第十五章 体系框架与持续进化

章首：一张地图与一条路

1950年，图灵在《Mind》杂志上提出"机器能否思考"这一设问时，给出过一个耐人寻味的回答方式：他绕开"思考"的定义之争，设计了一场模仿游戏，把抽象的哲学问题转译成可检验的工程判据^[1]。七十多年后，这本书用十五个章节重走了同一条路——第1章从"机器能否思考"出发，经由大模型、智能体与技能化，把当年的哲学追问落成了一套可以上手操作的分析范式。

一部教材写到最后一章，通常要做两件事：回望来路，指向前方。本章正处在这个位置上。前十四章带着读者在数智分析的丛林中逐段探路，本章则攀上制高点，把走过的路收拢成一张可检索的地图（第一节），再把这张地图交给时间，回答"教材之后怎么办"（第二节）。

动手画这张地图之前，先回答一个更基本的问题：知识为什么要分层组织？西蒙在1962年讨论复杂性的架构时给出的判断，至今仍有解释力——复杂系统之所以能够存在，在于它们几乎总是由若干稳定的子系统按层级叠加而成，每个层级只与相邻层级发生直接交互，整体因此可理解、可维护、可进化^[2]。这个判断放到知识体系上同样成立。十五个章节若平铺并列，读者记住的只会是一串孤立的标题；按"认知范式—数据技术—实战应用—升华"四层组织之后，每一章都在体系中获得坐标，前后章节之间有了可传递的接口。本书把LLM、Agent、Skill拆成三大件，把数据、建模、部署排成流水线，遵循的正是这种层级化组织原则。

需要说明的是，这张地图的价值在于它同时给出两类信息：坐标与方向。坐标回答"我在哪里"，由四层结构提供；方向回答"我往哪里走"，由贯穿全书的主线与辅线提供。只谈层级，读者会看到一幅静止的剖面图；只谈线路，读者会迷失在细节里。两相结合，教材才成为一张真正可以导航的地图。

数智分析领域的变化速度，已经超出传统教材的更新节奏。数据在变、模型在变、平台在变，若教材只承诺"读到最后一页"，它的保质期会越来越短；唯有把进化机制写进教材本身，让文本、平台与数据形成自我更新的回路，教材才能与时代同步。本章第二节提出的四步接入机制，正是这个回路上的阀门。

本章的叙述由此分成两段：第一节给出全书的知识地图，第二节讨论教材自身的进化。地图回答"书里有什么"，进化回答"书之后还有什么"。

第一节 本书知识体系总览

四层认知地图

读完全书再回看目录，会有一个直观感受：章节的排列顺序本身就在讲述一个故事。从认识工具，到驾驭工具，再到用工具改造世界，最后把经验沉淀为方法——十五个章节构成了一段完整的认知旅程。把这段旅程摊开，可以得到四层结构（如图15-1所示）。

第一层，认知范式，回答"用什么眼光看"。第1章提出LLM+Agent+Skill三层架构，确立全书的分析框架；第2章讲大模型的原理与选型，回答"模型怎么选"；第3章讲Agent的工作机制与安全边界，回答"智能体怎么管"；第4章把Skill化思维确立为方法论内核，讲清技能的封装、复用与组合。这四章解决的是世界观问题：数智分析的做法，是把任务拆成技能、把技能交给智能体、用大模型充当交互界面，三者合起来构成一种新的思维方式。这一层也回应了全书的起点——"从工具到技能"的转变意味着，人面对机器的姿态从"操作它"变为"教它做事"。

技能化思维由此成为全书的方法论底色：先问任务能不能拆，再问技能够不够用，最后才问模型选哪一个。三个问题问完，一个陌生任务的分析路径就有了雏形。

第二层，数据技术，回答"用什么工具做"。第5章多源数据采集解决"数据怎么来"，网页抓取、接口调用、文件解析各有用武之地；第6章数据处理与建模解决"数据如何分析"——描述统计、推断统计与PCA、回归等建模方法在这一章会师，应用统计的完整链条在此走通；第7章与第8章让Hermes Agent学会编排工作流、接入RAG知识库与外部工具；第9章可视化与部署把分析结果送到人眼前，让结论经得起审视。这一层是全书工程量最重的一段流水线，也是"零代码实战"的主战场：从原始数据到可交互的页面，全程不写一行代码。

