این کتاب، نه در مورد الگوریتم‌ها است و نه جایگزینی برای کتابی در مورد الگوریتم‌ها است. ما در این کتاب، عمداً از رویکرد الگوریتم محور اجتناب کردیم. ما معتقدیم که یک مجموعه نسبتاً کوچک از مفاهیم یا اصول اساسی وجود دارد که پایه و اساس تکنیک‌های استخراج دانش مفید از داده‌ها است. این مفاهیم به عنوان مبنایی برای بسیاری از الگوریتم‌های شناخته شده داده کاوی هستند. علاوه بر این، این مفاهیم زمینه تجزیه و تحلیل مسائل تجارت داده محور، ایجاد و ارزیابی راهکار‌های علم داده و ارزیابی استراتژی‌ها و پیشنهادهای عمومی علم داده است. بر این اساس، ما این کتاب را حول این اصول عمومی سازماندهی کردیم تا حول الگوریتم‌های خاص. در صورت لزوم برای توصیف جزئیات رویه ای، ما از ترکیبی از متن و نمودار استفاده می‌کنیم که فکر می‌کنیم از لیستی از مراحل الگوریتمی مفصل، در دسترس‌تر هستند.
بر اساس دوره MBA که Provost در ده سال گذشته در دانشگاه نیویورک تدریس کرده است، کتاب Data Science for Business (علم داده‌ها برای تجارت)، نمونه هایی از مسائل تجاری در دنیای واقعی را برای نشان دادن اصول علم داده‌ها ارائه می‌دهد. شما نه تنها یاد خواهید گرفت که چگونه ارتباط بین ذینفعان کسب و کار و دانشمندان داده را بهبود ببخشید، بلکه همچنین چطور هوشمندانه در پروژه‌های علوم داده شرکت خود مشارکت کنید. همچنین خواهید فهمید که چگونه می‌توانید به صورت تجزیه و تحلیل داده‌ها فکر کنید و کاملاً درک کنید که چگونه روش‌های علم داده‌ها می‌توانند مبنای تصمیم گیری‌های تجاری باشند.

مطالبی که در کتاب علوم داده برای تجارت خواهید آموخت:

• درک کردن چگونگی متناسب شدن علم داده‌ها با سازمان شما و اینکه چگونه شما می‌توانید از آن به عنوان مزیتی رقابتی استفاده کنید
• رفتار کردن با داده‌ها به عنوان یک دارایی تجاری که نیاز به سرمایه گذاری دقیق دارند، درصورتی که می‌خواهید ارزش واقعی را به دست آورید
• نزدیک شدن به مسائل تجاری به صورت تجزیه و تحیل داده‌ها با استفاده از فرآیند داده کاوی برای جمع آوری داده‌های خوب به مناسب‌ترین روش
• یادگیری مفاهیم عمومی برای استخراج دانش از داده ها
• بکارگیری اصول علم داده‌ها در هنگام مصاحبه با داوطلبان شغل علم داده ها