前言 1
1 商务智能概述 1
1.1 商务智能的产生 2
1.1.1 商务智能产生的背景 2
1.1.2 商务智能产生的原因 4
1.1.3 商务智能发展经历的里程碑 7
1.2 商务智能的概念 7
1.2.1 数据、信息和知识 7
1.2.2 商务智能的定义 10
1.3.1 事务处理系统 15
1.3 商务智能的发展过程 15
1.3.2 高级管理人员信息系统 16
1.3.3 管理信息系统 16
1.3.4 决策支持系统 17
1.3.5 商务智能系统 17
1.4 商务智能的作用和益处 18
1.4.1 商务智能的作用 18
1.4.2 商务智能的益处 22
1.5 商务智能的体系结构 23
1.6 商务智能和其他系统的关系 28
1.6.1 商务智能与交易系统的关系 28
1.6.2 商务智能与MIS的关系 29
1.6.3 商务智能与DSS、EIS的关系 30
1.6.4 商务智能与CRM、ERP的关系 31
1.7 商务智能应用 33
1.7.1 商务智能的典型应用 33
1.7.2 商务智能系统对行业的要求 34
1.7.3 商务智能的应用领域 35
1.7.4 商务智能的应用方向 36
1.8 商务智能产品介绍 37
1.8.1 Oracle 38
1.8.2 SAS 42
1.8.3 IBM 48
1.8.4 Microsoft 50
1.8.5 Sybase 51
1.8.6 Business Objects 52
1.8.7 NCR 52
1.8.8 BI平台的新特性 53
1.9 商务智能在国外和国内的发展状况及研究方向趋势 57
1.9.1 国外应用状况 57
1.9.2 国内应用状况 59
1.9.3 商务智能的研究内容 68
1.9.4 商务智能的发展趋势 69
思考题一 72
2.1 人才管理 73
2 商务智能中的管理 73
2.1.1 商务智能对传统人才管理的挑战 74
2.1.2 对商务智能人才的技能要求 75
2.1.3 商务智能能力中心 77
2.1.4 商务智能下人才管理的对策 79
2.2 数据质量管理 81
2.2.1 数据和数据质量的概念 81
2.2.2 产生数据质量问题的原因 83
2.2.3 数据质量的度量 84
2.2.4 数据质量问题的解决办法 86
2.2.5 数据质量管理项目实施 88
2.3.1 项目管理概述 89
2.3 项目管理 89
2.3.2 商务智能项目成败因素分析 91
2.3.3 商务智能项目组织管理 93
2.3.4 商务智能项目计划管理 97
2.3.5 商务智能项目风险管理 99
2.3.6 提高商务智能项目管理水平的措施 102
2.3.7 成功实施商务智能的策略 103
2.4 价值管理 104
2.4.1 投资回报的理论框架 104
2.4.2 拥有总成本 109
2.4.3 商业价值分析 111
2.4.4 实现商务智能商业价值的途径 115
思考题二 117
3 商务智能中的数据预处理 118
3.1 ETL概述 118
3.1.1 ETL的概念 119
3.1.2 ETL的必要性 120
3.1.3 ETL在数据仓库中的角色 121
3.1.4 制定ETL策略应考虑的问题 122
3.2 ETL过程 123
3.2.1 数据抽取 123
3.2.2 数据清洗 127
3.2.3 数据转换 131
3.2.5 数据质量 135
3.2.4 数据加载 135
3.2.6 ETL过程管理 136
3.3 ETL的设计与开发 137
3.3.1 ETL的设计要点 137
3.3.2 ETL设计 138
3.3.3 ETL的开发步骤 139
3.4 元数据 140
3.4.1 元数据的定义 141
3.4.2 元数据的分类 141
3.4.3 元数据的作用 149
3.4.4 元数据的内容 157
3.4.5 元数据的收集 159
3.4.6 元数据管理标准化 161
3.4.7 元数据管理系统设计 164
3.5 ETL工具简介 168
