滿額折
商務智能方法與應用（簡體書）
商品資訊
系列名：數據中國“百校工程”項目系列教材
ISBN13：9787115503480
出版社：人民郵電出版社
作者：張小梅; 許桂秋
出版日：2023/12/01
裝訂／頁數：平裝／224頁
規格：26cm*19cm (高/寬)
商品簡介
作者簡介
目次
相關商品
商品簡介
本書從實用的角度出發，採用理論與實踐相結合的方式，介紹商務智能的基礎知識，力求培養讀者使用商務智能技術解決問題的能力。全書內容商務智能的基本概念、商務智能系統的架構、商務智能涉及到的數據處理的核心技術、商務智能在零售業、商務智能在客戶關係管理、商務智能在電信業、商務智能在教育業以及商務智能在電子商務等方面的應用。
本書作為商務智能的入門教材，目的不在於覆蓋商務智能技術的所有知識點，而是介紹商務智能的主要應用，使讀者瞭解商務智能的基本構成以及如何應對個行業各的特色問題構建商務智能系統。為了增強實踐效果，本書中引入了5個基礎性案例，幫助讀者瞭解商務智能涉及到的基本技術的知識和技能。在此基礎上又引入了5個綜合性案例，幫助讀者掌握商務智能如何在各種不同行業場景下構建商務智能系統。
本書作為商務智能的入門教材，目的不在於覆蓋商務智能技術的所有知識點，而是介紹商務智能的主要應用，使讀者瞭解商務智能的基本構成以及如何應對個行業各的特色問題構建商務智能系統。為了增強實踐效果，本書中引入了5個基礎性案例，幫助讀者瞭解商務智能涉及到的基本技術的知識和技能。在此基礎上又引入了5個綜合性案例，幫助讀者掌握商務智能如何在各種不同行業場景下構建商務智能系統。
作者簡介
張小梅，凱裡學院計算機專業教授，現任凱裡學院大數據工程學院院長。中國民盟成員，貴州省政府特殊津貼獲得者，貴州省 “省級教學名師”，貴州省“省級優秀教師”，黔東南州“州管專家”，凱裡學院“學術帶頭人”，貴州省計算機學會常務理事。曾先後到過四川大學、國防科學技術大學、湖南師範大學、濟南大學訪問學習。
近年來主要從事物聯網應用研究；作為負責人承擔各級各類課題共20余項：其中省部級以上項目6項，地廳級項目5項，主編教材6部。出版學術專著2部，獲實用新型專利2項；獲貴州省教學成果“二等獎”1項，在貴州省 “多媒體教育軟件大賽”中榮獲“二等獎”2項，全國多媒體教育軟件大賽“優秀獎”1項。發表學術論文20餘篇。
近年來主要從事物聯網應用研究；作為負責人承擔各級各類課題共20余項：其中省部級以上項目6項，地廳級項目5項，主編教材6部。出版學術專著2部，獲實用新型專利2項；獲貴州省教學成果“二等獎”1項，在貴州省 “多媒體教育軟件大賽”中榮獲“二等獎”2項，全國多媒體教育軟件大賽“優秀獎”1項。發表學術論文20餘篇。
目次
第 1章1
商 務 智 能 概 述 1
1.1 商務智能產生背景 1
1.1.1 商務智能產生的原因 1
1.1.2 商業決策需要商務智能 3
1.1.3 企業智能化管理需要商務智能 4
1.2 商務智能簡介 4
1.2.1 商務智能概念 5
1.2.2 商務智能發展 7
1.2.3 商務智能要求 8
1.2.4 商務智能價值 9
1.3 商務智能基礎 10
1.3.1 商務智能的基本架構 10
1.3.2 商務智能的功能 11
1.4 商務智能關鍵技術 12
1.4.1 數據預處理 12
1.4.2 數據倉庫 12
1.4.3 數據挖掘 13
1.4.4 在線分析處理 15
1.4.5 數據可視化 15
1.5 商務智能的相關應用 16
1.5.1 商務智能在教育方面的應用 16
1.5.2 商務智能在客戶關係管理的應用 17
1.5.3 商務智能在零售業的應用 17
1.5.4 商務智能在電子商務的應用 18
1.5.5 商務智能在金融業的應用 18
1.5.6 商務智能在保險業的應用 18
1.5.7 商務智能在製造業的應用 19
實驗一 銷售數據預處理 19
實驗二 數據可視化 51
第 2章 77
數 據 倉 庫 77
2.1 數據倉庫概念 78
2.1.1 什麼是數據倉庫 78
2.1.2 數據倉庫特點 78
2.1.3 數據倉庫結構 79
2.1.4 數據倉庫與數據庫 80
2.1.5 數據倉庫和商務智能的關係 81
2.2 ETL過程 81
2.2.1 數據抽取 82
2.2.2 數據轉換 82
2.2.3 數據清洗 82