数据在每一站都被检验一次：采集时看来源，处理时看质量，建模时看假设，部署时看反馈——四道关口层层把关，应用统计的思想由此落进工程实践。

第三层，实战应用，回答"用在哪里"。第10章金融科技与智能风控、第11章经济管理、第12章电商平台、第13章社区治理——四个领域风格迥异，检验的是同一套方法能否在不同土壤里生长。金融要解释风险，采购要解释权衡，电商要解释信任，社区要解释温度，领域在变，技能化拆解的路径保持稳定。这一层还埋着一条暗线：每一章都会把前几层的技能重新组合一遍，读者在重复中看到方法，在变化中看到本质。

四章实战也各有侧重：金融科技考验风险意识，经济管理考验权衡判断，电商平台考验用户思维，社区治理考验数据伦理——同一套技能，四种用法。

第四层，升华，回答"如何沉淀与传承"。第14章把前十三章的实战经验固化为可复用的模板，让一次性的分析过程变成可重复的资产；本章给出体系框架，让整套知识获得自我描述的能力。前十三层是"做事"，这一层是"把做事的方法留下来"。

模板的价值在于它同时保存了答案与路径：答案让新手直接复用，路径让高手理解来龙去脉。

图15-1 全书知识体系分层图（认知地图）

四层之间逐级支撑：认知范式决定数据技术怎么搭，数据技术决定实战应用能走多远，实战应用的成败反过来修正认知范式。西蒙所说的层级化，在此体现为一种双向的滋养关系——上层为下层提供原则，下层为上层提供反馈^[2]。每一层内部是流水线，层与层之间是接口：上一层的输出成为下一层的输入，下一层的成品又成为上一层的检验样本。这套"分层+接口"的结构，与软件工程中模块化的思路一脉相承，也与复杂系统自我组织的规律暗合。

四层结构还首尾呼应：第一层立范式，第四层传范式。第1章提出的三大件，在第14章的模板里以可执行的形式再现；第4章的Skill化思维，在第15章的生态里获得制度化的载体。教材的最后一章回望第一章，起点与终点之间已经形成一条完整的知识回路。

除了主辅线，还有一条方法暗线值得点出：应用统计。PCA从第6章的数据降维用到第7章的指数合成，逻辑回归与随机森林从第6章的建模练习用到第10章的信贷违约预测，描述统计从第5章的数据体检用到第9章的图表呈现——统计方法像钢筋一样浇筑在每一层结构里。读者若把各章出现的统计方法列成一张表，会看到一门应用统计课程以问题为导向重新排列了一遍。

一条主线与三条辅线

地图上除了层级，还有线路。全书实际并行着一条主线和三条辅线，它们把十五个章节缝合成一个整体。

主线是数字化转型指数。这条线的学术源头可以追溯到吴非等2021年发表于《管理世界》的研究：他们以沪深A股上市公司为样本，从年报文本中提取数字化转型相关关键词并统计词频，用词频的高低来测度企业数字化程度，把"转型"从形容词变成可计量的变量^[3]。选择年报文本自有其道理——年报是上市公司定期披露的规范文本，措辞经过管理层斟酌，其中的关键词密度可以反映企业对数字化转型的真实关注度。本书第5章循着同一思路采集年报文本，建成10497行的年报词频库（2024年5467家、2025年5030家，共33个数字化关键词）；第6章以词频为基础做PCA降维，合成1999—2025年71907行×33列的数字化转型指数全量面板，形成企业—年份的二维结构；第7章把指数合成讲透，实训平台把它变成行业对比与动态追踪的指数应用；第14章的模板复用让这条线能够批量产出分析成果。从词频到指数，从指数到平台，从平台到模板，一条数据贯通"采集→处理→建模→应用→进化"全链路——这是全书最完整的一次零代码实战示范。

这条主线之所以能贯穿全书，还在于它把"测度"做成了标杆：先有可重复的采集规则，再有可解释的合成方法，最后有可扩展的应用形态。读者沿着这条线走一遍，等于完整经历了一次从数据到价值的旅程。

在数字化转型指数平台（zhenyuonline.cn/digital-economy/）上，这条主线触手可及：输入任意一家上市公司的代码，即可查到它的指数走势与五维度相关（云计算0.5572、人工智能0.414、区块链0.5631、大数据0.2454、数字化应用0.5798）；切到行业对比页，2025年口径的行业均值（邮政37.74、软件36.85、互联网26.89）一目了然。平台的数字指数API（/digital-index-api/）把12个数据端点开放出来，读者完全可以把自己的分析接在这条主线上——主线因此成了开放的干道，而非封闭的展品。