3.5.1 评价ETL工具的要素 168
3.5.2 市场上主流的ETL工具 171
3.5.3 现有ETL产品的特征 173
3.5.4 ETL工具的发展趋势 175
3.5.5 ETL工具与手工编码的比较 176
思考题三 177
4 商务智能中的核心技术 178
4.1.1 从数据库到数据仓库 179
4.1 数据仓库 179
4.1.2 数据仓库的定义和特点 182
4.1.3 数据仓库的数据组织 191
4.1.4 数据仓库体系结构化环境 196
4.1.5 数据仓库创建的基本框架 201
4.1.6 数据仓库系统的建立 204
4.2 联机分析处理 209
4.2.1 OLAP的特点和评价准则 209
4.2.2 多维数据模型及其组织模式 211
4.2.3 多维分析 213
4.2.4 OLAP系统的体系结构和分类 217
4.3.1 数据挖掘的目的 222
4.3 数据挖掘 222
4.3.2 数据挖掘的功能 223
4.3.3 数据挖掘的相关技术 225
4.3.4 数据挖掘的流程 228
4.3.5 评价数据挖掘软件需要考虑的问题 232
4.4 联机分析挖掘 232
4.4.1 联机分析挖掘技术的出现 234
4.4.2 OLAM的运行模式 236
4.4.3 OLAM的体系结构 237
4.4.4 OLAM的特性 237
4.4.5 OLAM的实现 240
4.5.1 可视化技术的发展及分类 241
4.5 可视化技术 241
4.5.2 数据可视化定义 245
4.5.3 信息可视化的相关概念 246
4.5.4 信息可视化的实现策略 248
4.5.5 数据挖掘可视化 250
4.6 知识管理 255
4.6.1 知识管理的定义 255
4.6.2 知识管理与信息管理 256
4.6.3 企业知识管理的内容 258
4.6.4 企业知识链管理 261
4.6.5 基于商务智能决策支持系统的知识管理 262
思考题四 267
5 商务智能解决方案 268
5.1 平台性解决方案 268
5.1.1 Oracle的商务智能解决方案 269
5.1.2 IBM的商务智能解决方案 271
5.1.3 Microsoft的商务智能解决方案 273
5.1.4 厂商提供的平台性解决方案特点总结 274
5.1.5 分析型管理软件的兴起 274
5.2 面向行业的解决方案 275
5.2.1 金融服务业 276
5.2.2 政府机构 279
5.2.3 制造业 282
5.2.4 零售业 284
5.3 绩效管理解决方案 287
5.3.1 企业绩效管理的框架 288
5.3.2 数字驾驶舱 289
5.3.3 企业绩效管理软件 290
5.3.4 中美企业绩效管理的差距 291
5.4 实时企业解决方案 292
5.4.1 实时企业与传统企业的差异 293
5.4.2 数字神经系统（DNS）与BI 294
5.4.3 实时企业与BI的关系——实时BI 295
思考题五 296
6.1 企业商务智能战略 297
6.1.1 商务信息系统的发展阶段 297
6 商务智能项目的实现 297
6.1.2 当前构建信息系统的困境与对策 298
6.1.3 商务智能的管理模式 299
6.1.4 实施企业BI系统的最佳战略 302
6.2 商务智能周期 307
6.3 商务智能的应用实施 308
6.3.1 BI实施的前提 308
6.3.2 BI实施的过程 310
思考题六 312
7.1.1 管理科学与工程学科发展 313
7 商务智能的未来 313
7.1 商务智能技术的发展趋势 313
7.1.2 信息管理与信息系统学科发展规律 321
7.1.3 商务智能技术发展方向 323
7.2 商务智能的应用展望 336
7.2.1 日常商务智能应用 336
7.2.2 高级商务智能应用 340
7.2.3 全方位的商务智能系统 344
7.2.4 规范化世界的智能系统 345
思考题七 345
主要参考文献 346