商务智能 管理视角 原书第2版PDF电子书下载

第1章 商务智能简介 1

开篇场景：Norfolk Southern利用商务智能进行决策支持获取成功 1

1.1 变化的商务环境和计算机化的决策支持 3

1.2 商务智能框架 4

1.2.1 BI的定义 5

1.2.2 BI的历史 5

1.2.3 BI的架构 6

1.2.4 BI的形式 8

1.2.5 BI的好处 8

1.2.6 事件驱动预警 10

1.3 智能创造和使用与商务智能治理 11

1.3.1 智能创造和使用的循环过程 11

1.3.2 智能与窃取 12

1.4 交易处理和分析处理 12

1.5 成功的BI实施 13

1.5.1 典型的BI用户群体 13

1.5.2 合适的计划及其与商业战略的一致性 13

1.5.3 实时的、基于需求的BI是可达到的 14

1.5.4 开发或获得BI系统 14

1.5.5 理由和成本－利润分析 14

1.5.6 隐私安全和保护 15

1.5.7 系统集成和应用 15

1.6 商务智能的主要工具和技术 15

1.6.1 技术和工具 15

1.6.2 选择BI供应商 16

1.7 本书计划 16

1.8 相关资源、链接和Teradata大学网络的连接 17

1.8.1 资源和链接 17

1.8.2 案例 17

1.8.3 供应商、产品和演示 17

1.8.4 期刊 17

1.8.5 Teradata大学网络的连接 17

1.8.6 本书的网站 18

本章重点 18

关键术语 18

讨论题 18

练习 19

本章结尾应用案例 19

参考文献 20

第2章 数据仓库 21

开篇场景：DirecTV的蓬勃发展与实时数据仓库 21

2.1 数据仓库的定义和概念 23

2.1.1 什么是数据仓库 23

2.1.2 数据仓库的特点 23

2.1.3 数据集市 24

2.1.4 业务数据存储 24

2.1.5 企业数据仓库 24

2.1.6 元数据 26

2.2 数据仓库流程概述 27

2.3 数据仓库架构 28

2.3.1 可选的数据仓库架构 30

2.3.2 哪种架构是最好的 33

2.4 数据集成以及提取、转换和加载的过程 34

2.4.1 数据集成 34

2.4.2 提取、转换和加载 36

2.5 数据仓库的开发 38

2.5.1 数据仓库供应商 39

2.5.2 数据仓库开发方法 40

2.5.3 数据仓库开发的其他思考 41

2.5.4 数据仓库中的数据表示 42

2.5.5 数据仓库中的数据分析 43

2.5.6 OLAP与OLTP 43

2.5.7 OLAP操作 43

2.6 数据仓库的实施问题 46

2.7 实时数据仓库 50

2.8 数据仓库管理系统、安全问题和未来发展趋势 53

2.9 相关资源、链接和Teradata大学网络的连接 55

2.9.1 资源和链接 55

2.9.2 案例 55

2.9.3 供应商、产品和演示 56

2.9.4 期刊 56

2.9.5 其他参考文献 56

2.9.6 Teradata大学网络的连接 56

本章重点 57

关键术语 57

讨论题 58

练习 58

本章结尾应用案例 60

参考文献 61

第3章 业务绩效管理 64

开篇场景：Harrah公司加倍下注 64

3.1 业务绩效管理概述 66

3.1.1 BPM定义 67

3.1.2 比较BPM和BI 67

3.2 制定战略：我们想到哪里去 68

3.2.1 战略规划 69

3.2.2 战略差距 70

3.3 计划：我们如何达到那里 70

3.3.1 运营计划 70

3.3.2 财务计划和预算 71

3.4 监控：我们做得怎么样 71

3.4.1 诊断控制系统 72

3.4.2 差异分析的困难 72

3.5 行动和调整：我们需要做什么不同的吗 74

3.6 绩效评价 76

3.6.1 KPI和业务指标 76

3.6.2 现有绩效评价系统存在的问题 77

3.6.3 有效的绩效指标 78

3.7 BPM方法 80

3.7.1 平衡记分卡 81

3.7.2 六西格玛 83

3.8 BPM技术和应用 87

3.8.1 BPM架构 87

3.8.2 商业BPM套件 89

3.8.3 BPM市场与BI平台市场对比 90

3.9 绩效仪表盘和记分卡 90

3.9.1 仪表盘和记分卡 91

