本书从系统工程的角度构建大数据的知识体系并将系统建模技术引入大数据分析领域，为大数据分析设计人员提供分析框架和分析手段。 全书分为上下两册，上册包含9章，下册包含5章。第1-3章，围绕大数据及其驱动的新一代人工智能的发展，梳理了数据科学所面临的机会和挑战，引入基于模型的系统工程体系和方法，构建了支持大数据分析与技术实施的体系结构与方法论。第4-6章，围绕大数据的建模与分析，介绍了大数据的需求和性能建模分析方法、业务建模分析方法以及数据建模分析方法，为大数据分析和技术开发人员提供了建模分析的手段。第7-9章，围绕大数据的技术体系，介绍了大数据的基础设施、应用组件和安全体系。第10-12章，围绕大数据的数据处理方法，介绍了数据准备阶段的常用方法、算法准备和开发阶段的常用方法，以及算法评价中的常用方法，提供了数据与算法开发的理论和工具。第13-14章，围绕工业化与信息化融合管理体系评定大数据实证分析和新兴学科交叉情况的分析两个主题，提供了两个大数据建模与分析的案例。 本书可作为大数据、自动化、计算机、工业工程、经济管理、新闻传媒与生物医学等专业本科生和研究生的教学参考书，也可供大数据研究领域的科研人员和工程技术人员参考。

第一篇 大数据的体系结构
第1章 大数据与大数据分析
1.1 大数据的定义与发展
1.2 数据科学的发展
1.3 大数据分析与归因理论面临的挑战
1.4 大数据驱动的评价决策技术面临的挑战
1.5 数据驱动的新一代人工智能面临的挑战
1.6 大数据分析方法论的发展
参考文献
第2章 复杂系统分析的体系结构与方法论
2.1 复杂系统的系统工程体系
2.2 体系结构框架
2.2.1 体系结构的作用
2.2.2 基于模型的系统集成与模型驱动的体系结构
2.2.3 计算机集成制造开放系统体系结构
2.2.4 GIM与IMPACS
2.2.5 普渡企业参考体系结构
2.2.6 集成信息系统体系结构
2.2.7 Zachman框架
2.2.8 通用化的企业参考体系结构与方法论
2.2.9 开放组织体系结构框架
2.2.10 联邦企业体系结构框架
2.2.11 美国国防部体系结构框架
2.2.12 统一体系结构框架
2.3 主流的建模方法族
2.4 通用体系结构框架与建模体系
2.4.1 体系结构基本属性的分析
2.4.2 通用体系结构框架
参考文献
第3章 大数据的体系结构框架
3.1 大数据体系结构框架的构建
3.2 大数据分析的结构化进程
3.3 大数据分析的建模方法
3.4 数据驱动与模型驱动的融合
3.5 大数据治理架构
参考文献
第二篇 大数据的建模分析方法
第4章 大数据的需求与性能建模分析方法
4.1 需求与性能建模分析体系
4.2 用例图与用例分析
4.3 SysML的需求图与参数图
4.4 机会分析
4.5 投入产出分析
4.6 平衡计分卡与关键成功因素分析
4.7 层次分析法与网络分析法
参考文献
第5章 大数据的业务建模分析方法
5.1 业务建模分析体系
5.2 面向业务功能的建模分析方法
5.2.1 数据流图
5.2.2 IDEFO功能建模
5.3 面向业务过程的建模分析方法
5.3.1 IDEFO过程描述获取
5.3.2 事件过程链
5.3.3 角色活动图
5.4 面向对象的行为建模分析方法
5.4.1 UML状态机图
5.4.2 UML活动图
5.4.3 UML交互图
5.5 面向工程管理的建模分析方法
5.5.1 Gantt图与PERT技术
5.5.2 GRAI决策建模方法
5.6 面向仿真与运行的建模分析方法
5.6.1 Petri网
5.6.2 系统动力学
5.6.3 经营过程建模表示法
5.6.4 工作流建模
5.6.5 经营过程执行语言
参考文献
第6章 大数据的数据建模分析方法
6.1 数据建模分析体系
6.2 面向数据库与数据仓库的建模分析方法
6.2.1 实体-联系模型
6.2.2 IDEFIX数据建模方法
6.2.3 维度建模方法
6.3 面向对象的结构建模分析方法
6.3.1 UML静态视图
6.3.2 UML设计视图
6.3.3 UML部署视图
6.3.4 UML模型管理视图
6.3.5 UML简档
6.4 面向知识的建模分析方法
6.4.1 本体语言
6.4.2 描述逻辑
6.4.3 知识图谱
参考文献