第一部分 信息系统基础 2
第1章 系统论 2
1.1 系统 2
1.2 系统模型 3
1.3 系统的分类 4
1.4 系统学基本原理 6
小结 9
习题 9
第2章 信息论 10
2.1 数据与信息 10
2.2 信息的性质 10
2.3 人类利用信息的过程 12
2.4 信息的度量 13
2.5 信息的分类 15
2.6 信息的特点 16
2.7 信息的用途 16
2.8 信息与管理 17
小结 17
习题 18
第3章 信息系统概论 19
3.1 信息系统 19
3.2 信息系统的发展 20
3.3 信息系统的类型 21
3.4 信息系统和管理的关系 23
3.5 MRP、MRP II与ERP 24
3.6 MIS面临的挑战 26
3.7 信息系统案例研究 27
小结 27
习题 28
第4章 信息资源管理 29
4.1 信息资源管理的形成 29
4.2 信息资源管理的含义 31
4.2.1 信息与信息资源 31
4.2.2 信息管理 32
4.2.3 信息资源管理的产生 33
4.2.4 信息资源管理的含义 34
4.3 信息资源管理的发展 35
4.4 信息资源内容管理 36
4.5 网络信息资源管理 38
4.6 设立企业CIO 41
4.7 企业IT治理 43
小结 48
习题 48
第二部分 信息系统 52
第5章 管理信息系统 52
5.1 管理信息系统的定义和概念 52
5.1.1 管理信息系统的定义 52
5.1.2 管理信息系统的要素 53
5.1.3 MIS的概念 53
5.1.4 管理信息系统的开发 54
5.2 管理信息系统可行性分析 55
5.2.1 可行性分析的目的和步骤 55
5.2.2 可行性研究报告 57
5.3 管理信息系统规划 57
5.4 信息系统开发方法 61
5.5 系统分析 62
5.6 系统设计 67
5.7 系统实施、评价与运行管理 70
5.8 信息系统项目管理 71
5.9 业务流程再造案例研究 74
小结 81
习题 82
第6章 决策支持系统 83
6.1 管理与决策 83
6.2 决策问题的类型 84
6.3 决策模型 85
6.4 决策支持系统的发展历史 85
6.5 决策支持技术的新进展 86
6.6 决策支持系统详解 87
6.6.1 决策支持系统的定义 87
6.6.2 决策支持系统的原理 88
6.6.3 决策支持系统的发展 89
6.6.4 决策支持系统的功能 89
6.6.5 决策支持系统的基本模式 90
6.6.6 决策支持系统的部件 90
6.7 智能决策支持系统 91
6.8 群决策支持系统 93
6.9 新决策支持系统 95
6.10 综合决策支持系统结构 97
6.11 网络环境的综合决策支持系统 97
6.12 决策支持系统应用案例研究 99
小结 102
习题 102
第7章 数据仓库与联机分析 103
7.1 数据仓库简介 103
7.2 数据预处理 105
7.3 元数据 107
7.4 数据组织 108
7.5 数据仓库工具——OLAP 112
7.6 商务智能 114
7.7 数据仓库的应用 115
7.8 数据仓库案例研究 116
小结 119
习题 119
第8章 数据挖掘 120
8.1 数据挖掘的基本概念 120
8.2 数据挖掘的过程 121
8.3 数据挖掘的分类 121
8.4 数据挖掘方法 122
8.4.1 神经网络 122
8.4.2 决策树 124
8.4.3 关联规则 126
8.4.4 聚类算法 130
8.5 数据挖掘的应用范围 132
8.6 数据挖掘案例研究 133
小结 146
习题 147
第三部分 数据科学 150
第9章 云计算 150
9.1 云计算的出现 150
9.2 云计算概论 150
9.2.1 云计算的定义 150
9.2.2 云计算的发展史 151
9.2.3 云计算的基本特征、部署模式、服务形态和判识标准 153
9.3 云计算关键技术 154
9.3.1 云计算产生的基础 154
9.3.2 云计算所涉及的关键技术 155
9.4 云计算的意义 156
9.5 云计算对企业信息化的启示 157
9.5.1 资源与资产的脱钩以及资源的弹性配置 157
9.5.2 公共运行平台的做大做强 158
9.5.3 服务形态 158
9.6 企业实施云计算的策略与方法 159
小结 160
习题 161
第10章 大数据及其应用 162
10.1 大数据的概念 162
10.1.1 大数据的发展 162
10.1.2 大数据的分类 163
10.2 大数据的特点 164
10.3 大数据的影响 164
10.4 大数据技术 165
10.4.1 整体技术 165
10.4.2 关键技术 166
10.5 商业大数据的应用 168
10.5.1 大数据的商业价值 168
10.5.2 大数据与零售业的结合运用 170
10.5.3 大数据在零售企业实战中的应用案例 171
10.6 大数据的趋势 174
10.6.1 发展方向 174
10.6.2 发展趋势 174
10.7 大数据的企业应对策略 175
10.8 大数据处理软件Hadoop 176
小结 181
习题 181
第11章 数据科学概论 182
11.1 数据科学与数据科学家 182
11.1.1 关于大数据和数据科学 182
11.1.2 数据科学正在成长 183
11.1.3 数据科学的出现 184
11.1.4 数据化 184
11.1.5 数据科学的概念 185
11.1.6 数据科学家 187
11.1.7 数据科学家的类型 188
11.2 探索性数据分析 190
11.2.1 大数据时代的统计思维 190
11.2.2 探索性数据分析 197
11.2.3 数据科学处理过程 199
11.2.4 探索性分析案例研究 201
11.3 算法 204
11.3.1 机器学习算法 204
11.3.2 三种基本算法 205
11.3.3 线性回归 206
11.3.4 k-近邻（k-NN）算法 209
11.3.5 k-均值（k-Means）算法 214
11.4 朴素贝叶斯算法 216
11.4.1 朴素贝叶斯 217
11.4.2 单个单词的垃圾邮件过滤器 217
11.4.3 含多个单词的垃圾邮件过滤器：朴素贝叶斯 218
11.5 推送系统 219
11.5.1 普通推送算法介绍 219
11.5.2 一个实际的推送引擎 222
11.6 数据可视化 222
11.6.1 数据可视化技术 223
11.6.2 多维数据可视化 225
11.6.3 数据仪表盘 225
小结 229
习题 229
第12章 R语言基础 230
12.1 R语言简介 230
12.2 R软件安装 230
12.3 R的函数 232
12.4 R语言语法简述 234
12.5 R语言案例 236
小结 237
习题 237
参考文献 238