新書推薦：
《
《四库全书总目》子部辨证与学术批评研究（全三册）
》
售價：HK$
404.8
《
古代城邦（修订版）（经典与解释·古今丛编）
》
售價：HK$
109.8
《
诱捕：青春穿越小说 穿书系统×双向救赎
》
售價：HK$
52.8
《
战后日本对外文化战略研究（1945—1972）
》
售價：HK$
107.8
《
斯坦福十条：AI时代，顶尖大学要这样的人
》
售價：HK$
76.8
《
跃入夏天2：青春校园治愈成长小说 沉默寡言排球手x暴躁可爱小不点
》
售價：HK$
47.1
《
百妖谱3：裟椤双树代表作 奇幻百妖谱动漫原著系列小说 古风青春文学玄幻巨作
》
售價：HK$
49.5
《
西方哲学史：从前苏格拉底到后现代主义
》
售價：HK$
153.8
|
| 內容簡介： |
|
本书共23章，分为3篇：理念篇、基础篇和进阶篇。其中，理念篇从探索式数据分析及可视化的通用基础理论出发，介绍相关的原理、技术、方法和过程，帮助读者理解可视化分析的思想理念，以便在可视化分析中践行这些理念；基础篇按照SAS可视化分析的方法论，对数据访问与准备、描述性分析对象与诊断性分析对象、报表设计与支持、报表内容与交互支持等基础功能模块进行系统地梳理、归纳、总结和说明；进阶篇主要讨论SAS可视化分析中一些相对复杂、更多交互、需要编程或定制的内容，包括预测分析、地理分析、路径分析与网络分析、数据驱动与Viya作业等内容对象，以及聚合运算、VARESTAPI与SDK、定制图形模板等。书中内容遵循理论与实践相结合的指导思想，便于读者参照研习及操作。本书可作为日常工作需要创建数据图表的人士、数据分析初学者或从业者、可视化分析爱好者的自学读物，SASViya使用者及SAS技术支持人员的参考书和SASViya培训教材，也可作为高等学校“数据可视化分析”课程的教学用书或参考书，以及各行业数据分析人员的参考书。
|
| 關於作者： |
|
王有芹，SAS中国研发中心可视化分析产品开发测试部门经理。近20年的SAS商务智能与可视化分析产品的开发测试经验，专长领域包括数据可视化、商业智能、可视化分析等。作为一名问题解决者，在商务及可视化分析应用和技术支持方面拥有丰富的经验。多次在北京大学《统计分析与商务智能》课程中讲授数据可视化与可视化分析相关内容。已发表多篇SAS可视化分析相关博客，是颇受欢迎的SAS全球博主之一。
|
| 目錄：
|
目录
理念篇
第1章数据素养与数据分析
1．1数据素养
1．1．1什么是数据素养
1．1．2DIKW金字塔模型
1．1．3数据素养之数据思维
1．1．4数据素养之数据知识
1．1．5数据素养之工具技能
1．2数据分析
1．2．1数据分析的发展沿革
1．2．2数据分析的类型
1．3习题
1．4本章小结
第2章探索式数据分析
2．1初识探索式分析
2．1．1关于初创人
2．1．2什么是EDA
2．1．3为何需要EDA
2．2探索式分析简介
2．2．1EDA方程式
2．2．2EDA的技术方法概览
2．2．3EDA的使用方式
2．3EDA常用技术方法
2．3．1非图形技术
2．3．2图形技术
2．4EDA与CDA
2．4．1生动的类比
2．4．2方法论维度
2．4．3EDA的特点
2．4．4CDA的特点
2．4．5数据分析的不同阶段
2．5习题
2．6本章小结
第3章视觉认知理论
3．1视觉系统
3．1．1视觉
3．1．2视觉关注
3．2注意力与记忆
3．2．1注意(力)
3．2．2记忆
3．2．3记忆与可视化
3．3可视化编码原理
3．3．1可视化元素
3．3．2视觉感知的相对性
3．3．3可视化编码原则
3．3．4可视化编码过程
3．3．5可视化编码示例
3．4格式塔认知理论
3．4．1格式塔
3．4．2普雷格郎茨定律
3．4．3格式塔的图 底理论
