商務智能(第三版)（簡體書）

商務智能是近年來企業信息化的熱點，有著廣闊的應用前景。《商務智能（第3版）/21世紀高等學校規劃教材·計算機應用》首先系統地介紹了商務智能的基本概念、商務智能系統的架構以及數據倉庫、OLAP和數據挖掘等核心技術。在此基礎上，討論了商務智能在電子商務、移動商務、知識管理、Web挖掘、企業績效管理、流程管理、RFID數據管理和大數據管理等領域的最新應用。此外，通過IBM.SAP等業界領先的商務智能工具進行實驗，增強讀者的應用能力。
《商務智能（第3版）/21世紀高等學校規劃教材·計算機應用》內容新穎、全面，案例豐富，適合作為計算機應用、軟件工程、信息管理、電子商務和管理科學等相關專業本科生和研究生的教材，也可作為從事商務智能的信息化人員的參考資料。

1.確定業務問題
數據挖掘的第一步是理解業務需求，清晰定義業務問題，從而避免迷失在大量數據中。這里所說的業務問題并不限于純商業領域的問題，而是使用數據挖掘技術能夠解決的問題。在定義業務問題時，只有了解相關領域的背景知識，才能確定挖掘什么內容。例如，在市場營銷領域，用戶感興趣的可能是顧客的購買行為和購買方式，而在天文學領域，相關的知識是天體運動的規律以及某些天體在同一個地方同時出現的概率等。在此階段與業務人員的充分交流是有必要的。
在定義業務問題時，首先，需要考慮是否有充足的與業務問題有關的數據。識別數據挖掘分析的數據是否包含需要的模式是很重要的，這甚至決定了一個數據挖掘項目的成敗。其次.需要仔細考慮如何應用已發現的知識，思考如何把數據挖掘的結果應用到業務中有助于洞察業務存在的實際問題。例如，在分析顧客的購買模式時，數據挖掘的最終目的是通過了解顧客的購買模式，確定哪些潛在顧客會對公司的新產品感興趣，從而針對這些目標顧客制定出相應的市場策略，以實現利潤最大化。
2.數據探測
數據挖掘在確定業務問題后就要選擇相關的數據，這些數據一般用簡單文件、文本或數據庫表的數據結構表示。分析什么數據？需要多少數據？如何進行各種數據的平衡？又需要什么轉換才能進行有效的挖掘？解決這些問題是比較耗時的。數據挖掘往往需要使用大量的數據，但只有包含業務模式的數據才是真正需要的。例如，對某公司的顧客購買模式進行分析時，很明顯需要顧客購物記錄和人口統計等方面的數據，這些數據分布在電子商務交易網站或者連鎖店的數據庫中，很多情況下數據的質量難以保證，充分的數據探測（exploration）是十分有必要的。
在進行數據挖掘之前，對數據的分布、變化趨勢和數據關系等數據特征進行觀察，提供數據的分布與統計信息，有助于全面了解數據特點并建立合適的數據挖掘模型。
3.數據預處理
數據預處理有助于為數據挖掘提供高質量的數據。良好的數據源是數據挖掘成功的重要保證，但現實的數據源中存在不完整的、異常（outlier）的和不一致的數據。在數據挖掘中，由于某種原因，例如，在該輸入的時候操作人員沒有輸入，或者由于硬件的故障，或者有些數據被刪除或修改等，造成了某些數據的空值（missing value），而這些數據可能包含了重要的信息。此外，有些變量也可能是相關的。這些有問題的數據在數據挖掘早期必須被有效地處理，否則就會影響數據挖掘的質量。因此在數據挖掘前，需要通過可視化、統計學理論等手段對數據進行評價和預處理，有關數據預處理的內容將在5.3節詳細討論。事實證明，只要從數據源開始時控制數據質量，不斷糾正各種數據質量問題，就可以推動數據質量的不斷改善。
……