商务智能

商务智能(Business Intelligence,BI)是将原始数据转换为有意义且有用数据所采用的一组技术和工具。商务智能可以对决策者的决策起到重要的辅助作用。商务智能的出现使许多基于大量数据驱动的商务活动成为可能。
商务智能技术的运用，能够使企业了解运营的历史情况信息、当前现状信息和未来预测信息。通用的商务智能技术包括提供报表报告、数据分析、在线分析处理、数据挖掘、大数据挖掘、复杂事件处理、业务绩效管理、文本挖掘、预测分析和网络分析处理等内容。因此，大量企业对商务智能人才的需求也在不断增加。许多高等院校的管理学院、计算机学院都开设了“商务智能”相关的课程，培养商务智能人才，以满足市场的需求。本书从实际出发，按照应用型本科教材的要求，立足于概念全面、案例新颖、实验多样的内容，力求培养读者能够掌握商务智能的基本要求，初步具备使用商务智能技术解决实际问题的能力。
全书共13章，内容包括： 第1章商务智能，阐述商务智能的概念、功能、组成要素等相关概念及理论基础； 第2章数据仓库，介绍商务智能的重要技术——数据仓库，包括在线分析处理、多维数据模型及的Hive技术介绍； 第3~9章，详细介绍数据挖掘应用算法，分别有数据准备、相关分析、聚类分析、回归分析、分类分析、关联分析与文本挖掘； 第10章大数据分析，介绍与商务智能密切相关的云计算、大数据存储、Hadoop开源框架与Spark开源框架； 第11章社会网络，阐述社会网络的基本问题及社会网络与商务智能的关系； 第12、13章，分别用两种商务智能开发工具RapidMiner 与Logis PMT大数据挖掘平台实践11个商务智能数据挖掘实验及综合实验。
本书配套微课视频，读者可先扫一扫封底刮刮卡内二维码，获得权限，再扫一扫文中对应章节处二维码，即可观看视频。
本书第1章、第2章、第7章、第9~11章、第13章由陈建编写； 第3~6章、第8章、第12章由羊英编写； 陈建完成全书的修改及统稿工作。
在本书的编写过程中得到了上海第二工业大学经济管理学院的大力支持，在此表示衷心的感谢。与此同时，感谢上海第二工业大学经济管理学院电子商务系学生提供了本书的部分实验案例。
由于编者水平有限，书中不当之处在所难免，欢迎广大同行和读者批评指正。

编者2020年12月

大数据时代，数据已经成为企业的重要资产。企业积累的数据增长迅速，如何从海量数据中挖掘出重要的商业价值，并运用到企业的决策中，是当今各个企业需要面对的实际问题。商务智能能够将数据转换为信息，并加以提炼，形成满足企业需求的知识，由此提高企业的反应速度和决策的准确性，快速适应市场的发展。所以商务智能有着广泛的应用前景。 本书内容全面、讲解由浅入深、案例丰富，除了可以让读者掌握商务智能的基础知识，熟悉商务智能的行业应用外，还能让读者进行实际操作。本书可以作为高等院校经济管理和信息管理等相关专业“商务智能”课程的教材。

