物流大数据分析

李志坤

目录

  • 1 第一章  数据分析入门
    • 1.1 课程概述
    • 1.2 什么是数据分析
    • 1.3 数据分析的六大步骤
    • 1.4 数据分析的误区
  • 2 第二章 大数据概述
    • 2.1 大数据的时代背景
    • 2.2 大数据的“4V”特征
    • 2.3 大数据的构成
    • 2.4 大数据的技术应用
  • 3 第三章 大数据与物流
    • 3.1 物流行业具体应用
    • 3.2 问题及机遇
  • 4 第四章 大数据基础
    • 4.1 大数据基本概念
    • 4.2 大数据概况与前景
  • 5 第五章 大数据相关技术
    • 5.1 大数据采集 存储技术
    • 5.2 系统架构与建模分析方法（一）
    • 5.3 分析结果的可视化展示技术（一）
    • 5.4 分析结果的可视化展示技术（二）
  • 6 第六章 大数据分析过程
    • 6.1 数据分析的工作框架
    • 6.2 数据分析的实施流程
  • 7 第七章 案例分析
    • 7.1 百度大数据分析系统架构
    • 7.2 京东大数据实时处理技术
    • 7.3 淘宝数据分析挖掘实践及变革
    • 7.4 物流大数据处理简介
  • 8 第八章 分析工具实战（一）
    • 8.1 搭建Python3.0开发环境
    • 8.2 Python基本语法
    • 8.3 Python程序控制结构
  • 9 第九章 分析工具实战（二）
    • 9.1 hadoop分析工具安装布署
    • 9.2 hadoop分析工具基本概念
    • 9.3 hadoop核心组件
    • 9.4 hadoop分析工具具体应用
    • 9.5 数据挖掘与分析
  • 10 第十章 数据分析
    • 10.1 数据分析与挖掘
    • 10.2 数据聚合与分组运算
    • 10.3 利用statmodels进行统计分析
    • 10.4 利用statsmodels 进行回归分析
    • 10.5 时间序列分析
    • 10.6 常见算法介绍
    • 10.7 数据挖掘项目实操
    • 10.8 数据可视化
  • 11 第十一章 案例分析
    • 11.1 营销数据案例分析
    • 11.2 互联网数据案例分析
    • 11.3 大数据时代具体职位分伯
  • 12 第十二章 数据风控
    • 12.1 风控架构
    • 12.2 反欺诈
大数据的技术应用