数据驱动”知识发现
333手段变革：大数据服务于因果分析
334功能变革：分析与预测统一于政策
34计算社会学发展
341计算社会学的发展历程
342计算社会学发展的五大内容
343计算社会学发展的思考
【作业】
第4章基本原则与生命周期
【导读案例】得数据者得天下
41大数据分析生命周期
411商业案例评估
412数据标识
413数据获取与过滤
414数据转换
415数据验证与清洗
416数据聚合与表示
417数据分析
418数据可视化
419分析结果的使用
42大数据的分析原则
421原则1：实现商业价值和影响
422原则2：专注于*后一公里
423原则3：持续改善
424原则4：加速学习能力和执行力
425原则5：差异化分析
426原则6：嵌入分析
427原则7：建立分析架构
428原则8：构建人力因素
429原则9：利用消费化趋势
【作业】
第5章构建分析路线与用例
【导读案例】大数据时代，看透
“假数据”
51什么是分析路线
511商业竞争30时代
512创建独特的分析路线
52大数据分析路线
521第1步：确定关键业务目标
522第2步：定义价值链
523第3步：头脑风暴分析解决方案机会
524第4步：描述分析解决方案机会
525第5步：创建决策模型
526第6步：评估分析解决方案机会
527第7步：建立分析路线图
528第8步：不断演进分析路线图
53关键用例分析
531预测用例
532解释用例
533预报用例
534发现用例
535模拟用例
536优化用例
【作业】
第6章大数据分析的运用
【导读案例】数据驱动≠大数据
61企业分析的分类
62战略分析
621专案分析
622战略市场细分
623经济预测
624业务模拟
63管理分析
64运营分析
65科学分析
66面向客户的分析
661预测服务
662分析应用
663消费分析
664案例：大数据促进商业决策
【作业】
第7章预测分析方法
【导读案例】准确预测地震
71预测分析方法论
711数据具有内在预测性
712预测分析的流程
72定义业务需求
721理解业务问题
722定义应对措施
723了解误差成本
724确定预测窗口
725评估部署环境
73建立分析数据集
731配置数据
732评估数据
733调查异常值
734数据转换
735执行基本表操作
736处理丢失数据
74降维与特征工程
741降维
742特征工程
743特征变换
75建立预测模型
751制订建模计划
752细分数据集
753执行模型训练计划
754测量模型效果
755验证模型
76部署预测模型
761审查和批准预测模型
762执行模型评分
763评价模型效果
764管理模型资产
【作业】
第8章预测分析技术
【导读案例】中小企业的“深层竞争力”
81统计分析
82监督和无监督学习
821监督学习
822无监督学习
823监督和无监督学习的区别
83机器学习
831机器学习的思路
832异常检测
833过滤
834贝叶斯网络
835文本挖掘
84神经网络与深度学习
841人工神经网络
842深度学习
85语义分析
851自然语言处理
852文本分析
853文本处理
854语义检索
86视觉分析
861热点图
862空间数据图
【作业】
第9章大数据分析模型
【导读案例】行业人士必知的十大数据思维原理
91什么是分析模型
92回归分析模型
93关联分析模型
931关联规则分析
932相关分析
94分类分析模型
941判别分析的原理和方法
942基于机器学习的分类模型
943支持向量机
944逻辑回归
945决策树
946k近邻
947随机森林
948朴素贝叶斯
95聚类分析模型
951聚类问题分析
952聚类分析的分类
953聚类分析方法
954聚类分析的应用
96结构分析模型
961典型的结构分析方法
962社团发现
97文本分析模型
【作业】
第10章用户角色与分析工具
【导读案例】包罗一切的数字图书馆
101用户角色
1011超级分析师
1012数据科学家
1013业务分析师
1014分析使用者
102分析的成功因素
103分析编程语言
1031R语言
1032SAS编程语言
1033SQL
104业务用户工具
1041BI的常用技术
1042BI工具和方法的发展历程
1043新的分析工具与方法
【作业】
第11章大数据分析平台
【导读案例】大数据分析的数据源
111分布式分析
1111关于并行计算
1112并行计算的三种形式
1113数据并行与“正交”
1114分布式的软件环境
112预测分析架构
1121独立分析
1122部分集成分析
1123基于数据库的分析
1124基于Hadoop分析
113云计算中的分析
1131公有云和私有云
1132安全和数据移动
114现代SQL平台
1141现代SQL平台
1142现代SQL平台区别于传统SQL平台
1143MPP数据库
1144SQL-on-Hadoop
1145NewSQL数据库
1146现代SQL平台的发展
【作业】
第12章社交网络与推荐系统
【导读案例】推荐系统的工程实现（节选）
121社交网络的定义
1211社交网络的特点
1212社交网络度量
1213社交网络学习
122社交网络的结构
1221社交网络的统计学构成
1222社交网络的群体形成
1223图与网络分析
123社交网络的关联分析
124推荐系统
1241推荐系统的概念
1242推荐方法的组合
1243推荐系统的评价
125协同过滤
【作业】
第13章组织分析团队
【导读案例】数据工作者的数据之路：从洞察到行动
131企业的分析文化
1311管理分析团队的有效因素
1312繁荣分析的文化共性
132数据科学家（数据工作者）
1321数据科学家角色
1322分析人才的四种角色
1323数据准备分析专业人员
1324分析程序员
1325分析经理
1326分析通才
1327吸引数据科学家
133集中式与分散式分析团队
134组织分析团队
1341卓越中心
1342首席数据官与首席分析官
1343实验室团队
1344数据科学技能自我评估
135走起，大数据分析
【作业】
第14章基于大数据集市的课程实践
141什么是大数据集市
1411数据集市的结构
1412数据集市的类型
1413区别于数据仓库
142大数据分析实践项目选择
1421大数据帮零售企业制定促销策略
1422电信公司通过大数据分析挽回核心客户
1423大数据帮能源企业设置发电机地点
1424电商企业通过大数据制定销售战略
143案例分析与课程实践要求
1431角色选择
1432项目选择
1433实践项目的背景说明
1434分知识点要点简述
1435撰写大数据分析报告
1436课程实践总结
1437课程实践的教师评价
附录课程作业参考答案
参考文献