3．4．4格式塔的整体性原则
3．4．5格式塔的群组原则
3．5视错觉的启示
3．5．1艾宾浩斯错觉
3．5．2马赫带效应
3．5．3普根多夫错觉
3．6习题
3．7本章小结
第4章数据可视化概述
4．1可视化的定义及分类
4．2数据可视化的经典案例
4．3数据可视化的目的
4．4数据可视化的作用
4．4．1减少数据过载的困扰
4．4．2放大感知
4．4．3发现预期或意外
4．5如何进行数据可视化
4．5．1确定可视化目标
4．5．2数据可视化工具的选择
4．5．3数据可视化的指导原则
4．5．4数据可视化的过程
4．6避免被误导
4．6．1谨慎使用地图
4．6．2谨慎使用3D图形
4．6．3谨慎使用饼图
4．6．4遵循常理与共识
4．6．5注意数轴刻度
4．6．6注意数据是否变换
4．6．7关注数据的完整性
4．6．8注意选择恰当的图形
4．7习题
4．8本章小结
第5章可视化分析概述
5．1著名的古老案例
5．2可视化分析的定义
5．3可视化分析的作用
5．3．1加强分析的交互性
5．3．2提高分析的便利性
5．3．3帮助孕育新构想
5．3．4助力提升AI可信度
5．4如何进行可视化分析
5．4．1知识生成模型
5．4．2可视化分析的过程
5．4．3发挥人脑思维力
5．4．4可视化分析工具概览
5．5习题
5．6本章小结
基础篇
第6章SAS可视化分析总览
6．1SAS Viya简介
6．1．1SAS Viya主要应用程序简介
6．1．2SAS Viya提供的接口简介
6．2云分析服务CAS
6．2．1CAS的数据操作
6．2．2CAS的会话类别
6．3SAS Visual Analytics功能概览
6．4SAS Visual Analytics界面简介
6．4．1初始界面
6．4．2主界面
6．4．3SAS Visual Analytics样例报表
6．5SAS Visual Analytics的分析方法论
6．6习题
6．7本章小结
第7章数据访问
7．1自助式数据导入
7．1．1导入本地数据
7．1．2导入服务器数据
7．1．3导入其他数据
7．2自助式数据加载
7．2．1手动加载
7．2．2其他自助式操作
7．3访问可用的CAS内存表
7．3．1可用内存表
7．3．2访问内存表
7．4习题
7．5本章小结
第8章数据调查
8．1检视数据表的结构
8．2浏览可用的数据项
8．3更改数据项的属性
8．3．1分类属性
8．3．2格式属性
8．3．3聚合属性
8．4查看数据特性
8．4．1类别项的事件水平
8．4．2测度项的统计量
8．4．3测度项的相关性
8．4．4测度项的离群值
8．5数据项的右键菜单操作
8．6SAS Visual Analytics自动图
8．7SAS Visual Analytics表格对象
8．7．1简单表
8．7．2交叉表
8．7．3简单表与交叉表对比
8．8习题
8．9本章小结
第9章数据准备
9．1创建数据项
9．1．1自定义类别项
9．1．2层次项
9．1．3参数项
9．1．4计算项
9．2数据转换
9．2．1使用SAS Data Studio进行转换
9．2．2使用SAS Visual Analytics进行转换
9．3数据表操作
9．3．1数据表的连接
9．3．2聚合数据表
9．3．3数据视图
9．3．4映射数据
9．4习题
9．5本章小结
第10章探索与分析综述
10．1描述性分析对象
10．1．1通用描述性图形对象之一
10．1．2通用描述性图形对象之二
10．1．3通用描述性图形对象之三
10．1．4通用描述性图形对象之四
10．1．5仪表盘对象
10．2诊断性分析对象
10．2．1进行对比的对象
10．2．2展示关系的对象
10．2．3呈现变化的对象
10．2．4组合对象
10．2．5非组合对象