五维度相关系数的读数也值得玩味：区块链与数字化应用的相关性（0.5631、0.5798）明显高于大数据（0.2454），说明不同技术关键词在年报语境中的共现结构各有差异——指数由PCA合成，保留了这种结构信息，加权结构来自数据自身。

第一条辅线是跨境电商。第5章采集的速卖通中非贸易数据（7589条评论、覆盖134国，2026年7月采集）在第6章完成情感分析，第12章的电商平台案例中再次登场，落地为中非跨境贸易看板（/workflow-demo/deployed/af_trade_ds8k），非洲21国的111条明细与Kilimall的182件商品样本也纳入其中。这条辅线的价值在于反复出现：同一份数据在不同章节被不同方法处理，读者得以直观体会"数据是同一份、问题在变化"。

同样一批评论，第6章看情感倾向，第12章看选品机会与国别差异——同一份数据在不同问题面前呈现出不同侧面。

第二条辅线是金融科技。第6章的统计建模方法在第10章长成股票估值（DDM、CAPM、FCFF三模型）与信贷违约风险分析（逻辑回归+随机森林+SMOTE）两个完整应用——信贷建模的训练集500条中违约样本仅占2%，经SMOTE平衡至50%后再行训练，测试集1999条、26个特征。第14章又把这两个应用固化为模板。这条辅线证明：课堂上的统计方法可以一路走到产业级应用，而产业级应用反过来又给统计方法提出新的问题。

第三条辅线是ABI应用线索。数据中台语境下的ABI三层——应用层、业务层、智能层——与本书三大件存在清晰的对应关系，下一小节展开。这条辅线把教材的概念体系接回产业话语体系，让读者在走出课堂之后，依然能用同一套语言与业界对话。

三大件与ABI三层对照

这张对照表揭示了一个值得玩味的现象：本书的三大件与产业数据中台架构同构。数据中台从早期的报表工具，一路演进到BI（商业智能），再演进到ABI（智能商业智能），每一次演进都在把"看数"推向"用数"；而三大件恰好覆盖了"用数"所需的全部角色——LLM负责听懂人的话，Agent负责安排活，Skill负责干成事。学会了三大件，就掌握了一套理解数智应用的分析框架；走进任何一家企业的数据中台，也能用三大件快速定位每一层在做什么。概念体系的通用性，正是它值得学习的原因——框架一旦成立，具体的技术名词换代，框架本身依然有效。

三大件与ABI三层的对应还可以双向解读：从教材走向产业，三大件是理解中台的钥匙；从产业回到教材，中台架构又反过来验证了三大件的完备性。教材与产业互相印证，概念体系的生命力正在于此。

框架先行：地图的使用方法

地图的价值在于使用。建议三种用法。

复习时，用地图定位薄弱环节。"数据处理在哪一章？"沿着第二层的流水线一站一站排查，很快能找到卡点所在。

实战时，用地图倒查所需技能。"要算行业均值，调第6章的PCA还是第7章的指数平台？"地图会告诉你该回到哪一站。

迁移时，用地图检验框架。"新场景能否用三大件拆解？"把任务放进四层结构里过一遍，缺口自然浮现。

值得分辨的是地图与导航的区别。导航替人做决定，地图把决定权交还给人。本书教的是画地图的能力——技能化思维让人能够为任何新任务绘制自己的地图；实训平台提供的是导航——模板与工作流让人在熟悉的路上少走弯路。先学会画地图，再借助导航，这正是"框架先行"的本意。一张地图，让十五个章节从"读过"变成"会用"。

此外，地图还承担着记忆锚点的作用：人脑对层级结构的记忆效率远高于对平铺清单的记忆效率，把十五个章节装进四层结构，等于给记忆搭好了脚手架。

第二节 持续进化：从教材到生态

从读到用：教材的分层培养

教材与读者的关系，会因阅读的深入而改变。布卢姆在1956年提出的教育目标分类学，把认知领域的教学目标由低到高分成记忆、理解、应用、分析、评价、创造六个层次^[4]。用这把尺子量本书，会看到一条精心设计的阶梯：前四章以记忆与理解为主，帮助读者建立概念骨架——三大件是什么、大模型怎么工作、Agent如何决策；第五到第九章的实操环节训练应用与分析，让读者亲手把数据变成结论，比较不同模型的结果差异；第十到第十三章的综合实战逼近评价层次，要求读者在不同领域之间做判断，权衡方法的适用边界；第十四章与本章则指向创造——把经验固化为模板，把模板迁移到新问题。六个层次逐一登临，教材才完成它的培养使命。

