从2007年开始，田博在交通运输（航空/港口）、智慧城市、零售、石油石化、银行、电信等不同行业从事数据分析实践，2015年专注工业大数据领域，深入思考数据分析在行业落地中的挑战与方法，并于2021年初出版了《工业大数据分析实践》，明确了不同类型分析课题的定义、理解和推进方法与规范。此后一年半，该书增印两次，在较为小众的工业大数据技术圈内传播甚广。
源于“定义一个好问题是成功的一半”，此前出版的《工业大数据分析实践》集中在“课题定义、业务理解”，而在实际分析项目中，对很多工业背景的数据分析师来说，“算法建模”能力同样关键。
算法应用需要数据分析师的“广度”，而不仅仅是单领域的“深度”；要有在不确定环境下的“直觉”和系统观，而不是严谨的数学公式推导；要关注算法的鲁棒性和最差情形，而不是“理想”假设下的表现；更要坚持“极简为美”的工程思维和“简洁易懂”的跨领域沟通，在学界和业界间架起一条通畅高效的桥梁。
在工业数据分析这个特定上下文，有工业数据预处理（面向物理信息对象的数据关联、工况细分、时序征兆提取等）、时序数据挖掘、机理模型/专家知识融合、有限标记样本下的学习等新技术问题，另外也有设备故障诊断、生产质量优化、运作效率优化等典型应用课题。
在业界朋友的反馈与鼓励下，田博新书《工业大数据分析算法实战》近日得以面市，从工科人的视角介绍算法，从分析实战的角度展示算法的应用，帮助工科背景读者建立起数据思维，灵活利用数据分析算法进行实际问题的建模，并实现分析项目的高效迭代与落地。
值得工业大数据分析从业者、工业企业研发技术人员、工业互联网企业数据分析师阅读，也可作为上述人员的培训教材和相关专业师生的参考书。
作为一本有方法、有算法、有过程代码、有原创图表、有实战案例的良心著作，本书共逾460页，约计70万字，集结田博20年工程实践干货：
直观的算法解读：用R语言实例和图形直观展示算法参数的影响，讲解了算法的组合技巧，阐述了算法背后的朴素原理与思想，帮助读者建立起算法的“直觉”；
全面的知识体系框架：用简洁图表建立起算法体系的全貌，没有定理证明与公式推导，不蹭热点（如深度学习），帮助分析应用者建立起算法的“系统观”；
高质量的参考文献：包括了算法的起源论文、权威图书、经典软件工具书，每条参考文献都是经典，覆盖了算法原理、定理推导、算法实现、工具软件和应用案例，读者可以按需深入，不走弯路，有效提升。
真实的工业场景应用：用实际案例讲解了典型工业场景中的分析算法组合技巧和工具。
正文四部分共10章，另外提供了100+页PHM算法综述PDF文件（电子版）。
第一部分（第1章），数据分析概览，目的是建立起数据分析算法的概念框架，并给出学习路线。
第二部分（第2-5章），侧重在通用数据分析算法，包括数据预处理、机器学习、时序挖掘算法和最优化等其他算法。
第三部分（第6-8章），讨论了工业分析的算法思路，覆盖了生产质量分析（PQM）、生产效率优化（PEM）等典型分析课题的算法组合套路。
第四部分（第9-10章），侧重在分析工程方法，第9章讨论了工业专家知识沉淀方法，第10章讨论了数据分析的软件工程。
本书仅仅是一个开始，期待有更多更优秀的人才投身工业大数据的工程方法和实践，共同推进工业数字化转型进程。
