商务智能方法与应用 / 中国高等院校信息系统学科课程体系（CIS2011）规划教材
￥25.00定价
作者： 刘红岩
出版时间：2016年10月
出版社：清华大学出版社
- 清华大学出版社
- 9787302310099
- 1-2
- 167077
- 16开
- 2016年10月
- 管理学
- 工商管理
- F713.36
- 计算机
- 本专科、高职高专
内容简介
商务智能是从大量数据中发现隐含的知识，辅助管理人员做出科学决策的方法、系统和应用。《中国高等院校信息系统学科课程体系（CIS2011）规划教材：商务智能方法与应用》主要介绍商务智能的基本概念、主要功能、系统架构，以及数据分析和数据管理的主要方法和技术。全书内容分为5个部分，分别介绍了数据仓库、在线分析处理以及数据挖掘的建模、分析和评价方法，涵盖多维数据模型的建模、多维分析方法以及各种知识发现方法（包括关联分析、分类、聚类、数值预测、序列模式挖掘、社会网络分析、数据流数据挖掘、多关系数据挖掘以及协同过滤和意见挖掘等）；通过案例介绍了商务智能系统的应用；还介绍了常用软件系统及其使用方法，并对商务智能对社会的影响和未来发展进行了分析和展望。
《中国高等院校信息系统学科课程体系（CIS2011）规划教材：商务智能方法与应用》内容具体、新颖、丰富、易于理解，反映了商务智能的*发展趋势，适合作为信息管理、计算机应用、电子商务以及管理专业本科生和硕士生的教材，也可以作为数据分析人员的参考资料。
目录
第Ⅰ部分 商务智能概念及过程
第1章 导言
1.1 商务智能的基本概念
1.1.1 数据
1.1.2 信息和知识
1.2 商务智能的系统构成
1.3 商务智能的发展历史
练习题1
第2章 商务智能过程
2.1 商务智能系统的开发方法
2.1.1 商务智能系统的开发过程
2.1.2 商务智能系统成功的关键因素
2.2 数据库与数据仓库
2.3 在线分析处理与在线事务处理
2.4 商务智能与决策支持系统
练习题2
第Ⅱ部分 商务智能方法
第3章 关联分析
3.1 频繁模式与关联规则
3.2 频繁项集的典型挖掘方法
3.2.1 逐层发现算法Apriori
3.2.2 无候选集发现算法FP-growth
3.3 关联规则的生成方法
3.4 关联规则的其他类型
3.4.1 多层次关联规则
3.4.2 负模式
3.4.3 结构化数据中的关联分析
3.5 关联规则的兴趣度的其他度量
练习题3
第4章 分类
4.1 分类的概念
4.2 决策树分类方法
4.2.1 决策树的构建过程
4.2.2 属性的类型及分裂条件
4.2.3 决策树的剪枝
4.3 朴素贝叶斯分类
4.4 k近邻分类
4.5 分类性能的度量方法
4.5.1 测试数据集的构造
4.5.2 分类性能的度量指标
4.5.3 不同分类模型的比较
练习题4
第5章 数值预测
5.1 数值预测的概念
5.2 回归方法
5.2.1 一元线性回归
5.2.2 多元线性回归
5.2.3 非线性回归
5.3 回归树与模型树
5.3.1 模型树的构建
5.3.2 模型树的剪枝
5.3.3 算法
5.4 k近邻数值预测
5.5 预测误差的度量
练习题5
第6章 聚类分析
6.1 概述
6.1.1 聚类的概念
6.1.2 聚类方法分类
6.2 相似度衡量方法
6.2.1 数据类型
6.2.2 基于内容的相似度衡量
6.2.3 基于链接的相似度衡量
6.3 k均值聚类法
6.4 层次聚类方法
6.5 DBSCAN方法
6.6 聚类效果衡量方法
练习题6
第Ⅲ部分 基础技术
第7章 数据预处理
7.1 数据预处理的原因和任务
7.2 数据规范化
7.3 数据离散化
7.3.1 分箱离散化
7.3.2 基于熵的离散化
7.3.3 离散化方法ChiMerge
7.4 数据清洗
7.5 特征提取与特征选择
7.5.1 特征选择
7.5.2 特征提取
练习题7
第8章 数据仓库
8.1 数据仓库的基本概念
8.2 数据仓库的体系结构
8.3 多维数据模型
8.3.1 多维数据模型的概念
8.3.2 多维数据模型的构建方法
8.4 数据仓库项目的开发
8.4.1 数据仓库的开发模式
8.4.2 数据仓库开发过程
练习题8
第9章 在线分析处理
9.1 在线分析处理简介
9.2 多维数据模型中的层次设计
9.3 立方体的定义和计算
9.4 OLAP的多维数据分析
练习题9
第10章 商务智能可视化
10.1 商务智能可视化的类型
10.2 数据可视化
10.3 过程和结果可视化
10.4 积分卡和仪表盘
练习题10
第Ⅳ部分 应用与系统
第11章 商务智能应用
11.1 商务智能应用领域
11.1.1 关系营销
11.1.2 生产管理
11.2 推荐系统
11.2.1 基于用户的协同过滤
11.2.2 基于产品的协同过滤
11.2.3 基于内容的推荐方法
