1 绪论 1
1.1 企业信息化及其发展 1
1.1.1 企业信息化 1
1.1.2 企业信息化发展过程 4
1.1.3 企业信息化战略与规划 6
1.2 企业智能化需求 8
1.2.1 企业管理创新需求 8
1.2.2 “智能化企业”的理念和实施智能战略 9
1.2.3 企业智能化管理软件 10
1.3 企业内容管理 16
1.3.1 内容管理基本概念 16
1.3.2 内容管理关键技术 16
1.3.3 内容管理系统 19
1.3.4 内容管理的应用 20
1.3.5 企业内容管理（ECM） 22
1.3.6 Web内容管理（WCM） 23
1.4 企业知识管理 23
1.4.1 知识及其特性 24
1.4.2 知识管理 25
1.4.3 企业知识管理（EKM） 27
1.5 智能信息处理及其发展趋势 30
1.5.1 人工智能概述 31
1.5.2 计算智能 33
1.5.3 智能信息处理技术及其发展趋势 36
2 商业智能（BI）概论 37
2.1 商业智能的产生与发展 37
2.1.1 商业智能的产生背景 37
2.1.2 商业智能理念与价值过程 38
2.1.3 商业智能（BI）的发展 40
2.2 商业智能系统简介 41
2.2.1 商业智能的基本功能 41
2.2.2 商业智能系统结构 42
2.2.3 商业智能对企业的驱动力 44
2.2.4 商业智能（BI）与其他系统的差别 45
2.2.5 商业智能与人的关系 47
2.3 商业智能的核心技术 47
2.3.1 数据仓库（DW）技术 47
2.3.2 联机分析处理（OLAP）技术 48
2.3.3 数据挖掘（DM）技术 48
2.3.4 表示／展现技术 49
2.3.5 仿真优化技术 52
2.4 商业智能的应用 52
2.4.1 商业智能典型的应用领域 52
2.4.2 商业智能的应用趋势 56
2.5 商业智能的研究内容与发展趋势 57
2.5.1 研究内容 57
2.5.2 商业智能的发展趋势 58
3 数据仓库与联机分析处理（OLAP） 62
3.1 基本概念 62
3.1.1 联机事务处理（OLTP） 62
3.1.2 数据仓库 65
3.1.3 联机分析处理（OLAP） 68
3.1.4 操作型数据存储（ODS） 72
3.2 数据仓库的数据组织 76
3.2.1 数据仓库的数据组织结构 76
3.2.2 粒度与分割 76
3.2.3 多维数据库与存储方式 77
3.2.4 关系型数据仓库模式 79
3.3 多维数据分析 81
3.3.1 切片和切块 82
3.3.2 上卷与下钻 82
3.3.3 旋转 83
3.3.4 其他OLAP操作 84
3.4 数据仓库的体系结构 84
3.4.1 数据仓库系统的组成 84
3.4.2 数据仓库系统的关键环节 86
3.4.3 数据仓库应用系统结构 88
3.4.4 OLAP服务器 91
3.5 数据仓库的设计与实现 93
3.5.1 数据仓库实施策略 93
3.5.2 数据仓库设计 95
3.5.3 数据仓库的管理与维护 102
3.5.4 数据抽取、转换和加载（ETL） 103
3.5.5 联机分析处理的实现 109
3.6 数据仓库技术的应用与发展 112
3.6.1 数据仓库技术的应用 112
3.6.2 数据仓库与OLAP的发展趋势 115
4 数据挖掘技术 119
4.1 数据挖掘技术的产生背景 119
4.1.1 数据挖掘技术的商业需求 119
4.1.2 数据挖掘产生的技术背景 120
4.2 数据挖掘概念 121
4.2.1 数据挖掘的定义 121
4.2.2 数据挖掘的理论基础 124
4.3 数据挖掘系统 125
4.3.1 数据挖掘的过程与步骤 126
4.3.2 数据挖掘的任务和模式 127
4.3.3 数据挖掘的对象 129
4.3.4 数据挖掘系统结构 130
4.3.5 数据挖掘系统分类 131
4.3.6 数据挖掘的方法与主要工具 132