10．3预测性分析对象
10．3．1预测对象
10．3．2自动预测对象
10．4指导性分析对象
10．4．1路径分析
10．4．2网络分析
10．4．3地理分析
10．5交互分析操作概述
10．6习题
10．7本章小结
第11章描述性分析对象
11．1直方图
11．2盒形图
11．3条形图
11．4点图
11．5线图
11．6阶梯图
11．7针状图
11．8散点图
11．9数值序列图
11．10时间序列图
11．11瀑布图
11．12词云
11．13键值
11．14量具图
11．15饼图
11．16习题
11．17本章小结
第12章诊断性分析对象
12．1气泡图
12．2矩形树图
12．3相关矩阵
12．4热图
12．5平行坐标图
12．6向量图
12．7气泡变化图
12．8进度图
12．9自动解释对象
12．10文本主题对象
12．11交互探索
12．12习题
12．13本章小结
第13章报表设计综述
13．1报表设计相关理论
13．1．1希克定律
13．1．2奥卡姆剃刀原则
13．1．3菲茨定律
13．1．4雅各布定律
13．1．5尼尔森F型视觉模型
13．1．6首因效应与近因效应
13．1．7冯·雷斯托夫效应
13．1．8蔡格尼克记忆效应
13．2报表设计相关实践
13．2．1主题设计
13．2．2报表结构设计
13．2．3页面类型
13．2．4页面布局设计
13．2．5内容设计
13．2．6模板设计
13．3SAS Visual Analytics的主题
13．3．1应用程序主题
13．3．2报表主题
13．3．3定制主题
13．4SAS Visual Analytics的页面布局
13．4．1默认的页面布局方式
13．4．2使用容器的页面布局
13．5SAS Visual Analytics的页面模板
13．5．1SAS页面模板
13．5．2自定义页面模板
13．6SAS Visual Analytics报表与页面
13．6．1报表相关操作
13．6．2页面相关操作
13．6．3内容对象建议
13．6．4报表页面概览
13．6．5报表提示与页面提示
13．7习题
13．8本章小结
第14章报表内容支持
14．1两个内容对象
14．1．1图像
14．1．2文本
14．2报表内容的支持功能
14．2．1显示规则
14．2．2报表动态汇总信息
14．2．3报表视图状态
14．2．4报表性能审查
14．2．5报表辅助功能
14．2．6报表诊断
14．2．7报表翻译
14．2．8报表导出
14．2．9与MS Office集成
14．3习题
14．4本章小结
第15章报表交互支持
15．1控件
15．1．1自动控件
15．1．2按钮栏
15．1．3滑块
15．1．4文本输入
15．1．5下拉列表
15．1．6列表
15．2操作
15．2．1自动操作
15．2．2链接操作
15．2．3手动操作
15．3过滤器
15．3．1数据源过滤器
15．3．2数据过滤器
15．3．3交互式过滤器
15．3．4排名过滤器
15．3．5过滤器表达式
15．3．6过滤器的其他操作
15．4报表交互支持示例
15．4．1通过控件进行过滤
15．4．2通过参数项进行交互
15．5习题
15．6本章小结
进阶篇
第16章聚合运算符与快速计算项
16．1聚合运算符
16．1．1表达式运算符
16．1．2Suppress运算符
16．1．3聚合范围的说明
16．1．4聚合(期间)运算符
16．1．5聚合(表格)运算符
16．2快速计算项
16．2．1使用AggregateCells运算符的快速计算项
16．2．2使用RelativePeriod运算符的快速计算项
16．2．3使用ParallelPeriod运算符的快速计算项
16．2．4使用CumulativePeriod运算符的快速计算项
