分為3個部分，共17章。第Ⅰ部分「計算環境」，包括第1章到第3章。第Ⅱ部分「將數據轉化為商業價值」，包括第4章到第10章。這一部分聚焦於數據挖掘活動中所要用到的方法、算法和路徑。第Ⅲ部分「將其全部結合起來的成功案例」包括第11章到第17章。本部分主要描述了作者參與過的成功應用大數據分析優化企業決策、提高企業價值的公司案例。《大數據挖掘與機器學習：工業4.0時代重塑商業價值》可作為企業管理人員、營銷主管、分析人員、IT人員等作為理解大數據、應用大數據為企業創造價值的指引，同時，本書也可供統計學、應用數學及計算機專業學者和研究人員參考學習。Jared Dean（傑瑞德·迪安）是SAS研究院的研發高級總監。他負責SAS全球數據挖掘解決方案的開發。這包括客戶互動、新功能開發、技術支持、銷售支持和產品集成。在加入SAS之前，Dean是美國人口調查局的數學統計學家。

1 概述大數據大事年表為何這個主題現在很重要大數據是否只是一時的狂熱？在何處應用大數據會產生重大影響？21　第Ⅰ部分 計算環境23　第1章 硬件1.1　存儲器（磁盤）1.2　中央處理器1.3　內存1.4　網絡31　第2章 分布式系統2.1　數據庫計算2.2　文件系統計算2.3　考慮因素37　第3章 分析工具3.1　Weka3.2　Java和JVM語音3.3　R語言3.4　Python3.5　SAS47　第Ⅱ部分 將數據轉化為商業價值49　第4章 預測建模4.1　一個建模方法4.2　sEMMA4.3　二元分類法4.4　多層分類法4.5　區間預測4.6　預測模型評估63　第5章 一般預測建模技術5.1　RFM5.2　回歸5.3　廣義線性模型5.4　神經網絡5.5　決策樹和回歸樹5.6　支持向量機5.7　貝葉斯網絡分類方法5.8　組合方法117　第6章 細分6.1　聚類分析6.2　距離測度（指標）6.3　聚類評估6.4　聚類數量6.5　K-means算法6.6　分層聚類法6.7　群特征刻畫129　第7章 增量響應建模7.1　建立響應模型7.2　評估增量響應137　第8章 時間序列數據挖掘8.1　降維8.2　探查模式8.3　時間序列數據挖掘的應用：Nike+Fuelband智能手環149　第9章 推薦系統9.1　何為推薦系統？9.2　應用於何處？9.3　如何起作用？9.4　推薦質量評估9.5　推薦系統的應用：SAS 圖書館161　第10章 文本分析10.1　信息檢索10.2　內容分類10.3　文本挖掘10.4　文本分析應用：讓我們來玩《危險邊緣》（Jeopardy！）177　第Ⅲ部分 將其全都結合起來的成功案例179　第11章 基於某大型美國金融服務公司的案例研究11.1　傳統市場營銷活動流程11.2　高效的營銷解決方案11.3　變革的價值主張187　第12章 主要衛生保健提供者的案例研究12.1　CAHPS12.2　HEDIS12.3　HOS12.4　IRE197　第13章 技術制造商案例研究13.1　發現設備缺陷13.2　如何降低成本201　第14章 在線品牌管理的案例研究205　第15章 移動應用推薦的案例研究209　第16章 高科技產品制造商的案例研究16.1　處理缺失數據16.2　超越生產的應用213　第17章 展望未來17.1　重復性研究17.2　隱私與公共數據集17.3　物聯網17.4　未來的軟件開發17.5　未來算法開發17.6　總結221　關於作者223　附錄225　參考文獻231　譯者后記