3.9.2 仪表盘设计 91

3.9.3 仪表盘展示的内容 92

3.9.4 数据可视化 92

本章重点 94

关键术语 96

讨论题 96

练习 96

本章结尾应用案例 98

参考文献 100

第4章 商务智能中的数据挖掘 102

开篇场景：数据挖掘来到好莱坞 102

4.1 数据挖掘概念和定义 104

4.1.1 定义、特征和好处 106

4.1.2 数据挖掘的工作原理 109

4.2 数据挖掘应用 112

4.3 数据挖掘流程 115

4.3.1 步骤1：理解业务 115

4.3.2 步骤2：理解数据 115

4.3.3 步骤3：数据准备 116

4.3.4 步骤4：建模 118

4.3.5 步骤5：测试和评估 118

4.3.6 步骤6：部署 119

4.3.7 其他标准化数据挖掘过程和方法 120

4.4 数据挖掘方法 121

4.4.1 分类 121

4.4.2 分类模型正确性估算 122

4.4.3 数据挖掘聚类分析 127

4.4.4 关联规则挖掘 128

4.5 数据挖掘中的人工神经网络 130

4.5.1 人工神经网络的要素 131

4.5.2 人工神经网络应用 132

4.6 数据挖掘软件工具 134

4.7 关于数据挖掘的一些谎言和谬误 139

本章重点 139

关键术语 140

讨论题 141

练习 141

本章结尾应用案例 144

参考文献 145

第5章 文本挖掘与Web挖掘 147

开篇场景：文本挖掘与安全和反恐 147

5.1 文本挖掘的概念和定义 149

5.2 自然语言处理 151

5.3 文本挖掘应用 155

5.3.1 市场营销应用 155

5.3.2 安全应用 155

5.3.3 生物医学应用 157

5.3.4 学术应用 158

5.4 文本挖掘过程 159

5.4.1 任务1：确定素材 160

5.4.2 任务2：创建文献术语矩阵 161

5.4.3 任务3：提取知识 162

5.5 文本挖掘工具 166

5.5.1 商业软件工具 166

5.5.2 免费软件工具 166

5.6 Web挖掘概述 167

5.7 Web内容挖掘和Web结构挖掘 168

5.8 Web使用挖掘 170

5.9 Web挖掘的成功实例 171

本章重点 174

关键术语 175

讨论题 175

练习 175

本章结尾应用案例 176

参考文献 177

第6章 商务智能实施：整合和新兴趋势 179

开篇场景：BI Eastern Mountain Sports增加合作和生产力 179

6.1 BI实施：概述 181

6.1.1 BI实施因素 181

6.1.2 BI实施中的管理问题 182

6.2 BI和整合实施 184

6.2.1 整合的类型 184

6.2.2 为什么进行整合 184

6.2.3 BI整合的水平 185

6.2.4 嵌入式智能系统 185

6.3 BI系统与数据库和其他企业系统的连接 185

6.3.1 与数据库连接 186

6.3.2 BI应用和后端系统的整合 186

6.3.3 中间件 187

6.4 面向需求的BI 188

6.4.1 传统BI的限制 188

6.4.2 面向需求的选择 188

6.4.3 关键特性和好处 188

6.5 法律、隐私和道德问题 190

6.5.1 法律问题 190

6.5.2 隐私 190

6.5.3 决策和支持中的道德问题 191

6.6 BI中的新兴话题：概述 192

6.7 Web 2.0创新 193

6.7.1 Web 2.0的典型特征 193

6.7.2 Web 2.0公司和新的商业模型 194

6.8 在线社交网络：基础和示例 194

6.8.1 定义和基本信息 194

6.8.2 移动社交网络 195

6.8.3 主要的社交网络服务：Facebook和Orkut 195

6.8.4 商业和企业社交网络的意义 196

6.9 虚拟世界 198

6.10 社交网络和BI：协同决策 201

6.10.1 协同决策的崛起 202

6.10.2 虚拟团队决策中的协同 202

6.11 RFID和新的BI应用机会 203

6.12 现实挖掘 206

关键术语 208

讨论题 209

练习 209

本章结尾应用案例 211

参考文献 211

术语 213