2.2.4 數據裝載 83
2.3 數據倉庫模型 83
2.3.1 數據模型 84
2.3.2 如何建設數據模型 84
2.3.3 數據倉庫建模樣例 88
2.4 數據倉庫工具Hive 91
2.6.1 Hive基本概念 91
2.6.2 Hive使用場景 91
2.6.3 Hive設計特點 91
2.6.4 Hive體系結構 92
2.6.5 Hive數據存儲 93
2.6.6 HiveQL 93
實驗三 數據倉庫的建立 94
第3章 112
維 度 建 模 112
3.1 維度建模簡介 112
3.1.1 維度建模的概念 113
3.1.2 維度建模基本原則 114
3.2 維度表技術基礎 115
3.2.1 維度表結構 115
3.2.2 維度代理鍵 116
3.3.3 多維體系結構 116
3.3.4 緩慢變化維度 119
3.3 事實表技術基礎 121
3.3.1 事實表結構 121
3.3.2 可加、半可加、不可加事實 121
3.3.3 事實表中的空值 122
3.3.4 事實表的三種基本類型 122
3.4 維度建模設計的主要流程 123
3.4.1 選擇業務過程 123
3.4.2 聲明粒度 124
3.4.3 確認維度 124
3.4.4 確認事實 125
3.5 維度模型的誤區 125
3.5.1 誤區1：維度模型僅用於匯總數據 126
3.5.2 誤區2：維度模型是部門級的而不是企業級的 126
3.5.3 誤區3：維度模型是不可擴展的 126
3.5.4 誤區4：維度模型僅可用於預測 126
3.5.5 誤區5：維度模型不能集成 127
實驗四 使用Schema Workbench創建Cube 127
第4章 145
在線分析處理-OLAP 145
4.1 OLAP簡介 146
4.1.1 OLAP基本概念 147
4.1.2 OLAP特性 150
4.1.3 OLAP多維數據結構 150
4.1.4 OLAP應用 154
4.2 OLAP多維數據分析 155
4.2.1 切片和切塊 156
4.2.2 鑽取 157
4.2.3 旋轉/轉軸 157
4.3 OLAP分類 158
4.3.1 OLAP分類 158
4.3.2 ROLAP、MOLAP與HOLAP 158
4.3.3 多維數據模式 160
4.3.4 OLAP體系結構 162
4.3.5 OLAP與OLTP的區別 163
4.4 從OLAP到數據挖掘 163
4.4.1 信息處理 163
4.4.2 OLAP和數據挖掘的關係 164
4.4.3 多維數據挖掘 164
4.5 OLAP操作語言 165
4.5.1 MDX 166
4.5.2 MDX查詢語句 167
4.5.3 SQL和MDX的區別 168
4.5.4 MDX表示 170
4.5.5 成員屬性和單元屬性 170
4.5.6 MDX查詢結構 173
4.6 主流的OLAP工具 174
4.6.1 OLAP產品 174
4.6.2 主流OLAP產品比較 176
4.6.3 OLAP實現過程 176
實驗五 在線分析 177
第5章 187
商務智能在零售業方面的應用 187
5.1 零售業商務智能現狀 187
5.2 顧客關係管理 188
5.3 零售管理業務優化 189
5.4 日常經營分析 190
5.4.1 商品分析 190
5.4.2 銷售分析 190
5.4.3 會員卡分析 191
5.4.4 財務分析 191
5.5 零售業案例 193
5.5.1 數據倉庫的搭建 194
5.5.2 粒度設計 195
5.5.3 星型模型設計 196
5.5.4 ETL設計 200
5.5.5 OLAP的實現 202
5.5.6 數據挖掘 205
實驗六、購物清單關聯性分析 212
第6章 222
商務智能在客戶關係管理中的應用 222
6.1 CRM概述 222
6.1.1 客戶智能 222
6.1.2 數據挖掘應用于客戶關係管理 224
6.1.3 客戶智能案例 226
6.2 客戶細分 227
6.3 客戶識別和客戶保留 228
6.3.1 數據挖掘應用于客戶獲取 228
6.3.2 通過當前客戶瞭解潛在客戶 229
6.3.3 客戶保留 230
6.4 客戶維度與屬性 232
6.4.1 名字與地址的語法分析 233
6.4.2 國際姓名和地址的考慮 234
