商务智能PDF电子书下载

第一部分 商务智能基础 3

第1章 商务智能概论 3

1.1 商业决策需要商务智能 3

1.1.1 数据、信息与知识 3

1.1.2 管理就是决策 4

1.1.3 决策需要信息和知识 5

1.1.4 智能型企业 5

1.1.5 商务智能支持商业决策 5

1.1.6 新一代的决策支持系统 6

1.2 商务智能简介 7

1.2.1 商务智能概念 8

1.2.2 商务智能的发展 10

1.2.3 商务智能的价值 11

1.3 商务智能系统的功能 13

1.4 商务智能的应用 15

本章参考文献 23

思考题 24

第二部分 商务智能核心技术 29

第2章 商务智能系统架构 29

2.1 商务智能系统的组成 29

2.2 数据集成 32

本章参考文献 34

思考题 35

第3章 数据仓库 36

3.1 从数据库到数据仓库 36

3.2 数据仓库的概念 37

3.3 数据集市 39

3.4 元数据 40

3.5 ETL 43

3.6 操作数据存储 45

3.7 数据仓库模型 46

3.8 数据挖掘查询语言 49

3.9 医保数据仓库设计 51

本章参考文献 56

思考题 57

第4章 在线分析处理 58

4.1 OLAP简介 58

4.2 OLTP OLAP的区别 60

4.3 OLAP操作 61

4.4 OLAP的分类 66

4.5 OLAP操作语言 67

本章参考文献 72

思考题 73

第5章 数据挖掘 74

5.1 数据挖掘的基础 74

5.1.1 数据挖掘的概念 74

5.1.2 数据挖掘的发展 76

5.1.3 数据挖掘的过程 77

5.1.4 数据挖掘原语与语言 80

5.1.5 基于组件的数据挖掘 83

5.1.6 可视化技术 84

5.1.7 数据挖掘的隐私保护 87

5.2 数据挖掘的典型应用领域 89

5.3 数据预处理 90

5.4 聚类分析 95

5.4.1 聚类的概念 95

5.4.2 聚类分析的统计量 96

5.4.3 常用聚类算法 99

5.4.4 其他聚类方法 104

5.4.5 离群点检测 107

5.5 分类分析 109

5.5.1 贝叶斯分类器 109

5.5.2 决策树 113

5.5.3 支持向量机 124

5.5.4 BP神经网络 128

5.5.5 其他分类方法 131

5.6 关联分析 136

5.6.1 关联规则 136

5.6.2 Apriori算法 139

5.6.3 FP增长算法 143

5.6.4 其他关联规则挖掘算法 144

5.7 序列模式挖掘 145

5.7.1 基本概念 145

5.7.2 类Apriori算法 146

5.8 回归分析 148

5.8.1 一元回归分析 148

5.8.2 多元线性回归分析 152

5.8.3 其他回归分析 155

5.9 时间序列分析 158

5.10 数据挖掘技术与应用的发展方向 160

本章参考文献 162

思考题 163

第三部分 商务智能应用 169

第6章 移动商务智能 169

6.1 移动商务 169

6.2 商务智能在移动商务中的应用 171

本章参考文献 177

思考题 177

第7章 商务智能与知识管理 178

7.1 知识管理 178

7.2 知识管理与商务智能的关系 178

7.2.1 商务智能与知识管理的区别 179

7.2.2 商务智能与知识管理的联系 180

本章参考文献 182

思考题 183

第8章 Web挖掘 184

8.1 Web挖掘基础 184

8.2 Web内容挖掘 186

8.3 Web结构挖掘 195

8.4 Web日志挖掘 198

本章参考文献 201

思考题 202

第9章 商务智能在企业绩效管理中的应用 204

9.1 企业绩效管理的层次 204

9.2 商务智能贯穿企业绩效管理的闭环流程 205

9.3 商务智能在企业绩效管理中的应用 207

9.4 商务智能给企业绩效管理带来的价值 210

本章参考文献 210

思考题 211

第10章 数据挖掘在电子商务中的应用 212

10.1 电子商务需要数据挖掘 212

10.2 顾客管理 213

10.3 网站结构优化 218

10.4 智能搜索引擎 220

10.5 异常事件确定 222

本章参考文献 223

思考题 224

第11章 工作流挖掘 226

11.1 工作流挖掘的发展 226

11.2 工作流挖掘的概念与作用 227

11.2.1 工作流挖掘的概念 227

11.2.2 工作流挖掘的作用 227

11.3 工作流挖掘的内容 228

11.3.1 工作流模型的重构 229

11.3.2 工作流的监控与工作流挖掘的评价 230

11.3.3 组织视图挖掘 232

11.4 工作流挖掘的应用 236

11.4.1 流程监控 236

11.4.2 流程优化 236

11.4.3 社会关系分析 238

11.4.4 工作流挖掘在其他领域中的应用 238

本章参考文献 239

思考题 241

第12章 RFID数据挖掘 242

12.1 RFID数据挖掘的发展 242

12.2 RFID数据挖掘的作用 243

12.3 RFID数据分析的典型应用 243

12.3.1 零售仓储 244

12.3.2 通关检查 245

12.3.3 运输管理 245

12.3.4 医疗管理 247

12.3.5 其他应用 247

本章参考文献 248

思考题 249

第13章 大数据分析 250

13.1 大数据核心技术基础 251

13.1.1 大数据存储 251

13.1.2 大数据处理 252

13.1.3 大数据应用 252

13.1.4 Hadoop开源架构 252

13.2 大数据分析的基本流程 258

13.3 大数据分析方法 258

13.4 基于新浪微博的情感分析 261

13.5 基于表情符号的微博情感预测 262

本章参考文献 264

思考题 264

第四部分 商务智能发展 269

第14章 商务智能进展 269

14.1 商务智能应用趋势 270

14.2 商务智能在中国的发展 274

14.3 商务智能动态 277

本章参考文献 284

思考题 285

第五部分 实验 289

第15章 商务智能实验 289

15.1 使用SAP Crystal Reports创建报表 289

15.2 SAP Lumira实验 297

15.3 基于IBM Cognos 10的数据分析 312

15.3.1 使用IBM Cognos 10创建报表 312

15.3.2 基于IBM Cognos 10的多维分析 316

15.3.3 使用Query Studio创建自助查询 322

15.4 基于IBM SPSS Modeler 14.2 的数据挖掘 327

15.5 基于IBM Inforsphere BigInsights的用户行为分析 342

15.6 电商评论的情感分析 351

思考题 362