4.3.7 数据挖掘系统的评价 133
4.4 数据准备与数据归约 133
4.4.1 数据清理 134
4.4.2 数据集成 135
4.4.3 数据变换 136
4.4.4 数据归约 137
4.4.5 离散化和概念分层 141
4.5 数据挖掘方法概述 144
4.5.1 数据挖掘方法中的基本概念 144
4.5.2 数据挖掘方法 145
4.6 关联规则分析 147
4.6.1 基本概念 148
4.6.2 关联规则种类 148
4.6.3 关联规则分析算法 149
4.6.4 关联规则挖掘领域的发展 152
4.7 聚类分析 152
4.7.1 聚类分析方法概述 153
4.7.2 聚类分析计算方法 153
4.7.3 概念聚类 155
4.7.4 孤立点分析 155
4.8 分类分析 156
4.8.1 决策树分类 157
4.8.2 贝叶斯分类 159
4.8.3 向后传播分类方法 162
4.8.4 其他分类方法 163
4.8.5 文本分类方法 166
4.9 预测分析 167
4.9.1 预测的概念 167
4.9.2 预测的类型 167
4.9.3 预测方法 168
4.10 空间数据挖掘的主要方法 169
4.10.1 空间关联规则发现 169
4.10.2 空间聚类分析 170
4.10.3 空间分类分析 170
4.10.4 空间趋势检测 170
4.11 数据挖掘的应用与发展趋势 171
4.11.1 数据挖掘的应用领域 171
4.11.2 数据挖掘的研究 173
4.11.3 数据挖掘的发展趋势 174
5 BI前端展现技术 176
5.1 前端展现工具的发展 176
5.1.1 展现方式 176
5.1.2 部署方式 177
5.1.3 设计方式 177
5.2 可视化技术概述 178
5.2.1 可视化技术 178
5.2.2 可视化技术的应用 180
5.2.3 可视化技术的发展趋势 183
5.3 信息可视化及其应用 184
5.3.1 信息可视化参考模型 184
5.3.2 信息可视化的分类 184
5.3.3 空间信息的可视化 185
5.3.4 信息可视化的应用 186
5.4 BI前端展现工具 187
5.4.1 统计图表 187
5.4.2 仪表盘 196
5.5 企业商业智能前端工具选型 198
5.5.1 前端展现工具的主要功能要求 198
5.5.2 报表工具 199
5.5.3 数据可视化工具 205
5.5.4 Insight Scope产品简介 208
6 企业商业智能平台与实施策略 211
6.1 商业智能的体系结构 211
6.1.1 典型的BI体系架构 211
6.1.2 闭环商业智能体系结构 213
6.1.3 影响BI性能的因素 214
6.2 商业智能平台 215
6.2.1 传统的商业智能平台 215
6.2.2 理想的商业智能平台 216
6.2.3 企业智能平台（EIP） 218
6.3 商业智能解决方案 221
6.3.1 商业智能系统合作伙伴的选择 221
6.3.2 商业智能解决方案简介 222
6.4 企业商业智能实施策略 239
6.4.1 商业智能的成败关键 240
6.4.2 有效的商业智能应用模式 240
6.4.3 商业智能（BI）项目实施方法论 241
6.4.4 商业智能的应用实施策略 243
7 商业智能与ERP 248
7.1 制造业信息化需求分析 248
7.1.1 基本概念 249
7.1.2 企业特点与分类 251
7.1.3 制造业信息化的单元技术和集成技术 253
7.1.4 制造业信息化的需求分析 254
7.1.5 “十一五”制造业信息化 256
7.2 ERP及其发展趋势 256
7.2.1 ERP概述 257
7.2.2 ERP的发展趋势 261
7.3 BI与ERP 265
7.3.1 ERP中留存数据的利用 265
7.3.2 ERP对智能的需求 265
