商务智能与数据挖掘PDF电子书下载

第1章 商务智能概述 1

1.1 商业决策与商务智能 1

1.1.1 决策与决策过程 1

1.1.2 决策制定的计算机支持 2

1.1.3 商务智能对决策支持 3

1.2 商务智能简介 5

1.2.1 商务智能的起源与发展 5

1.2.2 商务智能的概念 7

1.2.3 商务智能的特点 8

1.2.4 商务智能的功能 9

1.2.5 商务智能的支撑技术 10

1.2.6 商务智能的应用 12

1.3 商务智能与分析 15

1.3.1 商务智能应用背景 15

1.3.2 商务智能关键技术分析 15

1.3.3 商务智能数据流程分析 16

1.4 商务智能的系统架构及实施 19

1.4.1 商务智能系统架构 19

1.4.2 商务智能系统要素 21

1.4.3 商务智能系统实施 22

1.4.4 商务智能主流软件对比 23

习题 25

本章参考文献 25

第2章 数据仓库与在线分析处理 28

2.1 从数据库到数据仓库 29

2.1.1 数据管理与数据库 29

2.1.2 数据仓库定义与特点 29

2.1.3 数据仓库系统构成 31

2.2 数据预处理 32

2.2.1 数据预处理概述 32

2.2.2 数据预处理的必要性 32

2.2.3 数据预处理的基本方法 33

2.2.4 数据清理 34

2.2.5 数据集成 35

2.2.6 数据变换 36

2.2.7 数据归约 37

2.3 数据抽取－转换－装载 37

2.3.1 相关概念 37

2.3.2 数据抽取－转换－装载建模过程 38

2.3.3 数据抽取－转换－装载增量抽取机制 39

2.3.4 数据抽取－转换－装载过程数据质量控制 39

2.3.5 数据抽取－转换－装载并行处理技术 41

2.4 联机分析处理 41

2.4.1 联机分析处理简介 41

2.4.2 联机分析处理的分类 42

2.4.3 联机分析处理的基本概念和典型操作 43

2.4.4 联机分析处理系统的实现途径及实施过程 43

2.4.5 联机分析处理的评价准则 44

2.4.6 联机分析处理的主流工具 44

习题 46

本章参考文献 47

第3章 数据挖掘 49

3.1 数据挖掘基础 49

3.1.1 数据挖掘的发展历史 50

3.1.2 数据挖掘的定义 50

3.1.3 数据挖掘任务 52

3.1.4 数据挖掘过程模型 53

3.2 聚类分析 58

3.2.1 基本概念 59

3.2.2 划分方法 60

3.2.3 层次方法 61

3.2.4 基于密度的方法 62

3.2.5 基于网格的方法 62

3.2.6 聚类评估 62

3.3 分类分析 66

3.3.1 基本概念 66

3.3.2 决策树归纳算法 68

3.3.3 贝叶斯分类方法 72

3.3.4 基于规则的分类 75

3.3.5 基于最近邻的分类 76

3.3.6 分类器评价 77

3.4 关联分析 78

3.4.1 基本概念 79

3.4.2 频繁项集的产生 79

3.4.3 规则的产生 80

3.4.4 关联模式的评价 81

3.5 离群点检测 82

3.5.1 基本概念 82

3.5.2 基于分类的异常检测技术 84

3.5.3 基于最近邻的异常检测技术 84

3.5.4 基于聚类的异常检测技术 85

3.5.5 统计异常检测技术 86

习题 86

本章参考文献 87

第4章 数据挖掘高级方法 88

4.1 高级聚类分析 88

4.1.1 基于概率模型的聚类分析 89

4.1.2 高维数据聚类分析 94

4.1.3 图和网络数据聚类分析 99

4.1.4 具有约束的聚类分析 102

4.2 高级分类分析 103

4.2.1 用后向传播分类分析 104

4.2.2 支持向量机 107

4.2.3 使用频繁模式分类分析 110

4.2.4 惰性学习法 112

4.2.5 其他分类方法 113

4.3 回归分析 114

4.3.1 数据挖掘与回归分析 115

4.3.2 线性回归 115

4.3.3 多元线性回归 118

4.3.4 逻辑回归 119

4.4 深度学习 120

4.4.1 深度学习概述 121

4.4.2 深度学习的基本方法 122

4.4.3 深度学习模型 124

4.4.4 深度学习的训练加速 128

4.5 推荐系统 129

4.5.1 推荐系统简介 130

4.5.2 基于内容的推荐系统 132

4.5.3 协同过滤系统 133

4.5.4 降维处理 135

习题 138

本章参考文献 139

第5章 文本与Web分析 142

5.1 文本分析与Web分析概述 142

5.2 自然语言处理 143

5.2.1 基础研究 144

5.2.2 共性技术 145

5.2.3 应用研究 146

5.2.4 处理工具 149

5.3 文本挖掘 150

5.3.1 文本挖掘的定义及特点 150

5.3.2 文本挖掘的应用 150

5.3.3 文本挖掘的过程 153

5.3.4 文本挖掘的关键技术 153

5.4 情感分析 160

5.4.1 情感分析的定义 160

5.4.2 情感分析的应用 160

5.4.3 情感分析的主要内容 161

5.4.4 情感分析的关键问题 163

5.5 Web挖掘过程 166

5.5.1 Web挖掘概述 166

5.5.2 Web挖掘过程 167