分层培养的意义在于承认差异：初学者需要结构清晰的入门路径，进阶者需要跳读与迁移的空间。本书的章节设计恰好提供了两种读法——按顺序通读，适合打基础；按地图跳读，适合补短板。同一本教材，在不同读者手里呈现出不同的阅读曲线，这本身就是教育目标分类学在教材设计上的实践。

更进一步，六个层次还可以作为自我评估的标尺：能复述概念，说明停留在记忆与理解；能独立跑通应用，说明到了应用与分析；能改进模板、提出新场景，说明正在走向评价与创造。层次清晰，进步才有方向。

教材要持续履行培养使命，还需要一个反馈回路。西门子与朗在2011年系统阐述了"学习分析"这一概念，其核心主张是用学习过程中产生的数据来改进教学设计与学习体验^[5]。本书的实训平台天然是学习分析的数据源：每一次"在平台上验证"都是一次可记录的操作，工作流画布（/workflow-demo/）上哪个节点被反复拖拽、哪个预设流程被频繁改动，平台日志里都有痕迹。这些痕迹反过来指导教材修订——哪一章读者卡壳最多，哪一章就该重写；哪个Skill使用率最高，哪个Skill就该在模板库中前置。教材的进化因此有了数据依据，教学改进也从经验驱动走向数据驱动。

学习分析还改变了教材写作的时序：传统教材先写作、后使用，本书的实训章节先有平台应用、后有文字叙述——文字描述的是平台上已经跑通的事实。先有事实，后有描述，教材与平台之间因此没有时差。

新应用接入四步

软件工程领域很早就明白一个道理：可复用的资产比一次性代码更有价值。克鲁格在1992年对软件复用做了系统梳理，指出复用的对象可以从小粒度的代码组件一直延伸到框架、经验与模式^[6]；Gamma等人在1994年出版的《设计模式》则证明，反复出现的问题可以沉淀为命名清晰、可直接套用的解决方案^[7]。本书的教材体系沿用同一思路：一个应用上线之后，若能与章节建立映射、拆解为三大件、验证可复现，它就从一个孤立的网页变成可复用的教学资产——相当于为"问题—方案"这对关系注册了一个名字，后人再遇到同类问题，可以直接调用。

复用的收益在教材场景中尤其明显：每沉淀一个应用模板，后续的章节写作、实训指导与考核设计都可以站在既有资产之上，把精力留给新问题。

新应用接入教材体系，走四步：部署，应用上线到平台（zhenyuonline.cn 下新增子路径），保证公网可访问；注册，在教材章节映射表中登记应用与章节的对应关系，写明它对应哪个Skill、哪一章；映射，把应用的功能拆解为LLM+Agent+Skill三层，与既有章节建立对照；验证，在平台上实测关键流程，确认可复现后写入对应章节的"在平台上验证"。四步的顺序各有讲究：部署在前，保证应用可被访问；注册居中，保证应用可被检索；映射承上启下，保证应用可被拆解；验证收尾，保证应用可被复现。四步走完，新应用即成为教材的一部分——供应商AI采购系统、银铃福利通、社区治理AI总控台、桂味甄选等应用，都循着这条路径长进教材。教材因此可以持续生长，而无须等待再版（如图15-2所示）。

四步接入对平台运营者也是一份检查清单：部署未完成，应用无法被验证；注册未完成，应用无法被检索；映射未完成，应用无法被教学；验证未完成，应用无法被信任。四个环节互为前提，缺一不可。

图15-2 从教材到生态的进化闭环

从教材到生态

教材的终极形态是生态。教材提供方法与框架，平台提供真实数据与应用，学习者提供实践与反馈，三者互相滋养。中国信息通信研究院在《大数据白皮书》中反复阐述的一个判断是：数据只有流动起来、被复用、与其他要素结合，才能释放价值^[8]。这个判断指向数据要素的独特性质——与土地、资本等传统要素不同，数据在使用中损耗极小，却会在流动中增值：一份数据被调用一次，创造一份价值；被十个场景复用，就创造十份价值。教材生态里的数据正是这样流动的——年报词频库被指数平台调用，指数平台的结果被模板复用，模板又被学习者带进新场景。数据每流动一次，就多创造一份价值。

