商務智能方法與應用（簡體書）

商務智能是從大量數據中發現隱含的知識，輔助管理人員做出科學決策的方法、系統和應用。《中國高等院校信息系統學科課程體系（CIS2011）規劃教材：商務智能方法與應用》主要介紹商務智能的基本概念、主要功能、系統架構，以及數據分析和數據管理的主要方法和技術。全書內容分為5個部分，分別介紹了數據倉庫、在線分析處理以及數據挖掘的建模、分析和評價方法，涵蓋多維數據模型的建模、多維分析方法以及各種知識發現方法（包括關聯分析、分類、聚類、數值預測、序列模式挖掘、社會網絡分析、數據流數據挖掘、多關係數據挖掘以及協同過濾和意見挖掘等）；通過案例介紹了商務智能系統的應用；還介紹了常用軟件系統及其使用方法，並對商務智能對社會的影響和未來發展進行了分析和展望。
《中國高等院校信息系統學科課程體系（CIS2011）規劃教材：商務智能方法與應用》內容具體、新穎、豐富、易於理解，反映了商務智能的最新發展趨勢，適合作為信息管理、計算機應用、電子商務以及管理專業本科生和碩士生的教材，也可以作為數據分析人員的參考資料。

第Ⅰ部分 商務智能概念及過程
第1章 導言
1.1 商務智能的基本概念
1.1.1 數據
1.1.2 信息和知識
1.2 商務智能的系統構成
1.3 商務智能的發展歷史
練習題1
第2章 商務智能過程
2.1 商務智能系統的開發方法
2.1.1 商務智能系統的開發過程
2.1.2 商務智能系統成功的關鍵因素
2.2 數據庫與數據倉庫
2.3 在線分析處理與在線事務處理
2.4 商務智能與決策支持系統
練習題2

第Ⅱ部分 商務智能方法
第3章 關聯分析
3.1 頻繁模式與關聯規則
3.2 頻繁項集的典型挖掘方法
3.2.1 逐層發現算法Apriori
3.2.2 無候選集發現算法FP-growth
3.3 關聯規則的生成方法
3.4 關聯規則的其他類型
3.4.1 多層次關聯規則
3.4.2 負模式
3.4.3 結構化數據中的關聯分析
3.5 關聯規則的興趣度的其他度量
練習題3
第4章 分類
4.1 分類的概念
4.2 決策樹分類方法
4.2.1 決策樹的構建過程
4.2.2 屬性的類型及分裂條件
4.2.3 決策樹的剪枝
4.3 樸素貝葉斯分類
4.4 k近鄰分類
4.5 分類性能的度量方法
4.5.1 測試數據集的構造
4.5.2 分類性能的度量指標
4.5.3 不同分類模型的比較
練習題4
第5章 數值預測
5.1 數值預測的概念
5.2 回歸方法
5.2.1 一元線性回歸
5.2.2 多元線性回歸
5.2.3 非線性回歸
5.3 回歸樹與模型樹
5.3.1 模型樹的構建
5.3.2 模型樹的剪枝
5.3.3 算法
5.4 k近鄰數值預測
5.5 預測誤差的度量
練習題5
第6章 聚類分析
6.1 概述
6.1.1 聚類的概念
6.1.2 聚類方法分類
6.2 相似度衡量方法
6.2.1 數據類型
6.2.2 基於內容的相似度衡量
6.2.3 基於鏈接的相似度衡量
6.3 k均值聚類法
6.4 層次聚類方法
6.5 DBSCAN方法
6.6 聚類效果衡量方法
練習題6

第Ⅲ部分 基礎技術
第7章 數據預處理
7.1 數據預處理的原因和任務
7.2 數據規範化
7.3 數據離散化
7.3.1 分箱離散化
7.3.2 基於熵的離散化
7.3.3 離散化方法ChiMerge
7.4 數據清洗
7.5 特徵提取與特徵選擇
7.5.1 特徵選擇
7.5.2 特徵提取
練習題7
第8章 數據倉庫
8.1 數據倉庫的基本概念
8.2 數據倉庫的體系結構
8.3 多維數據模型
8.3.1 多維數據模型的概念
8.3.2 多維數據模型的構建方法
8.4 數據倉庫項目的開發
8.4.1 數據倉庫的開發模式
8.4.2 數據倉庫開發過程
練習題8
第9章 在線分析處理
9.1 在線分析處理簡介
9.2 多維數據模型中的層次設計
9.3 立方體的定義和計算
9.4 OLAP的多維數據分析
練習題9
第10章 商務智能可視化
10.1 商務智能可視化的類型
10.2 數據可視化
10.3 過程和結果可視化
10.4 積分卡和儀錶盤
練習題10

第Ⅳ部分 應用與系統
第11章 商務智能應用
11.1 商務智能應用領域
11.1.1 關係營銷
11.1.2 生產管理
11.2 推薦系統
11.2.1 基於用戶的協同過濾
11.2.2 基於產品的協同過濾
11.2.3 基於內容的推薦方法
11.3 意見挖掘
11.3.1 特徵和意見的抽取
11.3.2 意見極性判斷
練習題11
第12章 商務智能系統
12.1 開源數據挖掘軟件
12.1.1 概述
12.1.2 Weka
12.2 商品化的商務智能系統
練習題12

第Ⅴ部分 深度應用與發展
第13章 複雜數據的商務智能分析方法
13.1 序列模式挖掘
13.1.1 序列模式的定義
13.1.2 序列模式挖掘算法
13.2 社會網絡分析
13.2.1 中心度分析
13.2.2 鏈接分析
13.3 數據流數據挖掘
13.4 多關係數據挖掘
練習題13
第14章 商務智能的社會影響與發展
14.1 商務智能中的隱私保護
14.2 移動商務智能
14.3 雲商務智能
練習題14
參考文獻