16．2．5其他快速计算项
16．3习题
16．4本章小结
第17章预测与自动预测对象
17．1预测对象
17．1．1数据表的结构要求
17．1．2假设分析
17．2自动预测对象
17．3习题
17．4本章小结
第18章路径分析与网络分析对象
18．1路径分析对象
18．1．1数据表的结构要求
18．1．2路径分析对象的示例
18．2网络分析对象
18．2．1网络量度项
18．2．2数据表的结构要求
18．2．3网络分析对象的示例
18．3习题
18．4本章小结
第19章地理分析对象
19．1地图与位置数据
19．1．1位置数据
19．1．2地理分析使用的地图
19．1．3关于Shapefile
19．1．4导入Shapefile
19．1．5地理位置数据源
19．1．6创建地理数据提供程序
19．2创建地理位置数据项
19．3地理数据表扩充
19．3．1地理信息编码
19．3．2地理信息扩充
19．4地理分析对象
19．4．1地理坐标
19．4．2地理气泡
19．4．3地理等值线
19．4．4地理区域
19．4．5地理饼图
19．4．6地理聚类
19．4．7地理线
19．4．8地理网络
19．4．9地理线坐标
19．4．10地理区域坐标
19．5地理分析对象的交互操作
19．6习题
19．7本章小结
第20章内容对象与Viya作业
20．1三个内容对象
20．1．1数据驱动内容
20．1．2Web内容
20．1．3作业内容
20．2Viya作业
20．2．1关于Viya作业
20．2．2创建Viya作业
20．2．3作业提示
20．2．4执行作业
20．3习题
20．4本章小结
第21章SAS Visual Analytics REST API
21．1关于REST API
21．2SAS Viya REST API
21．3VA的Reports API
21．3．1Report对象
21．3．2Reports API调用示例
21．4VA的Report Images API
21．4．1Report Images API
21．4．2Report Images API调用示例
21．5VA的Report Transforms API
21．5．1Report Transforms API
21．5．2调用示例之替换报表的数据源
21．5．3调用示例之翻译报表
21．5．4调用示例之改变报表的参数值
21．6VA的Visualization API
21．7其他REST API
21．7．1SAS Viya的过滤支持
21．7．2Folders API简介
21．7．3Folders API的调用示例
21．8习题
21．9本章小结
第22章SAS Visual Analytics SDK
22．1配置SAS Viya服务器
22．2使用SAS VA SDK库
22．2．1安装使用VA SDK库
22．2．2免安装使用VA SDK库
22．2．3身份认证
22．3VA SDK提供的API
22．3．1加载全局变量
22．3．2传递报表参数
22．3．3VA SDK API的主要函数
22．4VA SDK引用报表包
22．5VA SDK使用示例
22．6习题
22．7本章小结
第23章定制可视化图形模板
23．1定制图形模板的入口
23．2组成模板的图形元素
23．3定制可视化图形模板
23．3．1选择适当的图形元素
23．3．2设置图形模板属性
23．3．3设置图形模板的数据角色
23．4使用定制的图形模板
23．5定制图形模板的实例
23．6习题
23．7本章小结
后记
附录
参考文献
|
| 內容試閱：
|
前言
