在“數據資產化”“工業互聯網”“工業大數據”的推進中，工業大數據分析仍缺乏統一的指導方法，造成工業大數據分析項目質量波動大，落地成功率低。CRISP-DM方法是機器學習領域的行業事實標準，但CRISP-DM僅僅是過程方法，對于每個階段或關鍵活動，沒有給出具體的行動指導。本書在CRISP-DM基礎上，細化了工業數據分析中的具體活動，針對關鍵活動提出了明確的形式化方法(例如，用系統動力學模型刻畫工業物理系統的運行機理，用領域模型描述物理系統間的概念關系，用數據處理流圖描述分析模型間的數據處理和依賴關系)，并用具體的行業案例進行闡述，嘗試為工業大數據分析構建一套實操性的工程方法體系。本書分為10章：第1章概要介紹工業數據分析方法體系；第2-7章討論了分析場景定義、業務理解、數據理解、數據準備、模型建立、模型評估和模型部署7個階段的關鍵活動、關鍵角色和成功標準，給出實操形式化方法，并用具體工業案例進行展示；第8-10章用3個不同類型行業案例，端到端展示了工業數據分析方法的應用過程。本書是實操性方法的系統總結，用實際案例將讀者代入，更好地理解問題的挑戰和解決過程，在此基礎上，進行系統化總結，方便方法的傳承。
新書資訊