《大数据资源》基于大数据行业的发展情况，选择应用比较热门的行业，对该行业的大数据资源分类、特点、获取方法等进行深入介绍，主要包括金融、能源、农业、制造业、交通、医疗、科学研究等领域。本书共分10章：第1章，绪论；第2章，政府数据资源；第3章，科学数据与资源共享；第4章，农业领域数据资源；第5章，制造业大数据资源；第6章，金融数据资源；第7章，交通数据资源；第8章，能源数据资源；第9章，医疗大数据；第10章，数据质量；第11章，大数据治理。《大数据资源》的读者对象包括计算机学科和数据科学学科的高等院校师生，金融、医疗、交通、城市规划、智慧城市等领域应用大数据技术和开发实践的工程技术和研究人员，以及广大大数据相关专业的管理、决策人员。
朱扬勇，复旦大学计算机科学技术学院教授、学术委员会主任，上海市数据科学重点实验室主任，上海市政府信息化专家委员会专家，中国计算机学会大数据专家委员会专家，美国马里兰大学客座教授。从事数据领域研究25年，是国内早期从事数据挖掘研究的学者，是国际数据科学研究的主要倡导者之一。主持过国家自然科学基金、国家863计划项目、上海市科委重点等多项数据挖掘领域的研究课题，曾获上海市科技进步一、二、三等奖。相关研究成果在国内外期刊或会议上发表论文100余篇，出版专著2本，教材3本。2009年发表了数据科学论文“Data Explosion， Data Nature and Dataology”，并出版了首本数据科学专著《数据学》（《DATAOLOGY AND DATASCIENCE》），对数据科学进行了系统化的探讨和描述。
《大数据资源》基于大数据行业的发展情况，选择应用比较热门的行业，对该行业的大数据资源分类、特点、获取方法等进行深入介绍，主要包括金融、能源、农业、制造业、交通、医疗、科学研究等领域。本书共分10章：第1章，绪论；第2章，政府数据资源；第3章，科学数据与资源共享；第4章，农业领域数据资源；第5章，制造业大数据资源；第6章，金融数据资源；第7章，交通数据资源；第8章，能源数据资源；第9章，医疗大数据；第10章，数据质量；第11章，大数据治理。《大数据资源》的读者对象包括计算机学科和数据科学学科的高等院校师生，金融、医疗、交通、城市规划、智慧城市等领域应用大数据技术和开发实践的工程技术和研究人员，以及广大大数据相关专业的管理、决策人员。
第1章 绪论
1.1 基本概念
1.1.1 数据
1.1.2 数据界
1.1.3 大数据
1.2 数据资源
1.2.1 数据资源的形成
1.2.2 数据矿床
1.2.3 数据资源的战略性
1.3 数据资源建设
1.3.1 面临的问题
1.3.2 数据权属
1.3.3 国有数据资源和市场数据资源
1.4 数据资源开发
1.4.1 大数据与信息化
1.4.2 数据开发的“6用”问题
1.4.3 数据流通
1.4.4 数据产业
1.5 小结
参考文献
第2章 政府数据资源
2.1 政府数据开放
2.1.1 政府数据的特点与类型
2.1.2 政府数据开放与共享
2.1.3 政府数据开放的基本做法
2.1.4 政府数据管理与治理
2.2 中国政府数据资源与开放
2.2.1 政府数据资源
2.2.2 公共资源数据库
2.2.3 中国政府数据开放
2.3 国外政府数据开放
2.3.1 美国政府数据开放
2.3.2 英国政府数据开放
2.3.3 新加坡政府数据开放
2.3.4 其他国家政府数据开放
2.4 国际组织数据开放
2.4.1 欧盟
2.4.2 世界银行
2.4.3 经济合作与发展组织（OECD）
2.5 小结
参考文献
第3章 科学数据与资源共享
3.1 科学数据的特征、机遇与挑战
3.1.1 特征与范围
