第1章 大数据时代 1
1.1 大数据时代到来 1
1.1.1 什么是大数据 2
1.1.2 商务行为电子化 3
1.1.3 个性化营销与精准营销 5
1.2 数据的模式——用户行为 7
1.2.1 行为主体的特征数据 7
1.2.2 主体间的关系数据 9
1.3 数据的存储与收集 10
1.3.1 传统的数据仓库 10
1.3.2 大数据时代的存储——hadoop 12
1.3.3 数据收集的方法 14
课后习题 15
第2章 商务数据分析的思路 16
2.1 市场分析 16
2.1.1 理解市场 18
2.1.2 细分市场 21
2.1.3 了解公司在市场中的地位 24
2.2 行业竞争分析 24
2.2.1 了解行业数据 24
2.2.2 深入使用对手产品 25
2.2.3 定时更新竞业数据 26
2.3 产品形态 26
2.3.1 数据的定性 26
2.3.2 数据的定量 27
2.3.3 流量统计 28
2.3.4 系统日志分析 28
课后习题 29
第3章 电子商务系统的指标体系 30
3.1 网站运营指标 30
3.1.1 流量指标 30
3.1.2 商品类目指标 32
3.1.3 供应链指标 32
3.2 经营环境指标 32
3.2.1 外部竞争指标 32
3.2.2 内部购物指标 33
3.3 销售业绩指标 33
3.3.1 网站销售业绩指标 34
3.3.2 订单指标 34
3.4 营销活动指标 35
3.5 客户价值指标 36
3.5.1 客户指标 36
3.5.2 新客户指标 36
3.5.3 老客户指标 36
课后习题 40
第4章 相关和回归分析 41
4.1 相关分析 41
4.1.1 相关分析概念 41
4.1.2 相关分析的种类 41
4.1.3 相关系数 43
4.2 一元线性回归 48
4.2.1 一元线性回归模型 49
4.2.2 参数的最小二乘估计 49
4.2.3 回归直线的拟合优度 51
4.2.4 显著性检验 53
4.2.5 回归方程预测问题 53
4.3 多元线性回归 54
4.3.1 多元线性回归模型和回归方程 55
4.3.2 估计的多元回归方程 55
4.3.3 参数的最小二乘估计 55
4.3.4 回归方程的拟合优度 55
4.3.5 显著性检验 56
4.4 变量选择与逐步回归 57
4.4.1 向前选择 58
4.4.2 向后剔除 58
4.4.3 逐步回归 58
4.4.4 最优子集法 58
课后习题 59
第5章 时间序列分析和应用 60
5.1 什么是时间序列 60
5.2 时间序列分析方法 61
5.2.1 平均预测法 63
5.2.2 指数平滑法 69
5.2.3 趋势外推预测方法 71
5.3 时间序列分析软件 74
5.3.1 常用软件 74
5.3.2 推荐软件——SPSS 74
5.4 利用SPSS和Matlab进行时间序列预测 74
5.4.1 移动平均和滑动平均计算 74
5.4.2 季节性预测 76
课后习题 78
第6章 用户行为分析 80
6.1 基础知识：幂律分布及其性质 80
6.2 用户行为的统计特性的实证分析 83
6.2.1 用户行为的时间统计特性 83
6.2.2 用户行为空间统计特性 87
6.3 用户行为模型 94
课后习题 96
第7章 推荐系统 97
7.1 推荐系统的概念 97
7.1.1 什么是推荐系统 97
7.1.2 个性化推荐的意义 98
7.1.3 推荐系统的组成 99
7.1.4 推荐系统评价指标 99
7.2 基于关联规则的推荐系统 100
7.3 协同过滤的推荐系统 103
7.4 基于网络结构的推荐系统 108
7.4.1 图和二部分图 108
7.4.2 基于网络结构的推荐算法 108
7.5 推荐系统应用 110
7.5.1 亚马逊：电子商务 111
7.5.2 豆瓣：社交网络 112
7.5.3 未来个性化推荐发展的可能方向 112
课后习题 114
第8章 商务数据的社会网络化分析 115
8.1 点、线和数据 115
8.2 强关系与弱关系 117
8.3 社群的划分 119
8.4 寻找意见领袖 122
课后习题 126
参考文献 127