商業分析

■ 依據商業分析之型態與階段，全書共規劃十三章，分成敘述性分析 (descriptive analytics)、預測性分析 (predictive analytics)，以及指示性分析(prescriptive analytics) 三大篇來介紹。
● 第1 章為緒論，目的在於提供讀者一個對商業分析的初步認識。
● 第 2 至第 5 章為敘述性分析篇：包含敘述統計分析、機率、推論統計分析及敘述性資料探勘的相關方法與應用。這些技術將收集來的多源資料進行整理與分析，並探索資料的樣貌、關聯與背後的涵義。
● 第 6 至第9 章為預測性分析篇︰包含迴歸分析、預測性資料探勘、時序資料預測的相關方法與應用。這些技術以現有資料建立預測模式，藉以推估以往未知的資訊，或回答未來發展的趨勢。第9 章介紹文本資料的處理與分析，文本資料經過結構化與數值化處理後即可視為一般資料，使用敘述性分析及預測性分析來進行後續應用。
● 第 10 至第 13 章為指示性分析篇：包含線性規劃、整數規劃、非線性規劃及決策分析的相關方法與應用。這些技術皆是考量決策過程中必須納入之限制情況，再依決策者心中的決策目標(方向)，透過數學模式的建構，求算出最佳決策。
■ 本書適用於商管科系大學部及 MBA一年級有意學習商業分析之同學，內容包含統計學、資料處理、資料視覺化、資料分析、最佳化等科學領域，強調利用資料學習知識，亦可作為學習資料科學的入門教材。
■ 對於曾經學習過上述技術的同學而言，透過本書當能更清楚知道如何整合性地使用這些技術來擷取商業資料中的意涵與見解；未曾接觸過之同學，本書亦能妥善指引同學們依循商業分析架構，逐步建立商業分析基礎能力。

吳泰熙
現職：國立臺北大學企業管理學系特聘教授
學歷：美國德州農工大學工業工程博士
專長領域：決策科學、績效評估與管理、物流與供應鏈管理
李緒東
現職：國立臺北大學企業管理學系副教授
學歷：加拿大溫莎大學工業工程製造與系統工程博士
專長領域：作業與供應鏈管理、作業研究
蕭宇翔
現職：國立臺北大學企業管理學系教授
學歷：國立清華大學工業工程與工程管理博士
專長領域：資料與文字探勘、品質工程與管理、作業與供應鏈管理

在企業的日常運作中，往往需要面對不同的情境狀況進行必要的決策制定。然而，對於決策者而言，憑空的猜測，或是依循過去歷史經驗已經不足以，甚至不宜在當前複雜的經營環境中直接進行決策。決策者需要足量的數據、足量的證據來推論、產生、支持相關的決策，而且經由更多量的數據/ 資料收集，便有更高的機率能更完整地呈現決策問題的全貌。接著再透過使用相關的分析技術來瞭解客戶的組成輪廓、洞悉顧客的購買行為、推論事件的因果關係、預測未來的結果、推導企業的最佳生產排程及物流配送路線等企業內部重要的決策。上述這些各種型態的決策幾乎天天發生在各家企業裡，事實上也描述了商業分析的目的及範疇。企業的確需要透過相關的科學技術來輔助決策者進行優質決策之制定，這也說明了為何商業分析這門學科越來越重要，也越來越受到大家的重視。
商業分析之型態與階段主要分成三部分，分別是敘述性分析(descriptive analytics)、預測性分析(predictive analytics)，以及指示性分析(prescriptive analytics)。簡言之，敘述性分析主要目的在於針對現存資料，分析其樣貌、特性，來探討過去曾經發生，或現在正在發生哪些事情；預測性分析是將現存資料建立預測模型，藉以預測未知；指示性分析則是針對欲分析之問題進行對應數學模式之建立，再透過相關分析技術之使用(通常為最佳化技術)，最終產生或推薦一組決策方案。
本書內容共13 章，包含於三大篇：第一章為緒論，目的在於提供讀者一個對商業分析的初步認識。第二到第五章為敘述性分析篇，包含敘述統計分析、機率、推論統計分析及敘述性資料探勘的相關方法與應用。這些技術將收集來的多源資料進行整理與分析，並探索資料的樣貌、關聯與背後的涵義。第六章至第九章為預測性分析篇，介紹預測性分析常用的方法與應用，包含迴歸分析、預測性資料探勘、時序資料預測。這些技術以現有資料建立預測模式，藉以推估以往未知的資訊，或回答未來發展的趨勢。第九章介紹文本資料的處理與分析，文本資料經過結構化與數值化處理後即可視為一般資料，使用敘述性分析及預測性分析來進行後續應用。第10 章到第13 章為指示性分析篇，介紹數個指示性分析相關之技術，包含線性規劃、整數規劃、非線性規劃及決策分析，這些技術皆是考量決策過程中必須納入之限制情況，再依決策者心中的決策目標(方向)，透過數學模式的建構，求算出最佳決策。
在這個大數據時代，數據量(volume)、數據增長速度(velocity) 與數據的多元化(variety) 使得傳統的儲存以及分析技術難以應付。政府與企業皆期待著未來萬物聯網時海量資料帶來的榮景，但是眼前急需能將數據化為可見與可執行政策的人才，這也是國內外高等學府現今培育人才的重要目標之一。有鑑於此，本書作者將傳統課程內容結合資料科學(data science) 技術，成書並命名為商業分析(business analytics)，希望能為此領域提供一基礎介紹。本書適用於商管科系大學部及MBA 一年級有意學習商業分析之同學，內容結合應用統計、入門資料探勘(data mining) 以及基礎最佳化(optimization) 模式，以應用與問題解決導向的觀點來介紹相關之資料及資訊分析技術。對於曾經接觸過上述技術的同學而言，透過本書當能更清楚知道如何整合性地使用這些技術來擷取商業資料中的意涵與見解，並形成決策支援；至於未曾接觸過之同學，本書之應用導向，亦能妥善指引同學們依循商業分析架構，逐步學習並建立商業分析基礎能力。此外，本書內容重疊了統計學、資料處理、資料視覺化、資料分析、最佳化等科學領域，強調利用資料學習知識，亦可作為學習資料科學的入門教材。

第 1 章　緒論
第 2 章　敘述統計分析
第 3 章　機率
第 4 章　推論統計分析
第 5 章　敘述性資料探勘
第 6 章　迴歸分析
第 7 章　預測性資料探勘
第 8 章　時序資料預測
第 9 章　文本探勘
第 10 章　線性規劃
第 11 章　整數規劃
第 12 章　非線性規劃
第 13 章　決策分析