本书共分为9章，第1章首先论述了工业大数据分析的概念、特殊性以及常见的问题；第2章提出了工业大数据分析框架，简要介绍了CRISP-DM模型，并针对模型落地的难点和模型使用的指导思想展开讨论；从第3章到第8章，依次对业务理解、数据理解、数据准备、数据建模、模型验证与评估、模型部署这6个CRISP-DM模型的基本步骤进行了详细的阐述，从需求分析到目标评估，从数据来源到数据分类，从数据预处理到建模过程，从模型验证到部署问题处理，对每一个步骤中的原理方法、分析过程、处理方式、问题排除等都一一进行了讲解和说明；最后，第9章对工业大数据分析的未来发展进行了展望。 

　　本书由工业大数据特设组组长单位清华大学牵头编写，在编写过程中得到了工信部领导的悉心指导和相关单位的有力支撑。特别感谢清华大学孙家广院士、工信部信软司谢少锋司长等给予的全面指导。同时，北京工业大数据创新中心的李三华、田春华，清华大学的任艮全、徐哲、强逍等在本书的编写阶段也给予了无私的帮助，在此表示诚挚的谢意。 

　　工业大数据作为新兴概念，其数据分析的原则、手段、方法和流程还很模糊，对海量数据的挖掘、分析和处理等技术仍在不断的发展和进步，由于作者自身的能力和水平有限，本书不可避免的存在诸多的缺点和不足，期待各位读者能够积极发现问题，并予以批评指正。