工业大数据实践：工业4.0时代大数据分析技术与实践案例

在互联网 时代，随着产业转型升级，工业大数据应用如火如荼，本书顺应产业发展需要，从美国WILEY引进的一本关于工业大数据的图书。本书从崭新的视角来认识大数据，结合典型的产业大数据案例，为读者构建数据网络分析、数据中有效信息提取模型。同时，还对实际应用中大数据分析方法与工具进行了详细的讲解。因此，本书是关于工业大数据研究与应用方面不可多得的参考书。

 

如今，海量的数据无处不在，从数据中提取关键信息的能力显得愈发重要。本书从崭新的视角认识大数据，研究了钢铁行业中的典型大数据案例，为读者提供进行数据网络分析、数据中有效信息提取的详细步骤和指导方法。特别是在网络分析方法方面，对数据采集、研究方法设计及分析、数据结果呈现进行了介绍。同时，介绍了相关网络分析软件：UCINET、NetMiner、R、NodeXL及Gephi。本书适合分析师、研究工程师、工业工程师、市场营销专家，以及对大数据分析感兴趣的人员阅读与参考。

目 录
第1章 大数据从何而来
1.1 大数据
1.2 是什么产生了大数据
1.3 我们如何利用大数据
1.4 大数据相关的几个重要问题
参考文献

第2章 网络关系数据分析的基础工具
2.1 UCINET
2.2 NetMiner
2.3 R
2.4 Gephi
2.5 NodeXL
参考文献

第3章 了解网络分析
3.1 定义社会网络分析
3.2 SNA的基本概念
3.3 社交网络数据
参考文献

第4章 采用SNA的研究方法
4.1 SNA实验程序
4.2 识别实验问题和建立假设
4.3 研究设计
4.4 网络数据的获得
4.5 数据清理
参考文献

第5章 位置和结构
5.1 位置
5.2 凝聚子群体
参考文献

第6章 连通性和角色
6.1 连接分析
6.2 角色
参考文献

第7章 NetMiner的数据结构
7.1 数据示例
7.2 主要概念
7.3 数据处理
参考文献

第8章 使用NetMiner的网络分析
8.1 中心地位和凝聚力子群
8.2 连通性和等同性
8.3 可视化和探索性分析

附录A 可视化
A.1 弹性算法
A.2 多维比例算法
A.3 聚类算法
A.4 分层算法
A.5 圆弧算法
A.6 简单算法
参考文献

附录B 案例研究：钢铁研究的知识结构
参考文献

译
者 序

当接到翻译的工作，看到详细的代码和图示时，我不禁又回忆起读博士期间一行行敲代码的生活。毕业后我虽不直接从事数据编程工作，但也一直进行着大数据产业发展的相关研究。作为一本技术层面的实操性书籍，本书的确写得非常详细，从概念到软件操作、从数据分析方法到实际案例剖析，一步步帮助读者掌握大数据理解和分析。书中花了大量篇幅为读者介绍主流大数据分析软件的操作和应用，很适合作为一本入门级的大数据工具书籍。

作为长期研究中国大数据产业趋势的分析师，我对于本书中提到的网络分析法感触颇深。目前很多企业在做大数据，大致都是从标准化的数据采集分析系统起步，大量的工作仍然集中在企业内部数据的整合上，而对于外部消费者数据和内部企业流程数据的连通融合，则是未来亟待解决的关键性问题。本书从全新的数据网络关系视角入手，为我们清晰展现了从数据采集、数据清理、数据分析到数据可视化的全流程步骤。记得在一季的《黑镜》中，有一集就是未来社交网络数据的智能化，通过人群在社交网络上的言论统计来操作机器人。这种科幻剧中的场景恰好与本书中分析Facebook、Twitter上的网络关联数据不谋而合。可以说，社交数据正在成为大数据分析中不可或缺的一环。

同时，在国内产能过剩的大环境下，有关钢铁、煤炭的大数据应用也是未来的焦点之一。如何通过大数据来提升产品质量、发掘更精准的市场需求成为钢铁煤炭企业的转型重点。目前国内有关这方面的大数据书籍较少，本书从国际钢铁贸易的案例出发，为读者和行业专家深入剖析了大数据在工业领域的应用效果，并结合了不同的主流分析软件的详细使用教程，必将是各行业研究人员的得力助手。

 

向阳

 

 

前
言

本书的理念初是由未来钢铁技术论坛发起并支持的。在这个论坛上，一批未来钢铁技术的研究者们齐聚一堂，提出要在全球钢铁贸易区之间挖掘钢铁技术及产品植入的战略意义。在钢铁及钢铁协会的赞助下，作者首次针对钢铁贸易数据进行分析，涵盖了贸易国之间的网络关系及跨境交易的钢铁产品信息。从开始，该书作者就致力于通过钢铁贸易市场的一些案例向社会公众、行业研究员及数据分析专业的学生提供大数据分析的方法论。

本书共分为8章。第1章主要定义了什么是大数据及在企业内部管理中如何运用它来激发更多的产能和更高的效率。第2章介绍了大数据分析相关的各种不同软件，可以帮助识别目前市场上在售的分析软件的优缺点。第3章主要围绕社会网络分析进行介绍，给出了数据间网络关系结构中的节点和链接的定义。第4章总结了网络分析的研究方法论，包括设定一项实验、数据如何采集及如何过滤无效或干扰数据。第5章着重描述了中心性分析和凝聚子群分析，其中中心性分析包括中心度指标、中介中心性及亲近中心性。第6章对全书进行了总结，提出了网络的性能及节点对（或者数据对）之间的对等性，还重点概述了节点之间的连通性。第7章对NetMiner的数据结构进行了介绍。第8章对NetMiner 中提供的样例数据进行网络分析。

经过8章的详细介绍，我们已经能够充分理解正在进行的大数据分析。书中提到的各种不同的分析方法和程序都是目前使用率的。本书旨在为初次接触大数据的学者或有部分基础的学者，全面介绍大数据涉及的基础知识，以及上述学者在将来从事大数据实验时可能用到的分析方法。作者的众多朋友也为本书的顺利完成贡献了不小的力量。

在此，我们要向Dong Joon Min(董炯民)教授表达真挚的感激，感谢他在钢铁数据分析中极具帮助性的独到见解。同时，感谢Jae Wook Ryu(在旭柳)博士，感谢他一直以来提供的帮助；感谢Doo-Hee Lee(杜河力)教授的鼓励及对学术的执着追求。

谨以本书献给我们的家人，感激他们在本书的写作过程中做出的牺牲和支持。

 

作  者