11.3 意见挖掘
11.3.1 特征和意见的抽取
11.3.2 意见极性判断
练习题11
第12章 商务智能系统
12.1 开源数据挖掘软件
12.1.1 概述
12.1.2 Weka
12.2 商品化的商务智能系统
练习题12
第Ⅴ部分 深度应用与发展
第13章 复杂数据的商务智能分析方法
13.1 序列模式挖掘
13.1.1 序列模式的定义
13.1.2 序列模式挖掘算法
13.2 社会网络分析
13.2.1 中心度分析
13.2.2 链接分析
13.3 数据流数据挖掘
13.4 多关系数据挖掘
练习题13
第14章 商务智能的社会影响与发展
14.1 商务智能中的隐私保护
14.2 移动商务智能
14.3 云商务智能
练习题14
参考文献
第1章 导言
1.1 商务智能的基本概念
1.1.1 数据
1.1.2 信息和知识
1.2 商务智能的系统构成
1.3 商务智能的发展历史
练习题1
第2章 商务智能过程
2.1 商务智能系统的开发方法
2.1.1 商务智能系统的开发过程
2.1.2 商务智能系统成功的关键因素
2.2 数据库与数据仓库
2.3 在线分析处理与在线事务处理
2.4 商务智能与决策支持系统
练习题2
第Ⅱ部分 商务智能方法
第3章 关联分析
3.1 频繁模式与关联规则
3.2 频繁项集的典型挖掘方法
3.2.1 逐层发现算法Apriori
3.2.2 无候选集发现算法FP-growth
3.3 关联规则的生成方法
3.4 关联规则的其他类型
3.4.1 多层次关联规则
3.4.2 负模式
3.4.3 结构化数据中的关联分析
3.5 关联规则的兴趣度的其他度量
练习题3
第4章 分类
4.1 分类的概念
4.2 决策树分类方法
4.2.1 决策树的构建过程
4.2.2 属性的类型及分裂条件
4.2.3 决策树的剪枝
4.3 朴素贝叶斯分类
4.4 k近邻分类
4.5 分类性能的度量方法
4.5.1 测试数据集的构造
4.5.2 分类性能的度量指标
4.5.3 不同分类模型的比较
练习题4
第5章 数值预测
5.1 数值预测的概念
5.2 回归方法
5.2.1 一元线性回归
5.2.2 多元线性回归
5.2.3 非线性回归
5.3 回归树与模型树
5.3.1 模型树的构建
5.3.2 模型树的剪枝
5.3.3 算法
5.4 k近邻数值预测
5.5 预测误差的度量
练习题5
第6章 聚类分析
6.1 概述
6.1.1 聚类的概念
6.1.2 聚类方法分类
6.2 相似度衡量方法
6.2.1 数据类型
6.2.2 基于内容的相似度衡量
6.2.3 基于链接的相似度衡量
6.3 k均值聚类法
6.4 层次聚类方法
6.5 DBSCAN方法
6.6 聚类效果衡量方法
练习题6
第Ⅲ部分 基础技术
第7章 数据预处理
7.1 数据预处理的原因和任务
7.2 数据规范化
7.3 数据离散化
7.3.1 分箱离散化
7.3.2 基于熵的离散化
7.3.3 离散化方法ChiMerge
7.4 数据清洗
7.5 特征提取与特征选择
7.5.1 特征选择
7.5.2 特征提取
练习题7
第8章 数据仓库
8.1 数据仓库的基本概念
8.2 数据仓库的体系结构
8.3 多维数据模型
8.3.1 多维数据模型的概念
8.3.2 多维数据模型的构建方法
8.4 数据仓库项目的开发
8.4.1 数据仓库的开发模式
8.4.2 数据仓库开发过程
练习题8
第9章 在线分析处理
9.1 在线分析处理简介
9.2 多维数据模型中的层次设计
9.3 立方体的定义和计算
9.4 OLAP的多维数据分析
练习题9
第10章 商务智能可视化
10.1 商务智能可视化的类型
10.2 数据可视化
10.3 过程和结果可视化
10.4 积分卡和仪表盘
练习题10
第Ⅳ部分 应用与系统
第11章 商务智能应用
11.1 商务智能应用领域
11.1.1 关系营销
11.1.2 生产管理
11.2 推荐系统
11.2.1 基于用户的协同过滤
11.2.2 基于产品的协同过滤
11.2.3 基于内容的推荐方法
11.3 意见挖掘
11.3.1 特征和意见的抽取
11.3.2 意见极性判断
练习题11
第12章 商务智能系统
12.1 开源数据挖掘软件
12.1.1 概述
12.1.2 Weka
12.2 商品化的商务智能系统
练习题12
第Ⅴ部分 深度应用与发展
第13章 复杂数据的商务智能分析方法
13.1 序列模式挖掘
13.1.1 序列模式的定义
13.1.2 序列模式挖掘算法
13.2 社会网络分析
13.2.1 中心度分析
13.2.2 链接分析
13.3 数据流数据挖掘
13.4 多关系数据挖掘
练习题13
第14章 商务智能的社会影响与发展
14.1 商务智能中的隐私保护
14.2 移动商务智能
14.3 云商务智能
练习题14
参考文献