6.4.3 客戶為中心的日期 236
6.4.4 基於事實表彙聚的維度屬性 236
6.4.5 分段屬性與記分 237
6.4.6 客戶維變化的計算 239
6.4.7 低粒度屬性集合的維度表 239
6.4.8 客戶層次的考慮 240
6.5 複雜的客戶行為 241
6.5.1 行為類型分析 241
6.5.2 連續行為分析 242
6.5.3 行為分析模型 243
6.5.3 時間範圍事實表 245
6.5.4 使用滿意度指標標記事實表 246
6.5.5 使用異常情景指標標記事實表 247
實驗七 航空客運信息挖掘 247
第7章 268
商務智能在電信行業的應用 268
7.1 電信業商務智能現狀 268
7.2 應用商務智能的重要意義和必要性 269
7.3 商務智能在電信行業的應用 270
7.4 商務智能關鍵技術在電信中的應用 274
7.4.1 OLAP在電信中的應用 274
7.4.2 數據挖掘在電信中的應用 275
7.5 數據分析模型 278
7.5.1 大客戶資料分析主題的構建 278
7.5.2 網絡狀況分析主題的構建 280
7.6 數據采集與ETL處理 282
7.6.1 數據采集清洗 282
7.6.2 數據源轉換、重整及匯總 283
7.7 OLAP案例研究 283
7.7.1 分析主題的確定 284
7.7.2 選擇分析方法 284
7.7.3 定義分析維度 284
7.7.4 根據具體分析主題構造OLAP立方體 285
7.7.5 解析分析結果 286
7.8 數據挖掘在電信行業的應用實例分析 287
7.8.1 應用決策樹算法進行客戶流失分析 287
7.8.2 應用聚類分析對電信客戶進行細分 289
7.8.3 應用數據挖掘預防電信欺詐 293
實驗八 移動用戶分析 296
第8章 312
商務智能在教育方面的應用 312
8.1 商務智能在教育行業的現狀 312
8.2 商務智能在教育行業的應用 313
8.2.1 商務智能在學生管理方面的應用 313
8.2.2 商務智能在課程管理方面的應用 315
8.2.3 商務智能在設施管理方面的應用 316
8.2.4 商務智能在教工管理方面的應用 317
8.2.5 商務智能在科研管理方面的應用 318
8.3 大學案例總線矩陣 319
8.4 商務智能在教育行業案例 320
8.4.1 背景 320
8.4.2 數據倉庫設計 321
8.4.3 OLAP設計 332
8.4.4 數據挖掘設計 339
8.4.5 分析和評估 346
實驗九 學生興趣愛好分析 351
第9章 360
商務智能在電子商務方面的應用 360
9.1 商務智能在智能搜索方面的應用 360
9.1.1 網絡機器人 361
9.1.2 文本分析 362
9.1.3 搜索條件的獲取和分析 363
9.1.4 信息的搜索和排序 364
9.2 商務智能在電子商務情感分析方面的應用 366
9.2.1 評論數據收集及處理 367
9.2.2 擴展特徵向量構造 367
9.2.3 情感詞庫構建 368
9.2.4 情感分析模型 368
9.2.5 情感傾向值計算 368
9.3 商務智能在智能推薦技術方面的應用 369
9.3.1 智能推薦產生背景及定義 369
9.3.2 智能推薦主要算法 371
9.3.3 智能推薦在電子商務中的應用 373
實驗十 消費者聲音情感分析 375
參考文獻 385
商 務 智 能 概 述 1
1.1 商務智能產生背景 1
1.1.1 商務智能產生的原因 1
1.1.2 商業決策需要商務智能 3
1.1.3 企業智能化管理需要商務智能 4
1.2 商務智能簡介 4
1.2.1 商務智能概念 5
1.2.2 商務智能發展 7
1.2.3 商務智能要求 8
1.2.4 商務智能價值 9
1.3 商務智能基礎 10
1.3.1 商務智能的基本架構 10
1.3.2 商務智能的功能 11
1.4 商務智能關鍵技術 12
1.4.1 數據預處理 12
1.4.2 數據倉庫 12
1.4.3 數據挖掘 13
1.4.4 在線分析處理 15
1.4.5 數據可視化 15
1.5 商務智能的相關應用 16
1.5.1 商務智能在教育方面的應用 16
1.5.2 商務智能在客戶關係管理的應用 17