3.1.2 机遇与挑战
3.2 科学数据的全生命周期
3.2.1 全生命周期概述
3.2.2 科学数据的采集与生产
3.2.3 科学数据的加工与保存
3.2.4 科学数据的共享服务
3.3 我国科学数据的管理与开放共享
3.3.1 科学数据的总体规模
3.3.2 科学数据的管理
3.3.3 科学数据的开放共享
3.3.4 科学数据目前存在的主要问题
3.4 我国科学数据的发展建议
3.4.1 科学数据发展的政策机制与标准规范
3.4.2 科学数据的整合与产业化发展
3.4.3 科学数据的管理和知识挖掘
3.4.4 科学数据共享服务
3.4.5 科学数据基础设施建设
3.4.6 科学数据资源保护和知识产权
3.4.7 科学数据发展的人才队伍和科技投入
参考文献
第4章 农业数据资源
4.1 农业积累的数据资源
4.1.1 种植业数据资源
4.1.2 林业数据资源
4.1.3 畜牧业数据资源
4.1.4 渔业数据资源
4.1.5 农业水利数据资源
4.1.6 农产品加工数据资源
4.2 农业相关领域的数据资源
4.2.1 生物基因数据资源
4.2.2 气候气象数据资源
4.2.3 地理数据资源
4.2.4 农业生产资料数据资源
4.2.5 农产品物流与市场数据资源
4.2.6 国际农业数据资源
4.3 农业领域相关的数据资源机构
4.3.1 国内农业大数据及相关领域科学数据资源所在机构列表
4.3.2 国外农业大数据及相关领域科学数据资源所在机构列表
4.4 农业领域数据资源的获取途径和方法
4.4.1 农业领域数据资源的获取要求
4.4.2 农业领域数据资源的获取途径
4.4.3 农业领域数据资源的主要获取方法
4.5 小结
参考文献
第5章 制造业大数据资源
5.1 大数据： 制造业的新资源
5.1.1 大数据与新一轮制造业革命
5.1.2 制造业的资源组成体系
5.1.3 大数据与传统制造资源的关系
5.1.4 制造业大数据资源的构成
5.2 企业内部制造业大数据资源
5.2.1 产品数据资源
5.2.2 工艺数据资源
5.2.3 生产运行数据资源
5.3 企业外部制造业大数据资源
5.3.1 设计相关外部数据
5.3.2 工艺相关外部数据
5.3.3 生产运行相关外部数据
5.4 制造业大数据资源机构与获取途径
5.4.1 行业大数据资源机构
5.4.2 企业运营大数据资源机构
5.4.3 物流大数据资源机构
5.4.4 工商大数据资源机构
5.5 小结
第6章 金融数据资源
6.1 金融行业数据资源
6.1.1 证券期货数据资源
6.1.2 银行数据资源
6.1.3 保险数据资源
6.1.4 跨行业互联网金融数据
6.1.5 外汇数据资源
6.2 与金融业相关的数据资源
6.2.1 国内相关数据资源
6.2.2 国外相关数据资源
6.3 金融数据资源的主要来源
6.3.1 金融相关数据库简介
6.3.2 金融相关网站简介
参考文献
第7章 交通数据资源
7.1 城市交通数据资源
7.1.1 城市交通数据资源的分类与组成
7.1.2 道路交通行业数据
7.1.3 公交行业数据
7.1.4 轨道行业数据
7.1.5 出租车和停车行业数据
7.2 与交通相关的行业数据资源
7.2.1 支撑交通管理决策的相关行业数据
7.2.2 与交通互为影响的相关行业数据
7.3 交通数据资源所有机构
7.3.1 政府交通主管部门
7.3.2 交通运输相关企业
7.3.3 运营商及其他来源
7.4 交通数据资源获取的途径
7.4.1 源数据获取的方式
7.4.2 数据获取的媒介
7.4.3 数据获取的途径
7.5 典型交通大数据资源机构情况介绍——上海交通大数据资源中心