姓名：陈建 年龄:43 职称职务：副教授 学历：博士 工作院校(系)：上海第二工业大学大学经济与工商管理学院 主要研究领域：数据挖掘、机器学习

第1章商务智能

1.1商务智能的概念 

1.2商务智能的功能

1.3商务智能的组成要素

1.4商务智能的核心技术

1.5商务智能的系统框架

1.6商务智能的分析流程

1.7商务智能的主流产品

1.8习题

第2章数据仓库

2.1数据仓库的基本概念

2.1.1数据仓库的数据结构

2.1.2数据仓库的系统构成

2.1.3数据仓库系统开发概述

2.1.4数据仓库系统设计调研

2.1.5信息包图设计概念模型

2.2多维数据模型

2.2.1多维数据建模

2.2.2事实表、维表和键的设计

2.3在线分析处理

2.3.1在线分析处理概况

2.3.2在线分析处理的基本概念和典型操作

2.3.3在线分析处理的分类

2.4Hive简介

2.4.1Hive 的概念

2.4.2Hive的数据模型

2.4.3Hive与数据仓库

2.5习题

第3章数据准备

3.1数据准备的基本知识

3.2数据类型及处理方式

3.2.1统计计量角度的数据类型

3.2.2计算机角度的数据类型

3.2.3数据处理方式

3.3数据准备的主要内容

3.3.1数据清洗

3.3.2数据归一化

3.3.3数据离散化

3.3.4数据降维

3.3.5文本清洗

3.4ETL

3.5习题

第4章相关分析

4.1相关分析的基本原理

4.2相关关系

4.3相关系数

4.4相关分析步骤

4.5偏相关分析

4.6习题

第5章聚类分析

5.1聚类的基本概念

5.2“亲疏程度”的衡量与计算

5.2.1定距型变量个体间的距离计算

5.2.2计数变量个体间的距离计算

5.2.3二值变量个体间的距离计算

5.2.4其他个体间的距离计算

5.3聚类的方法

5.3.1K均值聚类算法

5.3.2K中间值聚类算法

5.3.3均值漂移聚类算法

5.3.4基于密度的聚类算法

5.3.5高斯混合模型聚类算法

5.3.6层次聚类算法

5.3.7图团体检测算法

5.4习题

第6章回归分析

6.1线性回归原理

6.1.1一元线性回归模型

6.1.2回归参数的计算

6.1.3回归方程的统计检验

6.1.4一元线性回归方程的预测

6.2多元线性回归分析

6.2.1二元线性回归分析

6.2.2m元线性回归分析

6.2.3非线性回归分析

6.3逻辑回归

6.3.1逻辑回归的基本原理

6.3.2二项逻辑回归分析

6.3.3多项逻辑回归分析

6.4习题

第7章分类分析

7.1分类分析原理

7.2贝叶斯分类

7.2.1基本原理

7.2.2平滑处理

7.3决策树分类

7.3.1基本原理

7.3.2信息增益

7.3.3决策树的过拟合和剪枝

7.4神经网络分类

7.4.1基本原理

7.4.2神经元模型

7.4.3网络结构

7.4.4深度学习

7.5习题

第8章关联分析

8.1频繁模式与关联规则

8.1.1基本概念

8.1.2频繁项集的性质

8.1.3频繁项集的代表项集

8.1.4关联规则的度量

8.2频繁项集的典型挖掘方法

8.2.1先验算法

8.2.2频繁模式增长算法

8.2.3关联规则的产生方法

8.3关联规则的其他类型

8.3.1多层关联规则

8.3.2负模式

8.3.3结构化数据的关联分析

8.4习题

第9章文本挖掘

9.1文本挖掘的概念

9.2文本挖掘的技术背景

9.3文本挖掘的任务

9.4文本挖掘的预处理

9.5文本模式挖掘

9.6挖掘结果可视化

9.7文本特征和表示

9.7.1向量空间模型

9.7.2概念模型

9.8文本挖掘的应用

9.8.1基于关键字的关联分析

9.8.2文本自动聚类

9.8.3自动文本分类

9.8.4自动摘要

9.8.5中文分词

9.9习题

第10章大数据分析

10.1云计算与大数据

10.2大数据存储

10.3大数据的应用

10.3.1制造业

10.3.2农业

10.3.3金融业

10.3.4零售业

10.3.5物流行业

10.3.6医疗行业

10.4Hadoop开源框架

10.4.1Hadoop简介

10.4.2HDFS 架构及简介

10.4.3MapReduce简介

10.4.4YARN

10.4.5Hadoop存储格式

10.5Spark 开源框架

10.5.1Spark简述

10.5.2Spark SQL

10.5.3Spark Streaming

10.5.4Spark MLlib 

10.6习题

第11章社会网络

11.1社会网络的基本问题

11.2社会网络的基本理论

11.2.1图论

11.2.2博弈论

11.3社会网络的基本原则

11.3.1三元闭包

11.3.2桥和捷径

11.3.3小世界与无标度

11.4社会网络与商务智能

11.4.1用户行为分析

11.4.2利用贝叶斯规则验证群集效应

11.5习题

第12章商务智能开发工具——RapidMiner

12.1RapidMiner简介

12.2连接数据

12.3关联分析实验

12.4线性回归实验

12.5聚类分析实验

12.6逻辑回归实验

12.7朴素贝叶斯实验

12.8关联规则及购物篮分析实验

12.9文本挖掘实验

第13章商务智能开发工具——Logis PMT大数据挖掘平台

13.1Logis PMT简介

13.2快运客户群识别综合实验

13.3电信用户流失率分析综合实验

13.4共享单车需求预测综合实验

13.5图像识别分类综合实验

参考文献

大数据时代，数据已经成为企业的重要资产。企业积累的数据增长迅速，如何从海量数据中挖掘出重要的商业价值，并运用到企业的决策中，是当今各个企业需要面对的实际问题。商务智能能够将数据转换为信息，并加以提炼，形成满足企业需求的知识，由此提高企业的反应速度和决策的准确性，快速适应市场的发展。所以商务智能有着广泛的应用前景。 本书内容全面、讲解由浅入深、案例丰富，除了可以让读者掌握商务智能的基础知识，熟悉商务智能的行业应用外，还能让读者进行实际操作。本书可以作为高等院校经济管理和信息管理等相关专业“商务智能”课程的教材。

姓名：陈建 年龄:43 职称职务：副教授 学历：博士 工作院校(系)：上海第二工业大学大学经济与工商管理学院 主要研究领域：数据挖掘、机器学习