1.5.3 商務智能在零售業的應用 17
1.5.4 商務智能在電子商務的應用 18
1.5.5 商務智能在金融業的應用 18
1.5.6 商務智能在保險業的應用 18
1.5.7 商務智能在製造業的應用 19
實驗一 銷售數據預處理 19
實驗二 數據可視化 51
第 2章 77
數 據 倉 庫 77
2.1 數據倉庫概念 78
2.1.1 什麼是數據倉庫 78
2.1.2 數據倉庫特點 78
2.1.3 數據倉庫結構 79
2.1.4 數據倉庫與數據庫 80
2.1.5 數據倉庫和商務智能的關係 81
2.2 ETL過程 81
2.2.1 數據抽取 82
2.2.2 數據轉換 82
2.2.3 數據清洗 82
2.2.4 數據裝載 83
2.3 數據倉庫模型 83
2.3.1 數據模型 84
2.3.2 如何建設數據模型 84
2.3.3 數據倉庫建模樣例 88
2.4 數據倉庫工具Hive 91
2.6.1 Hive基本概念 91
2.6.2 Hive使用場景 91
2.6.3 Hive設計特點 91
2.6.4 Hive體系結構 92
2.6.5 Hive數據存儲 93
2.6.6 HiveQL 93
實驗三 數據倉庫的建立 94
第3章 112
維 度 建 模 112
3.1 維度建模簡介 112
3.1.1 維度建模的概念 113
3.1.2 維度建模基本原則 114
3.2 維度表技術基礎 115
3.2.1 維度表結構 115
3.2.2 維度代理鍵 116
3.3.3 多維體系結構 116
3.3.4 緩慢變化維度 119
3.3 事實表技術基礎 121
3.3.1 事實表結構 121
3.3.2 可加、半可加、不可加事實 121
3.3.3 事實表中的空值 122
3.3.4 事實表的三種基本類型 122
3.4 維度建模設計的主要流程 123
3.4.1 選擇業務過程 123
3.4.2 聲明粒度 124
3.4.3 確認維度 124
3.4.4 確認事實 125
3.5 維度模型的誤區 125
3.5.1 誤區1：維度模型僅用於匯總數據 126
3.5.2 誤區2：維度模型是部門級的而不是企業級的 126
3.5.3 誤區3：維度模型是不可擴展的 126
3.5.4 誤區4：維度模型僅可用於預測 126
3.5.5 誤區5：維度模型不能集成 127
實驗四 使用Schema Workbench創建Cube 127
第4章 145
在線分析處理-OLAP 145
4.1 OLAP簡介 146
4.1.1 OLAP基本概念 147
4.1.2 OLAP特性 150
4.1.3 OLAP多維數據結構 150
4.1.4 OLAP應用 154
4.2 OLAP多維數據分析 155
4.2.1 切片和切塊 156
4.2.2 鑽取 157
4.2.3 旋轉/轉軸 157
4.3 OLAP分類 158
4.3.1 OLAP分類 158
4.3.2 ROLAP、MOLAP與HOLAP 158
4.3.3 多維數據模式 160
4.3.4 OLAP體系結構 162
4.3.5 OLAP與OLTP的區別 163
4.4 從OLAP到數據挖掘 163
4.4.1 信息處理 163
4.4.2 OLAP和數據挖掘的關係 164
4.4.3 多維數據挖掘 164
4.5 OLAP操作語言 165
4.5.1 MDX 166
4.5.2 MDX查詢語句 167
4.5.3 SQL和MDX的區別 168
4.5.4 MDX表示 170
4.5.5 成員屬性和單元屬性 170
4.5.6 MDX查詢結構 173
4.6 主流的OLAP工具 174
4.6.1 OLAP產品 174
4.6.2 主流OLAP產品比較 176
4.6.3 OLAP實現過程 176
實驗五 在線分析 177
第5章 187
商務智能在零售業方面的應用 187
5.1 零售業商務智能現狀 187
5.2 顧客關係管理 188
5.3 零售管理業務優化 189
5.4 日常經營分析 190
5.4.1 商品分析 190
5.4.2 銷售分析 190
5.4.3 會員卡分析 191
5.4.4 財務分析 191
5.5 零售業案例 193
5.5.1 數據倉庫的搭建 194
5.5.2 粒度設計 195
5.5.3 星型模型設計 196
