"《数据仓库与数据挖掘（微课视频版）》旨在介绍企业实践中数据仓库、数据分析和数据挖掘常见技术，包括如何构建、管理和使用面向大数据的数据仓库，如何使用常见工具对数据进行分析和展示，以及如何使用分类、聚类、回归、关联等算法进行数据挖掘。 全书共分3篇： 第1篇(第1~3章)为数据仓库篇，着重介绍数据仓库的基本概念、Hive的搭建和管理、基于Hive的SQL语言； 第2篇(第4~7章)为数据分析篇，着重讨论了如何使用WPS等工具对常见表格进行处理、如何使用NumPy和Pandas等Python工具包对数据进行分析、如何使用以FineReport为代表的BI软件进行报表开发； 第3篇(第8~13章)为数据挖掘篇，主要涵盖了线性回归、逻辑回归、决策树、随机森林、SVM、XGBoost、KMeans、DBSCAN、协同过滤等常见数据挖掘算法的原理、实现和参数优化方法，并介绍了常见的数据预处理方法和神经网络等人工智能技术。全书提供了大量应用案例，每章后均附有习题。 《数据仓库与数据挖掘（微课视频版）》适合作为高等院校人工智能、大数据、计算机等专业相关课程的教材，也可作为金融、医学、管理学等学科研究人员使用数据挖掘进行科研的参考书。 "

前言 一、 为什么要写这本书 在数字经济时代，数据已成为企业核心竞争力的关键要素。无论是传统行业的数字化转型，还是互联网企业的精细化运营，数据仓库、数据分析与数据挖掘技术的实践能力都直接决定了企业的决策效率与业务价值。然而，在实际工作中，许多从业者面临两大痛点： 一是技术理论与业务场景的割裂，二是工具繁多但缺乏系统性整合。 编者在多年的教学、研究和企业实践中发现，数据团队的成功不仅依赖对算法的深入理解，更需要掌握数据架构的设计、工具的灵活适配及业务痛点的精准洞察。本书的创作初衷正是弥合这一鸿沟——通过系统化的知识体系、贴近实践的案例设计，帮助读者构建“数据基建→分析洞察→智能挖掘”的完整能力闭环。 此外，大数据技术的快速发展使开源工具与商业软件并存，Hive、Python、BI平台与机器学习框架等工具生态的融合应用成为常态。本书希望提供一套方法论，帮助读者深入理解技术原理，快速开展工具实践，最终实现从数据工程师、分析师到数据科学家的能力跃迁。 本书由沈阳职业技术学院和北京博海迪信息科技股份有限公司联合编写，充分发挥校企资源优势，贴近行业实践，培养学生实际技能。其中北京博海迪信息科技股份有限公司提供了宝贵的实践案例和参考材料，孙海鹏老师作为副主编提出了宝贵的建议。 二、 内容特色 本书以“立足实践、贯通链条、深入浅出”为核心理念，具有以下特色。 1． 全链路覆盖，结构清晰 全书分为数据仓库、数据分析与数据挖掘三篇，贯穿企业数据应用的完整生命周期。从数据底层的仓库搭建(如Hive集群管理、SQL优化)，到中层的分...