5.6 社交分析 173

5.6.1 社交网络分析的特点 174

5.6.2 社交网络分析的内容及方法 175

习题 182

本章参考文献 182

第6章 RFID数据挖掘 185

6.1 RFID技术基础 186

6.1.1 RFID的基本概念 186

6.1.2 RFID系统的组成 187

6.1.3 RFID技术的应用 191

6.2 RFID数据挖掘 193

6.2.1 RFID数据挖掘的作用 193

6.2.2 RFID数据的特征 196

6.2.3 RFID数据的预处理 197

6.2.4 RFID数据挖掘分析 199

6.3 RFID数据挖掘的典型应用 202

6.3.1 智慧商城 203

6.3.2 智能交通 204

6.3.3 物流管理 207

6.3.4 RFID防伪追溯 208

习题 209

本章参考文献 210

第7章 大数据分析与可视化 212

7.1 大数据时代的数据挖掘 212

7.1.1 大数据时代数据挖掘的特点 212

7.1.2 大数据挖掘与传统数据挖掘的区别 212

7.2 大数据挖掘平台 213

7.2.1 Apache Hadoop 213

7.2.2 Apache Spark 215

7.2.3 Mahout 217

7.3 大数据安全与隐私 217

7.3.1 大数据采集安全 217

7.3.2 大数据存储安全 219

7.3.3 大数据挖掘安全 220

7.3.4 大数据隐私的法规保障 221

7.4 大数据可视化 222

7.4.1 大数据可视化概述 222

7.4.2 大数据可视化基础 223

7.4.3 商务智能中的大数据可视化技术 225

习题 226

本章参考文献 227

第8章 面向商务应用的知识管理 229

8.1 知识管理概述 229

8.1.1 知识管理概述 229

8.1.2 知识管理的重要性和必要性 231

8.2 知识的定义和分类 232

8.2.1 知识的定义 232

8.2.2 知识的分类 233

8.2.3 知识的转化 234

8.3 知识管理的定义与目标 235

8.3.1 知识管理的定义 235

8.3.2 知识管理的目的和目标 236

8.3.3 知识管理的流程 237

8.4 组织知识管理的流程 238

8.4.1 组织知识的创建 238

8.4.2 组织知识的存储与索引 239

8.4.3 组织知识的传播 240

8.4.4 组织知识的应用 241

8.5 企业应用中的案例及问题 242

8.5.1 知识管理在企业中的应用案例 242

8.5.2 知识管理在应用中遇到的问题 243

8.6 知识管理的发展趋势 244

习题 245

本章参考文献 245

第9章 商务智能系统 247

9.1 引导案例 247

9.1.1 A公司的旗舰店POS分析系统 247

9.1.2 B公司的供应链管理系统 247

9.2 基于SPSS Modeler的商务智能系统 248

9.2.1 SPSS Modeler简介 248

9.2.2 SPSS Modeler启动 249

9.2.3 SPSS Modeler服务器连接 249

9.2.4 添加并编辑IBM SPSS Modeler服务器连接 251

9.2.5 搜索SPSS Collaboration and Deployment Services中的服务器 251

9.2.6 更改临时目录 252

9.2.7 SPSS Modeler的基本操作 252

9.2.8 SPSS Modeler建模过程简介 255

9.3 基于SAS的商务智能系统 266

9.3.1 SAS简介 266

9.3.2 SAS的基本结构与功能 267

9.3.3 SAS的启动与运行 269

9.3.4 SAS语言 270

9.3.5 SAS商务智能框架 272

9.3.6 SAS BI Sever 273

9.4 基于SAP的商务智能系统 275

9.4.1 SAP商务智能系统的发展历程 276

9.4.2 SAP的启动与运行 278

9.4.3 SAP商务智能系统在SAP应用系统中的地位 278

9.4.4 企业数据仓库 280

9.4.5 商务智能平台 280

9.4.6 业务浏览器套件 281

9.5 基于IBM Cognos的商务智能系统 282

9.5.1 IBM Cognos Enterprise 282

9.5.2 IBM Cognos Enterprise架构 283

9.5.3 IBM Cognos Business Intelligence 285

习题 295

本章参考文献 295

第10章 商务智能应用 297

10.1 流程智能 298

10.1.1 流程智能概述 298

10.1.2 流程智能的内涵 299

10.1.3 应用举例 300

10.2 客户智能 301

10.2.1 客户智能概述 301

10.2.2 客户智能的基本理论 303

10.2.3 客户智能应用案例 306

10.2.4 商品个性化推荐的客户智能应用 308

10.3 电子商务智能 309

10.3.1 电子商务智能概述 310

10.3.2 智能推荐 310

10.3.3 基于商品属性的推荐算法案例 313

10.4 应用案例 315

10.4.1 人寿保险领域的应用 316

10.4.2 金融行业的商务智能应用 321

习题 324

本章参考文献 325