前　　言

數據科學的目標是利用數據改變世界，而這個目標主要是通過打亂和改變實際行業中的流程來實現的。要在這個層面上操作，我們需要建立實用的數據科學解決方案，這種方案能解決真正的問題，能可靠地運行，能讓人們信任并采取相應的行動。

本書介紹了如何使用Spark來提供生產級的數據科學解決方案，使之具有足夠的創新性、顛覆性和可靠性，并值得信賴。在寫這本書的時候，作者試圖提供一個“超越傳統指導教程”風格的作品：不僅提供代碼的例子，而且拓展了技術和思維方法。你要像專業人員那樣去探索內容；正如他人所言，“內容為王”！讀者會注意到本書著重于新聞分析，偶爾也引入其他數據集，如Twitter數據集。這種對新聞數據的強調不是偶然的，是因為作者一直關注全球范圍內的數據集。

本書致力于解決的隱含問題是：缺乏數據，以至于無法提供人們如何以及為什么做出決策的背景信息。通常，可直接訪問的數據源非常關注問題的細節，因此，要想了解人們做出決策的依據就需要更廣泛的數據集。

思考一個簡單的例子，網站用戶的關鍵信息（如年齡、性別、位置、購物行為、訂單等）都是已知的，我們可以使用這些數據，根據人們的購物習慣和喜好來進行推薦。

但要想更進一步，就需要更多的背景數據來解釋人們為什么會這樣做。新聞報道稱，一場巨大的大西洋颶風正在逼近佛羅里達海岸線，可能在36小時內到達海岸，這時我們應該推薦人們可能需要的產品，如支持USB的電池組，用于手機充電，還有蠟燭、手電筒、凈水器等。通過了解決策的背景，我們可以進行更好的科學研究。

本書提供配套代碼，而且在許多情況下這些代碼是獨一無二的實現。本書深入研究掌握數據科學所需要的技術和技能，其中一些經常被忽視或根本不被考慮。作者擁有多年的商業經驗，充分利用自己豐富的知識體系，為大家呈現了一個真實的、令人興奮的數據科學世界。