"志存闻道, 必空所依傍"
- 戴震(东原) 《东原集》与某书```

从教算来有七年了, 虽然刚入职时的教师资格培训告诉我"教师就是一个职业"让我小小地伤感了下 - 教书育人的高尚是我一直想从事教育的出发点, 但是, 自己对于如何做好一个称职的教师的信念也从来没有松懈. 也所以, 所有自己接手的课程, 都会弄得自己疲惫不堪. 因为, 只要涉足这一领域, 总会习惯性地向写一本书的方向进行梳理 – 自然是疲惫不堪, 而更头疼的是, 每次自己梳理的思路总是和别人不同! 这本书算是对数据分析课程的一个梳理吧, 如何地不同, 在此简要叙述下. 

按照最初教学大纲的设计, 课程原来的名字要更时髦些– 叫数据挖掘和数据分析(也还没有那么时髦, 否则是一定要体现大数据这个词的), 教材嘛就是"数据挖掘"的教材 – 那可就很多了[1][2][3][4]. 传统的教学方式是就这一本书的章节安排, 挑选着讲授. 一般的老师虽然有自己的体会, 但大多仍然不会跳出选定的教材的窠臼. 而我结合自己的学习经历, 从帮助学习者能够宏观了解相关技术的角度来思考, 认为与其让学习者"深入"了解那些算法, 不如帮助他们在"浅出"地了解体现应用背景的简单算法后, "深入"地了解较为完备的数据分析的知识域 – 在对领域有把握后, 可以有兴趣选定自己想了解的那些"深入"的算法. 自己以往的学习经历 – 也是很多学生的经历 – 充分地说明了这一点: 学了那么些课程, 但是, 一到了现实, 就发现还有一个鸿沟立在基础知识与现实高端应用(不侧身高端应用, 怎么能有信心做出大的贡献?!). 那么, 如果那些课程在讲授时能够贯通些, 帮助学习者弥合课本知识到最先进应用间的跨越, 这于学习者而言是显然是比较优化的: 有了目标, 又了解了需要学习哪些课程/知识, 学习也就是有趣味的. 

这门数据分析课的梳理就是对此的一个尝试: 不再局限于一本教材, 不再以艰深的算法为核心, 而是想展示给学习者宏观的架构 – 以商务决策来整合相关的数据分析的思想和技术, 包括 MBA, 统计学, 数据挖掘, 深度学习, 数据仓库和大数据分析等. 

用商务决策来引导数据分析的内容, 也有别样的好处, 要知道商务的了解不仅是我们每个人都需要了解的, 而且在当前大众创业、万众创新 (Mass Entrepreneurship and Innovation) 的背景下, 有了一技之长的人们很有创业的冲动, 但是, 如果总是跳到水里学游泳显然是对自己很不负责任的, 所以, 在此介绍下相关的商务决策只是也就有着现实的价值. 

总之: 
1.  本书不再局限于某一本数据挖掘教材的内容, 而是做了极大的延展: 通过商务决策的主要问题(对MBA 课程做了梳理)来统领相关的数据分析的知识(数据挖掘只是一部分), 并展示了伴随而来的相关技术的发展(数据库, 数据仓库, 大数据处理架构)
2.  为贯彻1的设想, 内容上做了精心的梳理, 不再是面面俱到, 而是以整体脉络的贯穿为主. 所以, 涉及到的相关算法没有采用很艰深的算法. 不过, 书中对那些艰深的算法也做了点评, 以帮助学有余力的读者有"骥"可查.
3.  为了帮助有创业意愿的读者, 部分与创业有关的内容也做了简述: 注册公司, 股东的权责等. 算是照进现实下吧
4.  其他有助于读者了解相关背景的有趣内容放到了附录中, 比如MBA课程的点评, 统计学中正态分布函数的由来, 机器学习的历史, 大数据相关软件的生态等. 

最后, 一如所有作者都会说的, "如有谬误, 烦请告知" 

> [1]  Pang-Ning Tan, Michael Steinbach, Vipin Kumar.Introduction to Data Mining. Addison Wesley, ISBN: 0-321-32136-7, 2005.[PDF]
[2]     Han, J. and M. Kamber. Data Mining: Concepts and Techniques. 3rd ed., Morgan Kaufmann.[PDF]
[3]     I.H. Written and E.Frank. Data Mining: Practical Machine Learnings and Techniques.
[4]     D. Hand, H.Mannila and P. Smith, Principle of Data Mining