首次萌生编写本书的想法是在2015年底，我受邀为我司在北京大学开设的“统计分析与商务智能”课程讲授数据可视分析的专题。当时，北京大学信息科学技术学院张铭教授非常重视，特意申报了开放讲座，除在校学生参加外，还有一些校外人士聆听。他们大多已经毕业多年，有些人从事的是计算机技术相关工作，有些人则是非技术从业者。课后的交流反馈非常热烈，使我有机会体悟到，原来那么多人可以从数据可视化及可视化分析中受益，却苦于缺乏这方面的系统知识和技能。
其实，不止是在教学中，日常工作中也接触过不同行业的从业者，有的来自软件开发、测试、统计分析等技术岗位，也有来自医药研发、保险金融等专业领域的人才。他们中大部分对可视化分析好像知道一些，又好似雾里看花。有多少人能够辨析条形图与直方图的异同？什么类型数据适用哪种图形？可视化听起来很亲民，但究竟应该如何进行可视化分析呢？作为可视化分析领域的从业者，我希望能够为各行业从业者学习和使用可视化分析略尽绵薄之力。
具体一点来说，可视化分析作为一个融合了多领域知识的学科，将人的探索分析能力、思维判断能力、行业背景知识等，与计算机系统的大存储、云计算、机器学习算法等结合起来，使其具备了其他数据分析方法无可比拟的优势：
(1) 数据可视化使用视觉图形将关键数据及其特征以更直观的形式呈现出来，能够快速获取人们的关注、传递对数据的洞察。面对巨量数据，可视化技术能够有效减少数据过载带来的困扰，帮助人们对数据进行更有效、更高效的理解和认识，正所谓“一图胜千言”。
(2) 可视化分析的理念与实践，鼓励人们尝试使用多种图形、从多个视角去理解数据，引领人们更好地检验或质疑预期，了解数据所包含或潜在的趋势、模式，及时发现或探测非预期值、关注数据中隐藏的问题等。
(3) 可视化分析系统提供的自助操作方式，大大减少了使用者在学习与培训上所投入的时间，尤其是对非数据专业人士来讲，能够更有效、更高效、更多视角地去认识业务数据、获取业务洞察，可视化分析系统将真正帮助企业实现数据分析的便利化和数据使用的民主化。
(4) 可视化分析系统将自动化分析与交互式分析相结合，使计算机的智能分析与人的自主分析二者相得益彰，使用者既可以在适当的场景中采用高效的自动化分析，也可以发挥他们的背景知识与业务直觉，通过交互分析获得更有业务意义的分析结果。
(5) 可视化分析对数据专业人士也是不可或缺的重要分析手段，在数据探索、模型解释、假设验证、结果展示等多个环节发挥其独特作用，对复杂问题进行深入探究和迭代。随着AI技术的快速发展，企业将越来越依赖AI系统，而构建可信赖的AI系统需要大量安全的、可解释的人工智能算法和模型，但摆在眼前的问题是这些算法和模型大多难以被人们理解，也就难以获得企业的信赖。可视化图形能够帮助人们更有效、更高效地理解和解释AI使用的数据、模型及结果，从而有助于消除人们对AI决策过程的疑虑。可视化分析还可以通过多种交互分析来显示算法及模型在不同配置下的输出、快速甄别AI运行的问题或错误，以便改进和优化算法。毋庸置疑，可视化分析必将在构建可信赖AI系统的过程中发挥关键性作用。
鉴于上述可视化分析的优势，我们认为学习可视化分析可以使企业中的每个人都受益。除此之外，可视化分析解决问题的思路，也有助于人们提升许多日常工作及沟通交流的效率和效果，持续迭代、持续评估及交互反馈的思想，也有益于企业改善业务流程。
本书从视觉认知、探索式数据分析等通用理论出发，首先介绍可视化分析的相关原理、技术方法、原则与过程等，便于读者在可视化分析中践行这些理念； 接着从具体的分析方法论和知识技能视角，对SAS可视化分析系统所提供的各种功能模块(如基础功能模块、交互功能模块、进阶定制模块等)，进行系统的梳理、归纳、总结和说明。书中每章都提供了习题与小结，便于读者回顾该章的主要知识点。本书还融合了笔者自2015年起每年在北京大学“统计分析与商务智能”课程中所做专题讲座的内容，以及发布在SAS全球技术博客上相关文章的内容，努力遵循理论与实践相结合的指导思想，注重可操作性，涵盖从数据准备到数据呈现、从数据探索分析到生成数据报表的全过程，读者可以在理解可视化分析理论与方法的基础上，按部就班地进行研习与实际操作。