把数据放回生产要素的谱系里看，会发现它的独特之处：土地有边界，资本有折旧，劳动力有作息，数据却可以同时被无数场景使用而互不损耗。同样的年报词频，在指数平台上是行业基准，在模板库里是教学案例，在读者手里又变成新分析的原料——要素的价值，取决于它参与了多少次创造。

本书实训平台（zhenyuonline.cn 应用库）与本章的映射表，是这套生态的骨架，数字教材（/textbook/）则是它的整册出口，把四步接入的成果即时呈现给读者。学习者在这个生态中的角色也在变化：读教材时是接受者，做应用时是实践者，提交反馈、贡献模板时则成为共建者。读者在平台上跑通的每一个Skill、每一个Agent，都在为生态增加一个节点；每一个新节点，又通过四步接入机制回流到教材。生态的规模效应由此显现：节点越多，模板越丰富，新学习者上手的路径越短，生态的自我增强循环就越顺畅。

这套生态对学习者还有一个隐性承诺：今天在平台上练习的每一份数据、每一个工作流，都可能成为明天教材的一部分。学习者由此从知识的消费者变为知识的共建者，这种角色转变正是"从教材到生态"最深刻的一层含义。

持续学习路径

教材之外，持续学习有三条路径。

跟平台。新应用上线即新案例，平台应用库（zhenyuonline.cn 应用库）是观察数智分析最新实践的窗口——供应商AI采购系统的蒙特卡洛模拟、银铃福利通的政策匹配闭环、天府购AI导购与桂味甄选的电商实践，都是教材之外的活教材。平台每更新一个应用，就相当于教材增加一个附录。

跟数据。数字化转型指数、沪深300、行业面板等真实数据持续更新（最新完整年报为2025年报），用新数据重跑旧方法，是成本最低的复习方式：方法没变，数据变了，结论是否依然成立，本身就是一道考题。五维度相关是否稳定、行业均值排名是否变化，这些追问让旧知识持续产出新见解。

每逢年报季，词频库与指数面板都会刷新一次，用新一年的文本重测五维度相关，本身就是一堂延续到课堂之外的应用统计课。

跟社区。把教材的三大件框架带进自己的项目，在实践中修正与丰富——社区治理AI总控台把"认知地基、品牌把脉、品牌定位"等十余个Agent组织成方法体系，正是三大件框架在真实场景中的一次迁移示范。教材给出的框架是种子，社区里的真实问题才是土壤。

三条路径可以并行：跟平台保持手感，跟数据保持敏感，跟社区保持连接。持续学习的要义，在于让方法与数据始终处于流动状态，让技能在反复使用中保持锋利。

教材的进化机制

本书的进化机制与平台同步：应用更新，章节映射随之更新，教材内容跟着更新；数据更新，案例数据随之更新，分析结论跟着更新。传统教材的生命周期以再版为节点，本书的进化则以应用上线为节点——单点内容会随数据与工具的更替而折旧，体系的框架则在持续进化中保持稳定。这也解释了本章为何把"持续进化"写进标题：对一本数智分析教材来说，稳定与变化同样重要，前者保证可读，后者保证不过时。读者翻开本书时看到的每一张截图、每一组数据，都对应着平台上此刻可访问的真实应用；而明天上线的下一个应用，又会循着四步接入机制成为本书的新章节。教材因此始终处于"完成与未完成之间"——每一版都是完整的，每一版又都在生长的路上。

这也给读者一个实用的提示：阅读本书时留意版本与日期——数据口径（如最新完整年报年份）会随平台更新而推进，方法框架则保持稳定。读书抓框架，用书查数据，两者各得其所。

数智时代的素养观

走到全书末尾，值得停下来想一个更大的问题：学习者最终带走的是什么？

大模型每隔一两年就换代，平台界面年年翻新，具体工具的知识折旧速度越来越快。若把学习目标定在"会用某个工具"，这份知识很快会过时；若把目标定在技能化思维——把任务拆解为可封装的技能、可编排的流程、可复用的模板——工具迭代反而成了练习场，每一次换代都是一次重新拆解的机会。这正是本书从第1章到第15章反复演练的那件事：数智时代的素养，在于把变化本身纳入方法。