参考文献
第8章 能源大数据资源
8.1 能源大数据积累的数据资源
8.1.1 能源大数据信息简介
8.1.2 能源大数据信息基础数据的采集
8.2 能源大数据的信息特征与价值
8.3 能源大数据的采集、传输、存储和分析处理
8.3.1 能源大数据采集技术
8.3.2 能源大数据传输技术
8.3.3 能源大数据存储技术
8.3.4 能源大数据分析处理平台
8.4 能源大数据资源机构与获取途径
8.4.1 能源领域相关的数据资源机构
8.4.2 能源大数据资源的获取途径和方法
第9章 医疗数据资源
9.1 医疗数据的特征、问题与挑战
9.1.1 数据壁垒、隐私和安全
9.1.2 医疗数据的国际差异
9.2 临床医疗数据资源
9.2.1 电子病历数据
9.2.2 临床笔记数据
9.2.3 医学影像数据
9.2.4 临床试验数据
9.3 非临床医疗数据资源
9.3.1 队列研究数据
9.3.2 生物组学数据
9.3.3 文献典籍数据
9.3.4 药学数据
9.3.5 医疗事务数据
9.3.6 医保索赔数据
9.4 医疗相关领域数据资源
9.4.1 环境医学数据
9.4.2 互联网数据
9.4.3 社交媒体数据
9.4.4 物联网数据
9.4.5 移动互联数据
9.5 医疗数据的产业化发展
9.5.1 数据创新转化医学
9.5.2 跨境医疗中的数据共享
9.5.3 区域医疗中的结果共享
9.6 小结
参考文献
第10章 数据质量
10.1 数据质量概述
10.1.1 数据质量带来的影响
10.1.2 影响数据质量的因素
10.1.3 数据质量定义
10.1.4 大数据时代数据质量面临的挑战
10.2 数据质量标准
10.2.1 ISO 8000国际标准
10.2.2 地理信息质量标准ISO 19100
10.2.3 统计数据质量标准
10.3 数据质量相关技术
10.3.1 数据集成
10.3.2 数据剖析
10.3.3 数据清洁
10.3.4 数据溯源
10.4 数据质量评估
10.4.1 数据质量维度
10.4.2 数据质量评估框架
10.4.3 数据质量评估方法
10.5 数据质量管理
10.5.1 数据质量管理方法
10.5.2 数据质量管理团队建设
10.5.3 质量管理成熟度模型
10.6 小结
参考文献
第11章 大数据治理
11.1 大数据治理概述
11.1.1 国内外数据治理研究成果
11.1.2 大数据治理定义
11.1.3 大数据治理的重要性
11.1.4 大数据治理的范围
11.2 大数据战略和组织
11.2.1 大数据战略指明企业转型的方向
11.2.2 企业制定大数据战略的要点
11.2.3 大数据战略对组织的影响
11.3 大数据架构
11.3.1 大数据架构参考模型
11.3.2 大数据架构的实现
11.4 大数据安全和隐私保护
11.4.1 大数据安全和隐私的问题与挑战
11.4.2 大数据安全防护
11.4.3 大数据隐私保护
11.5 大数据质量管理的重要性和复杂性
11.5.1 大数据质量管理重要性
11.5.2 大数据质量管理复杂性
11.6 大数据生命周期管理
11.6.1 大数据生命周期概述
11.6.2 大数据采集
11.6.3 大数据存储
11.6.4 大数据整合
11.6.5 大数据呈现与使用
11.6.6 大数据分析与应用
11.6.7 大数据归档与销毁
11.7 大数据治理实施
11.7.1 大数据治理实施的目标和动力
11.7.2 大数据治理实施关键要素
11.7.3 大数据治理实施过程
11.7.4 大数据治理实施路线图
本文提供的各种信息及资料仅供参考，不构成任何邀约、投资建议或承诺，请谨慎对待。
