本书共分3篇：第1篇(第1-3章)为数据仓库篇，着重介绍数据仓库的基本概念、Hive的搭建和管理、基于Hive的SQL语言；第2篇(第4-7章)为数据分析篇，着重讨论了如何使用WPS等工具对常见表格进行处理、如何使用NumPy和Pandas等Python工具包对数据进行分析、如何使用以FineReport为代表的BI软件进行报表开发；第3篇(第8-13章)为数据挖掘篇，主要涵盖了线性回归、逻辑回归、决策树、随机森林、SVM、XGBoost、K-Means、DBSCAN、协同过滤等常见数据挖掘算法的原理、实现和参数优化方法，并介绍了常见的数据预处理方法和神经网络等人工智能技术。全书提供了大量应用实例，每章后均附有习题。