可以做一个时间的推演：若干年后，本书提到的具体模型可能已被超越，平台界面可能面目全非，但"把任务拆成技能、把技能交给智能体、把经验沉淀为模板"的思维方式，依然适用于那时的新工具。知识会折旧，方法会传承——技能的封装与复用，正是人与工具关系中最稳定的一层。这也是全书把Skill化思维放在方法论内核位置的原因：教具体工具，教会的是当下；教技能化思维，教会的是将来。

还可以再往深想一层：技能化思维最终指向的，是人对自身工作方式的自觉。能把自己反复做的事封装成技能，能把自己的经验沉淀成模板，能把自己的方法教给机器——这三件事合起来，就是数智时代"元能力"的雏形。工具可以被替代，元能力始终跟随个人。

如果把教材比作一本菜谱，技能化思维教的则是如何发明新菜——前者给出确定的流程，后者训练创造流程的能力。数智时代的从业者，真正稀缺的正是后者。这也是本书把最后一章写成"体系框架与持续进化"的用意：框架让人在变化中保持方位感，进化让框架本身不被时代抛下。

图灵在1950年把"机器能否思考"转译成模仿游戏^[1]，本书则把"如何与机器协作"转译成三大件与四层地图。范式一旦建立，具体的技术名词可以更替，看问题的方式会留下来。这是本章想传递的最后一样东西，也应当成为读者带走的第一样东西。

章末小结与追问

本章是全书的地图与出口。第一节把十五个章节收拢为四层认知地图——认知范式、数据技术、实战应用、升华逐级支撑，讲清一条主线（数字化转型指数）与三条辅线（跨境电商、金融科技、ABI应用线索）如何把全书缝合成整体，并用三大件与ABI三层的对照，把教材的概念体系接回产业话语；第二节把教材推向生态，给出新应用接入四步与持续学习路径，用学习分析与教育目标分类为教材的分层培养和自我进化提供依据，最终落在数智时代的素养观上——工具会迭代，素养是底层的，技能化思维本身才是要教的东西。从第1章的"从工具到技能"，到第15章的"从教材到生态"，全书完成了一个闭环：认知→架构→落地→应用→进化。

这条闭环的每一环都可以在平台上找到对应物：认知对应三大件框架，架构对应四层地图，落地对应实训应用，应用对应行业实战，进化对应四步接入机制。全书至此收束，读者的旅程则刚刚开始。

留三个问题给你想一想：

前两问检验地图与框架的掌握，第三问把读者放进生态——三个问题都留白，答案在读者的实践里。

1. 如果让你给本书画一张新的知识地图，你会怎么画？层级怎么分、主线怎么走、哪些章节会被你挪动位置？
2. 用"LLM+Agent+Skill"拆解你手头的一个真实任务——它对应三大件的哪几件？缺哪一件？
3. 教材的进化机制依赖平台的持续更新——作为学习者，你能为这个生态贡献什么？

参考文献

1. [1] Turing A M. Computing machinery and intelligence[J]. Mind, 1950, 59(236): 433-460.
2. [2] Simon H A. The architecture of complexity[J]. Proceedings of the American Philosophical Society, 1962, 106(6): 467-482.
3. [3] 吴非, 胡慧芷, 林慧妍, 等. 企业数字化转型与资本市场表现——来自股票流动性的经验证据[J]. 管理世界, 2021, 37(7): 130-144.
4. [4] Bloom B S. Taxonomy of educational objectives: The classification of educational goals. Handbook I: Cognitive domain[M]. New York: David McKay, 1956.
5. [5] Siemens G, Long P. Penetrating the fog: Analytics in learning and education[J]. EDUCAUSE Review, 2011, 46(5): 30-40.
6. [6] Krueger C W. Software reuse[J]. ACM Computing Surveys, 1992, 24(2): 131-183.
7. [7] Gamma E, Helm R, Johnson R, et al. Design patterns: Elements of reusable object-oriented software[M]. Reading: Addison-Wesley, 1994.
8. [8] 中国信息通信研究院. 大数据白皮书[R]. 北京: 中国信息通信研究院.

数据与平台：本章为全书的框架性收束章，实训绑定 zhenyuonline.cn 应用库全平台。页面渲染图均为平台实测截图。