5.5.4 ETL設計 200
5.5.5 OLAP的實現 202
5.5.6 數據挖掘 205
實驗六、購物清單關聯性分析 212
第6章 222
商務智能在客戶關係管理中的應用 222
6.1 CRM概述 222
6.1.1 客戶智能 222
6.1.2 數據挖掘應用于客戶關係管理 224
6.1.3 客戶智能案例 226
6.2 客戶細分 227
6.3 客戶識別和客戶保留 228
6.3.1 數據挖掘應用于客戶獲取 228
6.3.2 通過當前客戶瞭解潛在客戶 229
6.3.3 客戶保留 230
6.4 客戶維度與屬性 232
6.4.1 名字與地址的語法分析 233
6.4.2 國際姓名和地址的考慮 234
6.4.3 客戶為中心的日期 236
6.4.4 基於事實表彙聚的維度屬性 236
6.4.5 分段屬性與記分 237
6.4.6 客戶維變化的計算 239
6.4.7 低粒度屬性集合的維度表 239
6.4.8 客戶層次的考慮 240
6.5 複雜的客戶行為 241
6.5.1 行為類型分析 241
6.5.2 連續行為分析 242
6.5.3 行為分析模型 243
6.5.3 時間範圍事實表 245
6.5.4 使用滿意度指標標記事實表 246
6.5.5 使用異常情景指標標記事實表 247
實驗七 航空客運信息挖掘 247
第7章 268
商務智能在電信行業的應用 268
7.1 電信業商務智能現狀 268
7.2 應用商務智能的重要意義和必要性 269
7.3 商務智能在電信行業的應用 270
7.4 商務智能關鍵技術在電信中的應用 274
7.4.1 OLAP在電信中的應用 274
7.4.2 數據挖掘在電信中的應用 275
7.5 數據分析模型 278
7.5.1 大客戶資料分析主題的構建 278
7.5.2 網絡狀況分析主題的構建 280
7.6 數據采集與ETL處理 282
7.6.1 數據采集清洗 282
7.6.2 數據源轉換、重整及匯總 283
7.7 OLAP案例研究 283
7.7.1 分析主題的確定 284
7.7.2 選擇分析方法 284
7.7.3 定義分析維度 284
7.7.4 根據具體分析主題構造OLAP立方體 285
7.7.5 解析分析結果 286
7.8 數據挖掘在電信行業的應用實例分析 287
7.8.1 應用決策樹算法進行客戶流失分析 287
7.8.2 應用聚類分析對電信客戶進行細分 289
7.8.3 應用數據挖掘預防電信欺詐 293
實驗八 移動用戶分析 296
第8章 312
商務智能在教育方面的應用 312
8.1 商務智能在教育行業的現狀 312
8.2 商務智能在教育行業的應用 313
8.2.1 商務智能在學生管理方面的應用 313
8.2.2 商務智能在課程管理方面的應用 315
8.2.3 商務智能在設施管理方面的應用 316
8.2.4 商務智能在教工管理方面的應用 317
8.2.5 商務智能在科研管理方面的應用 318
8.3 大學案例總線矩陣 319
8.4 商務智能在教育行業案例 320
8.4.1 背景 320
8.4.2 數據倉庫設計 321
8.4.3 OLAP設計 332
8.4.4 數據挖掘設計 339
8.4.5 分析和評估 346
實驗九 學生興趣愛好分析 351
第9章 360
商務智能在電子商務方面的應用 360
9.1 商務智能在智能搜索方面的應用 360
9.1.1 網絡機器人 361
9.1.2 文本分析 362
9.1.3 搜索條件的獲取和分析 363
9.1.4 信息的搜索和排序 364
9.2 商務智能在電子商務情感分析方面的應用 366
9.2.1 評論數據收集及處理 367
9.2.2 擴展特徵向量構造 367
9.2.3 情感詞庫構建 368
9.2.4 情感分析模型 368
9.2.5 情感傾向值計算 368
9.3 商務智能在智能推薦技術方面的應用 369
9.3.1 智能推薦產生背景及定義 369
9.3.2 智能推薦主要算法 371
9.3.3 智能推薦在電子商務中的應用 373
實驗十 消費者聲音情感分析 375
參考文獻 385
今日66折
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。