7.3.3 商业智能与ERP的融合 266
7.4 商业智能与ERP融合解决方案 272
7.4.1 Oracle的BI与ERP融合方案 272
7.4.2 用友NC ERP之BI商业智能解决方案 273
8 企业分析型客户关系管理 274
8.1 基本概念 274
8.1.1 客户关系管理 274
8.1.2 客户生命周期 274
8.1.3 客户关系管理系统 275
8.1.4 客户价值管理（CVM） 275
8.1.5 合作伙伴关系管理（PRM） 276
8.1.6 客户知识管理（CKM） 276
8.1.7 知识型客户关系管理（KCRM） 277
8.2 CRM对企业的价值 278
8.2.1 企业与客户关系 278
8.2.2 客户生命周期价值 279
8.2.3 管理客户生命周期 281
8.3 CRM分类 282
8.3.1 操作型CRM 283
8.3.2 分析型CRM 284
8.3.3 呼叫中心CRM 285
8.3.4 协同型CRM 286
8.4 分析型CRM系统 286
8.4.1 分析型CRM的功能和内容 287
8.4.2 分析型CRM的体系结构 287
8.4.3 分析型CRM的应用方式 288
8.5 客户关系管理（CRM）应用与发展 290
8.5.1 CRM应用分类 290
8.5.2 CRM几种常见的IT部署方式 291
8.5.3 CRM技术发展趋势 293
8.6 企业分析型CRM的实施 295
8.6.1 分析型CRM的应用过程 295
8.6.2 分析型CRM应用系统的基本架构 298
8.6.3 CRM的实施策略 298
8.6.4 CRM系统选型 301
8.6.5 CRM系统软件简介 302
9 商业智能（BI）与供应链管理（SCM） 311
9.1 基本概念 311
9.1.1 供应链 311
9.1.2 供应链管理 313
9.1.3 ERP与供应链管理和电子商务 316
9.2 供应链管理的发展与创新 319
9.2.1 传统供应链管理中的信息问题 319
9.2.2 有效供应链管理的IT系统集成 319
9.2.3 大规模定制变革供应链 320
9.2.4 供应链管理改进模型 320
9.3 供应链绩效管理 322
9.3.1 供应链绩效的内外驱动分析 323
9.3.2 供应链绩效的平衡诊断分析 326
9.4 商业智能（BI）与供应链管理（SCM） 328
9.4.1 供应链管理的发展趋势 328
9.4.2 分析型SCM 329
9.4.3 数据仓库在供应链中的应用 330
9.5 供应链系统简介 332
9.5.1 供应链管理软件概述 332
9.5.2 基于EPC网络的供应链系统 333
9.6 供应链发展展望 336
10 商业智能（BI）与企业绩效管理（BPM） 338
10.1 基本概念 338
10.1.1 企业战略管理信息化 338
10.1.2 企业绩效管理 339
10.1.3 平衡记分卡 344
10.1.4 绩效评估 346
10.2 企业绩效管理系统 349
10.2.1 绩效管理系统基本架构 350
10.2.2 BPM系统的组件构成 351
10.2.3 绩效管理系统种类 351
10.3 BI与企业绩效管理（BPM） 352
10.3.1 智能企业绩效管理（IBPM） 353
10.3.2 BI与BPM的比较 354
10.3.3 BI和BPM的融合 355
10.4 BPM解决方案 357
10.4.1 BPM解决方案简介 357
10.4.2 用友BPM解决方案 358
10.4.3 新中大企业绩效管理系统解决方案 362
10.5 企业绩效管理应用与实施 365
10.5.1 企业绩效管理的应用架构 365
10.5.2 绩效管理成熟应用模型 367
10.5.3 绩效管理应用系统的需求分析 369
10.5.4 绩效管理应用系统的开发与设计 370
10.5.5 绩效管理应用系统的实施与管理 370
参考文献 372