读者对象
本书适合以下读者群体：
（1） 日常工作需要创建数据图表或数据报表、需要用数据说话的各界人士。
（2） 数据分析初学者、数据分析从业者、可视化分析爱好者。
（3） SAS Viya使用者、SAS技术支持人员、SAS Viya培训讲师。
（4） 开设“数据可视化分析”课程高校的学生、教师等。
如何阅读本书
全书共3篇，内容包括可视化分析相关基本理念、SAS可视化分析的基础及进阶使用等。
1． 理念篇(第1~5章)
主要介绍数据素养与数据分析的关系、探索式数据分析的基本理论与方法、通用的视觉认知理论、数据可视化与可视化分析的相关理论知识。掌握理念篇的内容，有助于读者了解可视化分析的底层原理与理论基石、数据可视化与可视化分析应遵循的原则及过程，以便更有效、更高效地进行可视化分析及结果呈现，并避免被误导。建议所有读者首先阅读本篇内容，尤其是视觉认知及格式塔理论的相关内容，有助于理解可视化编码原理、把握可视化图形风格； 已经对数据分析基础理论有所了解的读者，可以只阅读视觉认知理论相关内容； 建议非数据专业人士阅读探索式数据分析相关内容，以便对数据分析的图形技术与非图形技术有所认识。
2． 基础篇(第6~15章)
主要介绍SAS可视化分析所提供的基础对象及其应用，包括SAS Viya系统简介、SAS可视化分析的方法论、数据访问与准备、描述性分析对象与诊断性分析对象、报表设计、报表内容支持、报表交互支持、与MS Office的集成等。通过基础篇的内容，读者可以了解SAS可视化分析的平台系统Viya、云分析服务CAS的数据操作、数据访问、调查及准备的方法； 学习描述性分析对象及诊断性分析对象的创建与使用方法； 学习报表设计的相关理论、报表动态内容及交互支持等。
3． 进阶篇(第16~23章)
主要介绍SAS可视化分析所提供的一些相对复杂、可灵活定制、高交互性的对象及其应用，包括预测与自动预测对象、地理分析对象、路径分析与网络分析对象、数据驱动与Viya作业等内容对象； 聚合运算、快速计算项、VA REST API及VA SDK、定制图形模板等。本篇内容适合已掌握基础篇内容的读者，在执行特定需求的可视化分析时查阅，或具有一定编程基础、有定制分析需要的专业人士参考。
致谢
首先感恩我们所处的ABC(Artificial intelligence，Big data，Cloud computing)时代，感恩SAS公司，造就和培养了如我这般的一批技术人员，使我有机会获得编写本书的知识与技能； 感恩家人、朋友们的鼓励与支持； 感谢自己多年的坚持不懈，使本书最终得以完成。诚挚感谢SAS中国研发中心总经理刘政博士对本书给予的指导与支持，感谢北京大学计算机学院数据科学与工程研究所博士生导师张铭教授一直以来对我的鼓励和支持。在本书的编写过程中，获得了SAS美国总部研发中心分析产品部高级经理高燕女士的大力支持及有益帮助，特此致谢。本书编写过程中也得到了SAS中国研发中心VAT/BCT团队成员的诸多支持，感谢王策、张琳对地理分析对象相关内容的帮助。同时，感谢SAS大中华区市场总监彭宇恒先生、石小卿女士对出版本书的大力支持。感谢清华大学出版社董编辑在本书出版过程中提供的宝贵建议及专业高效的审阅。需要感谢的名字很多，恕宥无法尽数罗列。最后，感谢读者选择阅读本书。
书不尽言、言不尽意。由于作者水平有限、软件技术快速迭代等因素，书中难免有欠妥之处，敬请广大读者不吝指正！
王有芹·北京
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
暢銷書架
