本书以社会对“具有数据技能的管理者”的需求为导向，从管理视角切入，尝试以人文社科类专业学生容易接受的语言介绍与大数据相关的知识点。全书分为基础篇和管理篇两部分，基础篇包括大数据概论、理解大数据、大数据技术；管理篇包括大数据的产业影响、大数据与社会治理创新、大数据与企业数字化转型、大数据与管理人才培养、大数据与商业伦理。此外，本书配有教学PPT和其他课程资源，有需要的老师可以登录华信教育资源网(www.hxedu.com.cn)下载。本书适合作为工商管理、市场营销、会计学、人力资源管理、行政管理等专业的学生教材，也可以供社会上对大数据赋能商业管理有兴趣的读者阅读。

周军杰，博士，副教授，毕业于中国人民大学商学院，获管理学博士学位；2017年3月至2018年3月，俄勒冈州立大学商学院访问学者；兼任中国信息经济学会理事，广东省系统工程学会理事；为本科生讲授大数据导论、数据挖掘、数据思维与数据科学等课程，为学术硕士研究生、MBA学员讲授管理信息系统等课程；主持广东省高等教育教学改革项目1项，曾获河南省教育系统教学技能竞赛三等奖、广东省教育教学成果奖二等奖、2022年中国信息经济学会创新成果奖等奖项；主持及参与国家自然科学基金、国家社会科学基金、教育部人文社科重大基金及省部级基金项目10项，在MIS Quarterly等国内外主流期刊发表论文30余篇。

目 录
第1篇 基 础 篇
第1章 大数据概论 2
1.1 大数据时代 3
1.1.1 作为现象的大数据 3
1.1.2 作为技术的大数据 4
1.1.3 作为管理的大数据 5
1.2 大数据的发展历程 5
1.2.1 技术创新与管理学科发展 5
1.2.2 信息技术发展与大数据变革 10
1.2.3 大数据相关技术 13
1.3 大数据相关政策与战略 14
1.3.1 国外的大数据发展政策与战略 14
1.3.2 我国的大数据发展政策 19
1.3.3 我国的大数据战略实践 21
第2章 理解大数据 27
2.1 数据与大数据 28
2.1.1 大数据的定义 28
2.1.2 大数据的特征 29
2.1.3 传统数据与大数据的比较 30
2.2 数据来源与数据类型 32
2.2.1 常见的数据来源 32
2.2.2 常见的数据类型 33
2.2.3 数据类型之间的转换 35
2.3 数据的价值 37
2.3.1 数据金字塔 38
2.3.2 数据对企业的价值 39
第3章 大数据技术 43
3.1 数据管理技术 44
3.1.1 数据采集技术 44
3.1.2 数据存储技术 46
3.1.3 数据加工技术 49
3.2 数据分析技术 53
3.2.1 商务数据分析技术体系 53
3.2.2 预测性分析技术 55
3.2.3 大数据分析工具 57
3.3 常见的相近技术概念辨析 63
3.3.1 人工智能 63
3.3.2 机器学习 64
3.3.3 人工智能、数据挖掘、机器学习之间的关系 66
第2篇 管 理 篇
第4章 大数据的产业影响 71
4.1 全景视角下的大数据产业链 72
4.2 “造”和“用”视角下的产业变革 73
4.2.1 “造技术”的开发视角 73
4.2.2 “用技术”的管理视角 75
4.3 大数据的行业应用 76
4.3.1 金融行业 76
4.3.2 医疗行业 78
4.3.3 物流行业 81
4.3.4 电子商务行业 82
4.3.5 旅游行业 84
第5章 大数据与社会治理创新 89
5.1 大数据时代的社会治理理念 90
5.1.1 社会治理理念创新 90
5.1.2 社会治理方法创新 92
5.2 大数据时代的社会治理实践 94
5.2.1 数字政府 94
5.2.2 智慧城市 96
5.2.3 数字乡村 100
第6章 大数据与企业数字化转型 106
6.1 企业数字化转型 107
6.1.1 数字化转型的含义与场景 107
6.1.2 企业数字化转型的阶段 109
6.1.3 企业数字化转型的挑战 112
6.1.4 企业数字化转型的建议 113
6.2 大数据与供应链管理 114
6.2.1 供应链管理的大数据应用 114
6.2.2 大数据供应链管理的发展趋势 118
6.3 大数据与财务管理 119
6.3.1 财务管理的大数据应用 119
6.3.2 大数据财务管理的发展趋势 121
6.4 大数据与人力资源管理 123
6.4.1 人力资源管理的大数据应用 123
6.4.2 大数据人力资源管理的发展趋势 125
6.5 大数据与客户关系管理 126
6.5.1 客户关系管理的大数据应用 127
6.5.2 大数据客户关系管理的发展趋势 128
第7章 大数据与管理人才培养 131
7.1 数据科学 132
7.1.1 数据科学的定义 132
7.1.2 数据科学家 134
7.1.3 数据科学知识体系 135
7.2 数据思维 137
7.2.1 CRISP-DM 138
7.2.2 “业务—数据”双向迭代思维 142
7.2.3 数据领导力过程模型 144
7.3 大数据时代的学习与发展建议 146
7.3.1 大数据背景下的商科“教”“学”挑战 146
7.3.2 大数据背景下的商科“教”“学”建议 147
第8章 大数据与商业伦理 151
8.1 大数据安全问题 152
8.1.1 技术问题 152
8.1.2 管理问题 155
8.1.3 业务问题 156
8.2 数据安全和商业伦理保护 159
8.2.1 立法监督 159
8.2.2 科技克制 159
8.2.3 文化促进 160
参考文献 162